論文の概要: A Heuristically Self-Organised Linguistic Attribute Deep Learning in Edge Computing For IoT Intelligence

• arxiv url: http://arxiv.org/abs/2006.04766v1
• Date: Mon, 8 Jun 2020 17:36:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 00:25:23.631226
• Title: A Heuristically Self-Organised Linguistic Attribute Deep Learning in Edge Computing For IoT Intelligence
• Title（参考訳）: iotインテリジェンスのためのエッジコンピューティングにおけるヒューリスティックな自己組織型言語特性ディープラーニング
• Authors: Hongmei He and Zhenhuan Zhu
• Abstract要約: IoTインテリジェンスの成功のためのエッジデバイスにおけるデータ融合の障壁は、"Curse of dimensionality"である。 言語決定木(LDT)を組み込んだ言語属性(LAH)は,新たな属性深層学習を表現できる。 本稿では,LAH を LDT に組み込んで意思決定や分類を行う手法を提案する。
• 参考スコア（独自算出の注目度）: 4.378411442784295
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the development of Internet of Things (IoT), IoT intelligence becomes emerging technology. "Curse of Dimensionality" is the barrier of data fusion in edge devices for the success of IoT intelligence. A Linguistic Attribute Hierarchy (LAH), embedded with Linguistic Decision Trees (LDTs), can represent a new attribute deep learning. In contrast to the conventional deep learning, an LAH could overcome the shortcoming of missing interpretation by providing transparent information propagation through the rules, produced by LDTs in the LAH. Similar to the conventional deep learning, the computing complexity of optimising LAHs blocks the applications of LAHs. In this paper, we propose a heuristic approach to constructing an LAH, embedded with LDTs for decision making or classification by utilising the distance correlations between attributes and between attributes and the goal variable. The set of attributes is divided to some attribute clusters, and then they are heuristically organised to form a linguistic attribute hierarchy. The proposed approach was validated with some benchmark decision making or classification problems from the UCI machine learning repository. The experimental results show that the proposed self-organisation algorithm can construct an effective and efficient linguistic attribute hierarchy. Such a self-organised linguistic attribute hierarchy embedded with LDTs can not only efficiently tackle "curse of dimensionality" in a single LDT for data fusion with massive attributes, but also achieve better or comparable performance on decision making or classification, compared to the single LDT for the problem to be solved. The self-organisation algorithm is much efficient than the Genetic Algorithm in Wrapper for the optimisation of LAHs. This makes it feasible to embed the self-organisation algorithm in edge devices for IoT intelligence.
• Abstract（参考訳）: IoT(Internet of Things)の開発によって、IoTインテリジェンスが新たなテクノロジになりつつある。 IoTインテリジェンスの成功のためのエッジデバイスにおけるデータ融合の障壁は、"Curse of dimensionality"である。 言語決定木(ldts)に埋め込まれた言語属性階層(lah)は、ディープラーニングの新しい属性を表現することができる。 従来のディープラーニングとは対照的に、LAHはLAHのLDTによって生成された規則を通して透明な情報伝達を提供することによって、欠落した解釈の欠点を克服することができる。 従来のディープラーニングと同様に、lahsを最適化する計算の複雑さはlahsの応用をブロックする。 本稿では,属性と属性と目標変数間の距離相関を利用して,意思決定や分類のためのldtを組み込んだlahを構築するためのヒューリスティックなアプローチを提案する。 属性のセットはいくつかの属性クラスタに分割され、ヒューリスティックに構成され、言語属性階層を形成する。 提案手法は、UCI機械学習レポジトリのベンチマーク決定や分類の問題によって検証された。 実験の結果,提案する自己組織化アルゴリズムは,効率的な言語属性階層を構築することができることがわかった。 LDTに埋め込まれた自己組織型言語属性階層は、大量の属性とデータ融合する単一LLTの「次元の曲線」に効率的に対処できるだけでなく、解決すべき問題に対する単一のLLTと比較して、意思決定や分類においてより良い、あるいは同等のパフォーマンスを達成できる。 自己組織化アルゴリズムは、LAHの最適化のためのWrapperの遺伝的アルゴリズムよりも効率的である。 これにより、IoTインテリジェンスのためのエッジデバイスに自己組織化アルゴリズムを組み込むことが可能になる。

関連論文リスト

• Collaborative Feature-Logits Contrastive Learning for Open-Set Semi-Supervised Object Detection [75.02249869573994]
  オープンセットのシナリオでは、ラベルなしデータセットには、イン・ディストリビューション(ID)クラスとアウト・オブ・ディストリビューション(OOD)クラスの両方が含まれている。 このような設定で半教師付き検出器を適用すると、OODクラスをIDクラスとして誤分類する可能性がある。 我々は、CFL-Detector(Collaborative Feature-Logits Detector)と呼ばれるシンプルで効果的な方法を提案する。
  論文  参考訳（メタデータ） (2024-11-20T02:57:35Z)
• Improving In-Context Learning with Small Language Model Ensembles [2.3499129784547654]
  In-context Learning (ICL) は安価で効率的な代替手段であるが、高度な手法の精度と一致しない。 本稿では,複数の微調整小言語モデル(SLM)の専門知識を活用することでICLを強化する新しいアプローチであるEnsemble SuperICLを提案する。
  論文  参考訳（メタデータ） (2024-10-29T09:02:37Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• LLM-A*: Large Language Model Enhanced Incremental Heuristic Search on Path Planning [91.95362946266577]
  経路計画はロボット工学と自律航法における基本的な科学的問題である。 A*やその変種のような伝統的なアルゴリズムは、パスの妥当性を保証することができるが、状態空間が大きくなるにつれて、計算とメモリの非効率が著しく低下する。 本稿では, A* の正確なパスフィニング能力と LLM のグローバルな推論能力とを相乗的に組み合わせた LLM ベースの経路計画法を提案する。 このハイブリッドアプローチは、特に大規模シナリオにおいて、パス妥当性の完全性を維持しながら、時間と空間の複雑さの観点からパスフィニング効率を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-06-20T01:24:30Z)
• LB-KBQA: Large-language-model and BERT based Knowledge-Based Question and Answering System [7.626368876843794]
  本稿では,Large Language Model(LLM)とBERT(LB-KBQA)に基づく新しいKBQAシステムを提案する。 生成AIの助けを借りて,提案手法は新たに出現した意図を検知し,新たな知識を得ることができた。 ファイナンシャルドメイン質問応答の実験では,本モデルの方が優れた効果を示した。
  論文  参考訳（メタデータ） (2024-02-05T16:47:17Z)
• Language Agent Tree Search Unifies Reasoning Acting and Planning in Language Models [31.509994889286183]
  我々はLanguage Agent Tree Search (LATS)を紹介した。Language Agent Tree Search (LATS)は、推論、行動、計画において言語モデル(LM)の能力を相乗化する最初の一般的なフレームワークである。 当社のアプローチの重要な特徴は、より意図的で適応的な問題解決メカニズムを提供する外部フィードバック環境の導入である。 LATSは、GPT-4でHumanEval上でプログラミングするための最先端パス@1精度(92.7%)を達成し、GPTによるWebShop上のWebナビゲーションの勾配ベースの微調整に匹敵する勾配なし性能(平均スコア75.9)を示す。
  論文  参考訳（メタデータ） (2023-10-06T17:55:11Z)
• Efficient Spoken Language Recognition via Multilabel Classification [53.662747523872305]
  我々のモデルは,現在の最先端手法よりも桁違いに小さく,高速でありながら,競争力のある結果が得られることを示す。 我々のマルチラベル戦略は、マルチクラス分類よりも非ターゲット言語の方が堅牢である。
  論文  参考訳（メタデータ） (2023-06-02T23:04:19Z)
• Language Detoxification with Attribute-Discriminative Latent Space [59.167432249229584]
  トランスフォーマーベースの言語モデル(LM)は、自然言語理解タスクにおいて印象的な結果を得た。 また、侮辱、脅し、暴言などの有毒なテキストを生成でき、現実世界の応用を制限できる。 本稿では,属性識別型潜在空間を用いた効果的かつ効率的な言語解毒法を提案する。
  論文  参考訳（メタデータ） (2022-10-19T06:54:42Z)
• Attributions Beyond Neural Networks: The Linear Program Case [17.103787431518683]
  リニアプログラム(LP)は、機械学習におけるビルディングブロックの1つであり、学習システムにおける差別化の最近の進歩を後押ししてきた。 我々は、ニューラルネットワークシステム用に設計された説明可能な人工知能(XAI)からの帰属法の適用を正当化するLPのニューラルエンコーディングを検討するアプローチを導入する。
  論文  参考訳（メタデータ） (2022-06-14T23:08:43Z)
• A Framework to Enhance Generalization of Deep Metric Learning methods using General Discriminative Feature Learning and Class Adversarial Neural Networks [1.5469452301122175]
  メトリック学習アルゴリズムは、意味論的に類似したデータアイテムをまとめて、異種データを遠くに保持する距離関数を学習することを目的としている。 データから特徴を自動的に抽出し,入力空間から意味的な埋め込み空間への非線形変換を学習するDeep Metric Learning (DML)法が提案されている。 ゼロショット学習(ZSL)環境において,既存のDML手法の一般化能力を高める枠組みを提案する。
  論文  参考訳（メタデータ） (2021-06-11T14:24:40Z)
• Meta-Gradient Reinforcement Learning with an Objective Discovered Online [54.15180335046361]
  本稿では,深層ニューラルネットワークによって柔軟にパラメータ化される,自己目的のメタ段階的降下に基づくアルゴリズムを提案する。 目的はオンラインで発見されるため、時間とともに変化に適応することができる。 Atari Learning Environmentでは、メタグラディエントアルゴリズムが時間とともに適応して、より効率よく学習する。
  論文  参考訳（メタデータ） (2020-07-16T16:17:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。