論文の概要: Seq2Seq and Joint Learning Based Unix Command Line Prediction System

• arxiv url: http://arxiv.org/abs/2006.11558v1
• Date: Sat, 20 Jun 2020 11:57:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 22:47:28.141395
• Title: Seq2Seq and Joint Learning Based Unix Command Line Prediction System
• Title（参考訳）: Seq2Seqと共同学習に基づくUnixコマンドライン予測システム
• Authors: Thoudam Doren Singh, Abdullah Faiz Ur Rahman Khilji, Divyansha, Apoorva Vikram Singh, Surmila Thokchom and Sivaji Bandyopadhyay
• Abstract要約: UNIXベースのプラットフォームは、アマチュアエンドユーザーからの圧倒的な受信を達成できなかった。 UNIXベースのシステムで人気が低い理由の1つは、それらに対応する急勾配学習曲線である。 この研究はUNIXのコマンドライン予測システムを補助的、適応的、動的に拡張する方法について述べる。
• 参考スコア（独自算出の注目度）: 13.416277446363775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite being an open-source operating system pioneered in the early 90s, UNIX based platforms have not been able to garner an overwhelming reception from amateur end users. One of the rationales for under popularity of UNIX based systems is the steep learning curve corresponding to them due to extensive use of command line interface instead of usual interactive graphical user interface. In past years, the majority of insights used to explore the concern are eminently centered around the notion of utilizing chronic log history of the user to make the prediction of successive command. The approaches directed at anatomization of this notion are predominantly in accordance with Probabilistic inference models. The techniques employed in past, however, have not been competent enough to address the predicament as legitimately as anticipated. Instead of deploying usual mechanism of recommendation systems, we have employed a simple yet novel approach of Seq2seq model by leveraging continuous representations of self-curated exhaustive Knowledge Base (KB) to enhance the embedding employed in the model. This work describes an assistive, adaptive and dynamic way of enhancing UNIX command line prediction systems. Experimental methods state that our model has achieved accuracy surpassing mixture of other techniques and adaptive command line interface mechanism as acclaimed in the past.
• Abstract（参考訳）: 90年代初頭に先駆けて開発されたオープンソースのオペレーティングシステムであるにもかかわらず、UNIXベースのプラットフォームはアマチュアエンドユーザーからの圧倒的な受信を達成できなかった。 UNIXベースのシステムで人気が低い理由の1つは、通常のインタラクティブなグラフィカルユーザインタフェースの代わりにコマンドラインインタフェースが広く使われているため、それらに対応する急勾配学習曲線である。 近年,ユーザのログ履歴を時系列コマンドの予測に活用するという概念を中心に,関心事の探索に用いた洞察の大部分が顕著に行われている。 この概念の解剖学化に向けられたアプローチは主に確率的推論モデルに従っている。 しかし、過去に用いられた技術は、予想通り正当に捕食に対処する能力に欠けていた。 従来のレコメンデーションシステムに代えて,Seq2seqモデルの簡易かつ斬新なアプローチを採用し,自己計算型徹底的知識ベース(KB)の連続表現を活用して,モデルの埋め込みを強化する。 この研究はUNIXのコマンドライン予測システムを強化する補助的、適応的、動的方法を説明する。 実験手法では, 従来の手法よりも精度が向上し, 適応型コマンドラインインタフェース機構が実現されていることを述べる。

関連論文リスト

• PILOT: A Pre-Trained Model-Based Continual Learning Toolbox [71.63186089279218]
  本稿では,PILOTとして知られるモデルベース連続学習ツールボックスについて紹介する。 一方、PILOTはL2P、DualPrompt、CODA-Promptといった事前学習モデルに基づいて、最先端のクラスインクリメンタル学習アルゴリズムを実装している。 一方、PILOTは、事前学習されたモデルの文脈に典型的なクラス増分学習アルゴリズムを適合させ、それらの効果を評価する。
  論文  参考訳（メタデータ） (2023-09-13T17:55:11Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• Scalable and Robust Self-Learning for Skill Routing in Large-Scale Conversational AI Systems [13.705147776518421]
  最先端システムは、自然な会話を可能にするためにモデルベースのアプローチを使用する。 ルーティングの代替を探索するスケーラブルな自己学習手法を提案する。
  論文  参考訳（メタデータ） (2022-04-14T17:46:14Z)
• An Expectation-Maximization Perspective on Federated Learning [75.67515842938299]
  フェデレーション学習は、データをデバイス上でプライベートにしながら、複数のクライアントにわたるモデルの分散トレーニングを記述する。 本稿では,サーバがクライアント固有のモデルパラメータに対して事前分布のパラメータを提供する階層的潜在変数モデルとして,サーバが設定したフェデレーション学習プロセスについて考察する。 我々は,単純なガウス先行とよく知られた期待最大化(EM)アルゴリズムのハードバージョンを用いて,そのようなモデルの学習は,フェデレーション学習環境における最も一般的なアルゴリズムであるFedAvgに対応することを示す。
  論文  参考訳（メタデータ） (2021-11-19T12:58:59Z)
• Supervised DKRC with Images for Offline System Identification [77.34726150561087]
  現代の力学系はますます非線形で複雑なものになりつつある。 予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。 本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
  論文  参考訳（メタデータ） (2021-09-06T04:39:06Z)
• Physics-integrated hybrid framework for model form error identification in nonlinear dynamical systems [0.0]
  実生活の非線形系では、正確な非線形性の形式はよく知られておらず、既知の支配方程式は特定の仮定や近似に基づいていることが多い。 モデル形状の誤差を識別するだけでなく、既知のが近似的な支配方程式の予測能力を向上させるためにも活用する、新しいグレーボックスモデリング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-01T16:29:21Z)
• Generative Adversarial Reward Learning for Generalized Behavior Tendency Inference [71.11416263370823]
  ユーザの行動嗜好モデルのための生成的逆強化学習を提案する。 我々のモデルは,差別的アクター批判ネットワークとWasserstein GANに基づいて,ユーザの行動から報酬を自動的に学習することができる。
  論文  参考訳（メタデータ） (2021-05-03T13:14:25Z)
• Model-Based Deep Learning [155.063817656602]
  信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。 ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。 私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
  論文  参考訳（メタデータ） (2020-12-15T16:29:49Z)
• On Variational Inference for User Modeling in Attribute-Driven Collaborative Filtering [10.64460581091531]
  本稿では,因果推論を用いて時間的文脈からユーザの属性親和性を学習する手法を提案する。 この目的を確率論的機械学習問題として定式化し、モデルパラメータを推定するために変分推論に基づく手法を適用する。
  論文  参考訳（メタデータ） (2020-12-02T22:39:58Z)

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。