論文の概要: Will Dynamic Arrays finally change the way Models are built?

• arxiv url: http://arxiv.org/abs/2006.14706v2
• Date: Mon, 5 Feb 2024 14:26:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-07 07:37:47.800233
• Title: Will Dynamic Arrays finally change the way Models are built?
• Title（参考訳）: Dynamic ArraysはついにModelsの作り方を変えるのか?
• Authors: Peter Bartholomew
• Abstract要約: スプレッドシートは、数値コンテンツを処理し、交換する、最高に成功し直感的な手段を提供する。 アドホックな性格で、ビジネスやエンジニアリングなど様々な分野で広く使われている。 多くの人は、それが真剣な分析やモデリングのタスクに適しているかどうか疑問に思うだろう。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spreadsheets offer a supremely successful and intuitive means of processing and exchanging numerical content. Its intuitive ad-hoc nature makes it hugely popular for use in diverse areas including business and engineering, yet these very same characteristics make it extraordinarily error-prone; many would question whether it is suitable for serious analysis or modelling tasks. A previous EuSpRIG paper examined the role of Names in increasing solution transparency and providing a readable notation to forge links with the problem domain. Extensive use was made of CSE array formulas, but it is acknowledged that their use makes spreadsheet development a distinctly cumbersome task. Since that time, the new dynamic arrays have been introduced and array calculation is now the default mode of operation for Excel. This paper examines the thesis that their adoption within a more professional development environment could replace traditional techniques where solution integrity is important. A major advantage of fully dynamic models is that they require less manual intervention to keep them updated and so have the potential to reduce the attendant errors and risk.
• Abstract（参考訳）: スプレッドシートは、数値コンテンツを処理し交換する非常に成功し直感的な手段を提供する。 その直感的なアドホックな性質は、ビジネスやエンジニアリングなどさまざまな分野での利用に非常に人気がありますが、これらと全く同じ特徴によってエラーが発生します。 前回のEuSpRIG論文では、ソリューションの透明性を高め、問題領域とのリンクを偽造する読みやすい表記法を提供する上で、名前の役割について検討した。 広く使われているのはCSE配列式であるが、スプレッドシートの開発が明らかに面倒な作業であることを認識している。 それ以来、新しい動的配列が導入され、配列計算がExcelのデフォルトの操作モードとなった。 本稿では,より専門的な開発環境における導入が,ソリューションの整合性が重要である従来の手法に取って代わる可能性について考察する。 完全な動的モデルの大きな利点は、更新を維持するために手作業による介入を少なくし、付随するエラーやリスクを減らす可能性があることである。

関連論文リスト

• Beyond Uncertainty: Evidential Deep Learning for Robust Video Temporal Grounding [49.973156959947346]
  既存のビデオ時間グラウンド(VTG)モデルは精度は優れているが、オープン語彙クエリや未トリミングビデオによって引き起こされるオープンワールドの課題を見落としていることが多い。 2段階のクロスモーダルアライメントタスクの恩恵を受ける頑健なネットワークモジュールを導入する。 Deep Evidential Regression (DER)を統合して、トレーニング中の不確実性を明確かつ徹底的に定量化する。 これに対し,我々は,不確実性学習フレームワークをゼロから強化する簡易かつ効果的なGeom-regularizerを開発した。
  論文  参考訳（メタデータ） (2024-08-29T05:32:03Z)
• Tabular Embedding Model (TEM): Finetuning Embedding Models For Tabular RAG Applications [0.0]
  Tabular Embedding Model (TEM) は、表型検索・拡張生成(RAG)アプリケーションのためのファインチューン埋め込みモデルに対する新しいアプローチである。 TEMは現在のSOTA埋め込みモデルよりも優れているだけでなく、より小さく、より効率的なモデル構造でも優れている。
  論文  参考訳（メタデータ） (2024-04-28T14:58:55Z)
• Making Pre-trained Language Models Great on Tabular Prediction [50.70574370855663]
  ディープニューラルネットワーク(DNN)の転送性は、画像および言語処理において著しく進歩している。 本稿では,表型データ予測のための訓練済みLMであるTP-BERTaを提案する。 新たな相対等級トークン化では、スカラー数値の特徴値を細分化した高次元トークンに変換し、特徴値と対応する特徴名を統合する。
  論文  参考訳（メタデータ） (2024-03-04T08:38:56Z)
• TACTiS-2: Better, Faster, Simpler Attentional Copulas for Multivariate Time Series [57.4208255711412]
  パウラ理論に基づいて,最近導入されたトランスフォーマーに基づく注目パウラ(TACTiS)の簡易な目的を提案する。 結果から,実世界の予測タスクにまたがって,このモデルのトレーニング性能が大幅に向上し,最先端のパフォーマンスが達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-10-02T16:45:19Z)
• Excel as a Turing-complete Functional Programming Environment [0.0]
  Excel計算エンジンは、2018年にDynamic Arrayに対応するための大規模なアップグレードの対象となった。 本稿では,従来のスプレッドシートのアドホックなエンドユーザー・プラクティスを,根本的に異なるアプローチで置き換えることができることを示す。 新機能がビジネスやエンジニアリングのコミュニティによってどの程度採用されるのかを推測するには早すぎる。
  論文  参考訳（メタデータ） (2023-08-31T20:11:36Z)
• ExcelFormer: A neural network surpassing GBDTs on tabular data [30.113818454081056]
  ExcelFormerは、堅牢で、効果的で、データセットに耐性があり、ユーザフレンドリな表形式予測アプローチのためのフレームワークである。 ExcelFormerは、(P1)回転分散特性の欠如、(P2)大容量データ需要、(P3)過滑らかなソリューションなど、深い表形式モデルの3つの重要な欠点に対処する。 実世界のデータセットで実施された大規模で階層化された実験は、我々のモデルが過去のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-07T09:42:03Z)
• Model Ratatouille: Recycling Diverse Models for Out-of-Distribution Generalization [99.6826401545377]
  ファウンデーションモデルは、AIシステムの構築方法を再定義している。実践者は、機械学習ソリューションを構築するための標準手順に従う。 我々は,多種多様な補助的タスクにおいて,同じ基礎モデルの複数の微調整をリサイクルする新しい戦略であるモデルラタトゥーイユを提案する。
  論文  参考訳（メタデータ） (2022-12-20T17:21:46Z)
• Revision Transformers: Instructing Language Models to Change their Values [21.645935518842744]
  現在のトランスフォーマー言語モデル(LM)は数十億のパラメータを持つ大規模モデルである。 モデル更新を容易にするリビジョントランス (RiT) を提案する。 明確に構造化されたリビジョンエンジンで世界知識を拡散的に符号化する大規模な事前学習型LMの特定の組み合わせにより、モデルの知識をほとんど努力せずに更新し、ユーザーインタラクションの助けを借りることができる。
  論文  参考訳（メタデータ） (2022-10-19T07:05:06Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• Making Table Understanding Work in Practice [9.352813774921655]
  表理解モデルをデプロイする上での3つの課題について論じ,それに対応するためのフレームワークを提案する。 本稿では、GitTablesでトレーニングされたハイブリッドモデルをカプセル化し、軽量なHuman-in-the-loopアプローチを統合してモデルをカスタマイズするSigmaTyperを提案する。
  論文  参考訳（メタデータ） (2021-09-11T03:38:24Z)
• Discrete Auto-regressive Variational Attention Models for Text Modeling [53.38382932162732]
  変分オートエンコーダ(VAE)はテキストモデリングに広く応用されている。 情報不足と後部崩壊という2つの課題に悩まされている。 本稿では,自己回帰変動注意モデル(DAVAM)を提案する。
  論文  参考訳（メタデータ） (2021-06-16T06:36:26Z)

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。