Fugu-MT 論文翻訳(概要): The Tribes of Machine Learning and the Realm of Computer Architecture

論文の概要: The Tribes of Machine Learning and the Realm of Computer Architecture

arxiv url: http://arxiv.org/abs/2012.04105v1
Date: Mon, 7 Dec 2020 23:10:51 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 20:52:54.629375
Title: The Tribes of Machine Learning and the Realm of Computer Architecture
Title（参考訳）: 機械学習のトライブとコンピュータアーキテクチャの領域
Authors: Ayaz Akram and Jason Lowe-Power
Abstract要約: 本稿では,コンピュータアーキテクチャ問題に基本的機械学習技術を適用する方法について検討する。また,異なる機械学習手法を用いたコンピュータアーキテクチャ研究の詳細な調査を行った。
参考スコア（独自算出の注目度）: 1.2284934135116512
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Machine learning techniques have influenced the field of computer architecture like many other fields. This paper studies how the fundamental machine learning techniques can be applied towards computer architecture problems. We also provide a detailed survey of computer architecture research that employs different machine learning methods. Finally, we present some future opportunities and the outstanding challenges that need to be overcome to exploit full potential of machine learning for computer architecture.
Abstract（参考訳）: 機械学習技術は他の多くの分野と同様にコンピュータアーキテクチャの分野に影響を与えた。本稿では,コンピュータアーキテクチャ問題に基本的機械学習技術を適用する方法について検討する。また,異なる機械学習手法を用いたコンピュータアーキテクチャ研究の詳細な調査を行った。最後に、コンピュータアーキテクチャにおける機械学習の潜在能力を最大限に活用するために克服する必要がある、将来的な機会と課題を紹介する。

関連論文リスト

The Landscape of Modern Machine Learning: A Review of Machine, Distributed and Federated Learning [0.0]
最新の高度な機械学習アルゴリズム、アプリケーション、フレームワークについて、ハイレベルな概要を提供する。私たちの仕事は、現代の機械学習の広大な分野への入門テキストとして役立ちます。
論文参考訳（メタデータ） (2023-12-05T20:40:05Z)
Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
Towards Modular Machine Learning Solution Development: Benefits and Trade-offs [0.0]
カスタム機械学習ソリューションを開発するコストは、機械学習技術の採用に対する主要な阻害要因である。モノリシックな機械学習ソリューションの主要なソリューション工学的制約を、モジュール化された機械学習ソリューションが克服する方法について論じる。
論文参考訳（メタデータ） (2023-01-23T22:54:34Z)
A Roadmap to Domain Knowledge Integration in Machine Learning [21.96548398967003]
機械学習モデルに知識を統合することは、これらの障害をある程度克服するのに役立ちます。機械学習タスクにおけるこれらの様々な知識の統合とそれらのパフォーマンスについて、簡単な概要を述べます。
論文参考訳（メタデータ） (2022-12-12T05:35:44Z)
Physics-Informed Machine Learning: A Survey on Problems, Methods and Applications [31.157298426186653]
最近の研究は、物理的な事前および収集されたデータを組み込むことによって、機械学習モデルに潜在的な利点を提供することを示している。本稿では、経験的データと利用可能な物理的事前知識を活用するモデルを構築することを目的とした、Physical-Informed Machine Learning(PIML)という学習パラダイムを提案する。
論文参考訳（メタデータ） (2022-11-15T11:34:30Z)
Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。シミュレーションに基づくMAPプログラムの概要を述べる。我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文参考訳（メタデータ） (2022-08-17T23:03:54Z)
Flashlight: Enabling Innovation in Tools for Machine Learning [50.63188263773778]
私たちは、機械学習ツールやシステムの革新を促進するために構築されたオープンソースのライブラリであるFlashlightを紹介します。 Flashlightは、広く使われているライブラリを下流で活用し、機械学習とシステム研究者をより緊密に連携させる研究を可能にするツールだと考えています。
論文参考訳（メタデータ） (2022-01-29T01:03:29Z)
SELM: Software Engineering of Machine Learning Models [0.19116784879310023]
本稿では,機械学習モデルのソフトウェア工学のためのSELMフレームワークについて述べる。 SELMフレームワークを使うことで、機械学習プロセスの効率を改善し、学習の精度を高めることができる。この問題は、機械学習に対する学際的アプローチの重要性を強調している。
論文参考訳（メタデータ） (2021-03-20T21:43:24Z)
Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文参考訳（メタデータ） (2020-12-21T15:07:19Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)
A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。