Fugu-MT 論文翻訳(概要): Towards Active Learning Based Smart Assistant for Manufacturing

論文の概要: Towards Active Learning Based Smart Assistant for Manufacturing

arxiv url: http://arxiv.org/abs/2103.16177v1
Date: Tue, 30 Mar 2021 08:58:40 GMT
ステータス: 処理完了
システム内更新日: 2021-03-31 15:03:30.189876
Title: Towards Active Learning Based Smart Assistant for Manufacturing
Title（参考訳）: アクティブ・ラーニング型スマート・アシスタントの開発に向けて
Authors: Patrik Zajec, Jo\v{z}e M. Ro\v{z}anec, Inna Novalija, Bla\v{z} Fortuna, Dunja Mladeni\'c, Klemen Kenda
Abstract要約: このようなシステムを構築するための方法論を開発します。本システムは、製造における需要予測ユースケースで実証される。アクティブラーニングを使用して、ラベル付きデータが乏しいデータラベルを取得することを想定しています。
参考スコア（独自算出の注目度）: 0.5872014229110215
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A general approach for building a smart assistant that guides a user from a forecast generated by a machine learning model through a sequence of decision-making steps is presented. We develop a methodology to build such a system. The system is demonstrated on a demand forecasting use case in manufacturing. The methodology can be extended to several use cases in manufacturing. The system provides means for knowledge acquisition, gathering data from users. We envision active learning can be used to get data labels where labeled data is scarce.
Abstract（参考訳）: 機械学習モデルによって生成された予測から一連の意思決定ステップを通してユーザを誘導するスマートアシスタントを構築するための一般的なアプローチを示す。このようなシステムを構築するための方法論を開発します。本システムは、製造における需要予測ユースケースで実証される。この手法は製造におけるいくつかのユースケースに拡張することができる。このシステムは知識獲得のための手段を提供し、ユーザーからデータを収集する。ラベル付きデータが不足しているデータラベルを取得するために,アクティブな学習が利用可能だと考えています。

関連論文リスト

Learning Predictive Checklists with Probabilistic Logic Programming [17.360186431981592]
本稿では,画像や時系列などの様々なデータモダリティから予測チェックリストを学習する手法を提案する。本手法は,チェックリストの離散性と連続値データとのマッチングを可能にする学習パラダイムである確率論的論理プログラミングに依存する。提案手法は,画像シーケンス,時系列,臨床ノートを含む予測タスクにおいて,さまざまな説明可能な機械学習手法より優れていることを示す。
論文参考訳（メタデータ） (2024-11-25T09:07:19Z)
KBAlign: Efficient Self Adaptation on Specific Knowledge Bases [75.78948575957081]
大規模言語モデル(LLM)は通常、知識材料を瞬時に活用するために、検索強化世代に依存している。本稿では,知識ベースを含む下流タスクへの効率的な適応を目的としたKBAlignを提案する。提案手法は,Q&Aペアやリビジョン提案などの自己注釈付きデータを用いて反復学習を行い,モデルが知識内容を効率的に把握できるようにする。
論文参考訳（メタデータ） (2024-11-22T08:21:03Z)
Model-Driven Engineering Method to Support the Formalization of Machine Learning using SysML [0.0]
本研究は,モデルベース工学を活用した機械学習タスクの協調的定義を支援する手法を提案する。この方法は、様々なデータソースの識別と統合、データ属性間のセマンティックな関係の定義、データ処理ステップの定義をサポートする。
論文参考訳（メタデータ） (2023-07-10T11:33:46Z)
ALANNO: An Active Learning Annotation System for Mortals [0.0]
ALANNOは、アクティブラーニングを利用したNLPタスクのためのオープンソースのアノテーションシステムである。アクティブな学習システムを展開する上での実践的な課題に焦点をあてる。我々は、多くのアクティブな学習方法と基盤となる機械学習モデルで、このシステムをサポートしています。
論文参考訳（メタデータ） (2022-11-11T14:19:41Z)
Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。 REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。 REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文参考訳（メタデータ） (2022-05-02T21:42:45Z)
Explainable Predictive Process Monitoring: A User Evaluation [62.41400549499849]
説明責任は、ブラックボックス機械学習アプローチの透明性の欠如によって動機付けられている。予測プロセスモニタリングのための説明手法のユーザ評価を行う。
論文参考訳（メタデータ） (2022-02-15T22:24:21Z)
Capturing and incorporating expert knowledge into machine learning models for quality prediction in manufacturing [0.0]
本研究では,小規模データセットを用いた機械学習手法を用いて品質予測モデルを構築するための一般的な手法を提案する。提案手法は,プロセススペシャリストが規定するすべての専門知識に厳密に準拠する予測モデルを生成する。
論文参考訳（メタデータ） (2022-02-04T07:22:29Z)
Knowledge Modelling and Active Learning in Manufacturing [0.6299766708197884]
オントロジとナレッジグラフは、幅広い概念、問題、設定をモデル化し、関連付ける手段を提供する。どちらも、推論を導出し、行方不明の知識を識別することで、新しい知識を生成するために使用することができる。アクティブラーニングは、ユーザのフィードバックを取得し、摩擦を減らし、知識獲得を最大化する最も有益なデータインスタンスを特定するために使用できる。
論文参考訳（メタデータ） (2021-07-05T22:07:21Z)
Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
論文参考訳（メタデータ） (2021-01-24T05:40:29Z)
AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-08-29T14:57:53Z)
A Survey on Large-scale Machine Learning [67.6997613600942]
機械学習はデータに対する深い洞察を与え、マシンが高品質な予測を行うことを可能にする。ほとんどの高度な機械学習アプローチは、大規模なデータを扱う場合の膨大な時間コストに悩まされる。大規模機械学習は、ビッグデータからパターンを、同等のパフォーマンスで効率的に学習することを目的としている。
論文参考訳（メタデータ） (2020-08-10T06:07:52Z)

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。