Fugu-MT 論文翻訳(概要): A Review on Oracle Issues in Machine Learning

論文の概要: A Review on Oracle Issues in Machine Learning

arxiv url: http://arxiv.org/abs/2105.01407v1
Date: Tue, 4 May 2021 10:41:34 GMT
ステータス: 処理完了
システム内更新日: 2021-05-05 17:27:00.568569
Title: A Review on Oracle Issues in Machine Learning
Title（参考訳）: 機械学習におけるoracleの課題のレビュー
Authors: Diogo Seca
Abstract要約: oracleはデータであり、データが機械学習がモデル化しようとする問題の正しい表現であるとは限らない。機械学習におけるオラクル問題と、これらの問題に対処するための最先端のソリューションについて調査する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Machine learning contrasts with traditional software development in that the oracle is the data, and the data is not always a correct representation of the problem that machine learning tries to model. We present a survey of the oracle issues found in machine learning and state-of-the-art solutions for dealing with these issues. These include lines of research for differential testing, metamorphic testing, and test coverage. We also review some recent improvements to robustness during modeling that reduce the impact of oracle issues, as well as tools and frameworks for assisting in testing and discovering issues specific to the dataset.
Abstract（参考訳）: 機械学習は、oracleがデータであり、データが機械学習がモデル化しようとする問題の正しい表現であるとは限らないという、従来のソフトウェア開発とは対照的である。機械学習におけるオラクル問題と、これらの問題に対処するための最先端ソリューションについて調査する。これには、ディファレンシャルテスト、メタモルフィックテスト、テストカバレッジに関する一連の研究が含まれる。また、私たちは、オラクルの問題の影響を減らすモデリング中の堅牢性に対する最近の改善や、データセット固有の問題のテストや発見を支援するツールやフレームワークについてもレビューしています。

関連論文リスト

Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文参考訳（メタデータ） (2024-10-08T00:25:33Z)
Unsupervised Attention Regularization Based Domain Adaptation for Oracle Character Recognition [59.05212866862219]
オラクル文字の研究は中国考古学や文献学において重要な役割を担っている。実世界のスキャンされたオラクル文字の収集と注釈の難しさは、オラクル文字認識の発達を妨げる。我々は,ラベル付き手書きオラクル文字からラベル付きスキャンデータへの認識知識を伝達するための,新しい教師なしドメイン適応(UDA)手法を開発した。
論文参考訳（メタデータ） (2024-09-24T09:07:05Z)
Data-driven Machinery Fault Detection: A Comprehensive Review [2.373572816573706]
タイムリーかつ正確に故障した機械信号を特定することは、産業応用において不可欠である。データ駆動型機械故障診断(MFD)は、機械/深層学習アプローチに基づくソリューションであり、製造業で広く利用されている。本調査では, 各種機械故障の検出・診断に, さまざまな種類の機械学習手法を用いて, 記事の総合的なレビューを行う。
論文参考訳（メタデータ） (2024-05-29T07:50:47Z)
Test Oracle Automation in the era of LLMs [52.69509240442899]
大規模言語モデル(LLM)は、多様なソフトウェアテストタスクに取り組むのに顕著な能力を示した。本研究の目的は, 各種のオラクル生成時に生じる課題とともに, LLMs によるオラクルの自動化の可能性について検討することである。
論文参考訳（メタデータ） (2024-05-21T13:19:10Z)
The Frontier of Data Erasure: Machine Unlearning for Large Language Models [56.26002631481726]
大規模言語モデル(LLM)はAIの進歩の基礎となっている。 LLMは機密情報、偏見情報、著作権情報を記憶し、広めることによってリスクを生じさせる。機械学習は、これらの懸念を軽減するための最先端のソリューションとして現れます。
論文参考訳（メタデータ） (2024-03-23T09:26:15Z)
Learning Objective-Specific Active Learning Strategies with Attentive Neural Processes [72.75421975804132]
学びアクティブラーニング(LAL)は、アクティブラーニング戦略自体を学ぶことを提案し、与えられた設定に適応できるようにする。能動学習問題の対称性と独立性を利用した新しい分類法を提案する。私たちのアプローチは、筋電図から学ぶことに基づいており、モデルに標準ではない目的に適応する能力を与えます。
論文参考訳（メタデータ） (2023-09-11T14:16:37Z)
Modelling Concurrency Bugs Using Machine Learning [0.0]
このプロジェクトは、一般的な機械学習アプローチと最近の機械学習アプローチを比較することを目的としている。我々は、実生活(同時)プログラムをシミュレートする範囲で生成する合成データセットを定義する。各種機械学習モデルモデルの基本的な限界に関する仮説を定式化する。
論文参考訳（メタデータ） (2023-05-08T17:30:24Z)
Software Testing for Machine Learning [13.021014899410684]
機械学習は騙されやすいことが示され、エラーや致命的な失敗に至る。この状況は、特に安全クリティカルな応用において機械学習が広く使われていることを疑問視している。この要約では、機械学習のためのソフトウェアテストの現状について論じる。
論文参考訳（メタデータ） (2022-04-30T08:47:10Z)
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)
A Survey of Machine Learning Methods and Challenges for Windows Malware Classification [43.4550536920809]
調査は、マルウェア問題に機械学習を適用する方法についてより詳しく学びたいサイバーセキュリティ実践者や、データサイエンティストにこの独特な複雑な領域における課題に対する必要な背景を提供することの両方に有用である。
論文参考訳（メタデータ） (2020-06-15T17:46:12Z)

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。