論文の概要: Feature Interactions on Steroids: On the Composition of ML Models

• arxiv url: http://arxiv.org/abs/2105.06449v1
• Date: Thu, 13 May 2021 17:46:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-14 13:45:12.163062
• Title: Feature Interactions on Steroids: On the Composition of ML Models
• Title（参考訳）: ステロイドの特徴相互作用:MLモデルの構成について
• Authors: Christian K\"astner, Eunsuk Kang, Sven Apel
• Abstract要約: 仕様の欠如は、従来のソフトウェアエンジニアリングと機械学習の主な違いである。 システム設計における分断とコンカレントに対する考え方がいかに大きく影響するかを論じる。
• 参考スコア（独自算出の注目度）: 11.707367442890936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The lack of specifications is a key difference between traditional software engineering and machine learning. We discuss how it drastically impacts how we think about divide-and-conquer approaches to system design, and how it impacts reuse, testing and debugging activities. Traditionally, specifications provide a cornerstone for compositional reasoning and for the divide-and-conquer strategy of how we build large and complex systems from components, but those are hard to come by for machine-learned components. While the lack of specification seems like a fundamental new problem at first sight, in fact software engineers routinely deal with iffy specifications in practice: we face weak specifications, wrong specifications, and unanticipated interactions among components and their specifications. Machine learning may push us further, but the problems are not fundamentally new. Rethinking machine-learning model composition from the perspective of the feature interaction problem, we may even teach us a thing or two on how to move forward, including the importance of integration testing, of requirements engineering, and of design.
• Abstract（参考訳）: 仕様の欠如は、従来のソフトウェアエンジニアリングと機械学習の主な違いである。 システム設計における分割/参照のアプローチに対する考え方と、再利用、テスト、デバッグ活動にどのように影響するかを議論する。 伝統的に、仕様は構成的推論とコンポーネントから大規模で複雑なシステムを構築する方法の分割と分割戦略の基盤となるが、機械駆動のコンポーネントでは実現が難しい。 仕様の欠如は一見すると基本的な新しい問題のように思えるが、実際には、ソフトウェアエンジニアは日常的に、脆弱な仕様、間違った仕様、予期せぬコンポーネントとその仕様間のインタラクションに直面している。 機械学習はわれわれをさらに推し進めるかもしれないが、問題は基本的に新しいものではない。 機能相互作用の問題の観点から機械学習モデルの構成を再考することで、統合テストの重要性、要件エンジニアリング、設計など、前進方法について1つか2つのことを教えてくれるかもしれません。

関連論文リスト

• Machine Learning-Enabled Software and System Architecture Frameworks [48.87872564630711]
  データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。 10か国25以上の組織から61名の被験者を対象に調査を行った。
  論文  参考訳（メタデータ） (2023-08-09T21:54:34Z)
• Learnware: Small Models Do Big [69.88234743773113]
  自然言語処理やコンピュータビジョンの応用で目覚ましい成果を上げてきた、一般的なビッグモデルパラダイムは、これらの問題にまだ対応していないが、炭素排出量の深刻な源となっている。 この記事では、マシンラーニングモデルをスクラッチから構築する必要がないようにするための学習ソフトウェアパラダイムの概要を紹介します。
  論文  参考訳（メタデータ） (2022-10-07T15:55:52Z)
• Ising machines as hardware solvers of combinatorial optimization problems [1.8732539895890135]
  イジングマシンは、アイジングモデルの絶対的あるいは近似的な基底状態を見つけることを目的としたハードウェアソルバである。 既存の標準デジタルコンピュータより優れたスケーラブルなIsingマシンは、実用アプリケーションに大きな影響を与える可能性がある。
  論文  参考訳（メタデータ） (2022-04-01T08:24:06Z)
• Symmetry Group Equivariant Architectures for Physics [52.784926970374556]
  機械学習の分野では、対称性に対する認識が目覚ましいパフォーマンスのブレークスルーを引き起こしている。 物理学のコミュニティと、より広い機械学習のコミュニティの両方に、理解すべきことがたくさんある、と私たちは主張する。
  論文  参考訳（メタデータ） (2022-03-11T18:27:04Z)
• Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview [72.79089075263985]
  配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。 機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
  論文  参考訳（メタデータ） (2022-02-28T06:28:44Z)
• Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
  本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。 また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
  論文  参考訳（メタデータ） (2021-08-17T17:44:38Z)
• Federated Learning: A Signal Processing Perspective [144.63726413692876]
  フェデレーションラーニングは、データを明示的に交換することなく、ローカルデータセットを保持する複数のエッジデバイスでモデルをトレーニングするための新しい機械学習パラダイムです。 本稿では、信号処理ツールを用いて扱うのが自然である主な課題をカプセル化し、強調する、連合学習のための統一的な体系的フレームワークを提供する。
  論文  参考訳（メタデータ） (2021-03-31T15:14:39Z)
• Fanoos: Multi-Resolution, Multi-Strength, Interactive Explanations for Learned Systems [0.0]
  Fanoosは、正式な検証テクニック、検索、ユーザインタラクションを組み合わせて、望まれる粒度と忠実度で説明を探索するフレームワークである。 Inverted double pendulum と learn CPU usage model の学習コントローラ上で,ユーザからの要求に応じて,Fanoos が説明の抽象性を生成・調整できることを示す。
  論文  参考訳（メタデータ） (2020-06-22T17:35:53Z)
• Integrating Machine Learning with Physics-Based Modeling [17.392391163553334]
  この記事では、幅広い関心事の1つに焦点を当てる。 機械学習と物理に基づくモデリングをどのように統合できるのか? 機械学習に基づく物理モデルを開発する上で最も重要な2つの課題について論じる。 最終的には、この統合がどこに導くのか、そして機械学習が科学的モデリングにうまく統合された後、新たなフロンティアがどこにあるのか、という一般的な議論で終わります。
  論文  参考訳（メタデータ） (2020-06-04T02:35:10Z)
• Understanding What Software Engineers Are Working on -- The Work-Item Prediction Challenge [0.0]
  ソフトウェアエンジニア(開発者、インシデント対応者、プロダクションエンジニアなど)が何に取り組んでいるのかを理解することは、難しい問題です。 本稿では,代表的シナリオを前提として,それに対応する「ワーク・イテム予測問題」について説明する。
  論文  参考訳（メタデータ） (2020-04-13T19:59:36Z)
• Teaching Software Engineering for AI-Enabled Systems [7.01053472751897]
  このコースは、機械学習のバックグラウンドを持つ学生にソフトウェア工学のスキルを教える。 コースとインフラストラクチャを説明し、経験を共有し、コースを初めて教えることから得られるすべての材料について説明する。
  論文  参考訳（メタデータ） (2020-01-18T15:24:17Z)

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。