Fugu-MT 論文翻訳(概要): AI Enabled Data Quality Monitoring with Hydra

論文の概要: AI Enabled Data Quality Monitoring with Hydra

arxiv url: http://arxiv.org/abs/2105.07948v1
Date: Wed, 28 Apr 2021 13:51:42 GMT
ステータス: 処理完了
システム内更新日: 2023-04-02 04:11:58.592335
Title: AI Enabled Data Quality Monitoring with Hydra
Title（参考訳）: AIがHydraでデータ品質監視が可能に
Authors: Thomas Britton, David Lawrence, Kishansingh Rajput
Abstract要約: 本稿では,GluexにおけるHydraモニタリングシステムの開発と展開について論じる。技術がいかに急速に開発されるかを示し、そのようなシステムをうまく展開するためには、社会学的ハードルを克服する必要があるかについて議論する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Data quality monitoring is critical to all experiments impacting the quality of any physics results. Traditionally, this is done through an alarm system, which detects low level faults, leaving higher level monitoring to human crews. Artificial Intelligence is beginning to find its way into scientific applications, but comes with difficulties, relying on the acquisition of new skill sets, either through education or acquisition, in data science. This paper will discuss the development and deployment of the Hydra monitoring system in production at Gluex. It will show how "off-the-shelf" technologies can be rapidly developed, as well as discuss what sociological hurdles must be overcome to successfully deploy such a system. Early results from production running of Hydra will also be shared as well as a future outlook for development of Hydra.
Abstract（参考訳）: データ品質モニタリングは、あらゆる物理結果の品質に影響を与えるすべての実験に不可欠である。伝統的に、これはアラームシステムを通じて行われ、低レベルの故障を検知し、より高いレベルの監視を人間の乗組員に任せる。人工知能は科学応用にも応用され始めているが、教育やデータサイエンスにおける新しいスキルセットの獲得に頼らず、困難を抱えている。本稿では,GluexにおけるHydraモニタリングシステムの開発と展開について論じる。技術がいかに迅速に開発できるかを示し、そのようなシステムをうまく展開するには社会学的ハードルを克服しなければならないかについて議論する。 hydraのプロダクション実行による初期の成果と、hydraの開発に関する今後の見通しも共有される予定だ。

関連論文リスト

Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文参考訳（メタデータ） (2024-10-08T10:35:32Z)
Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
論文参考訳（メタデータ） (2024-05-30T23:20:23Z)
Bridging eResearch Infrastructure and Experimental Materials Science Process in the Quantum Data Hub [0.36651088217486427]
本稿では,量子材料を扱う研究者を対象としたコミュニティアクセス型研究基盤であるQuantum Data Hub (QDH)を紹介する。 QDHはNational Data Platformと統合され、FAIRの原則に準拠しながら、ユーザビリティ、ナビゲートビリティ、解釈可能性、タイムラインに関するUNITの新たな原則を提案している。
論文参考訳（メタデータ） (2024-05-30T05:35:57Z)
Hydra: Computer Vision for Data Quality Monitoring [0.0]
Hydraは、コンピュータビジョンを利用して、ほぼリアルタイムのデータ品質管理を行うシステムである。ジェファーソン研究所のすべての実験ホールに展開され、ホールBでのCLAS12コラボレーションはHydraをフル活用した最初のGlueXの外部である。講演では、Hydraシステムの概要と、Hydraの機能セットの大幅な発展、すべてのホールでHydraを運用する上での急激な課題、その過程で学んだ教訓について紹介する。
論文参考訳（メタデータ） (2024-03-01T17:20:58Z)
Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文参考訳（メタデータ） (2023-12-22T15:04:20Z)
The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文参考訳（メタデータ） (2023-07-09T21:16:56Z)
An Exploratory Study of AI System Risk Assessment from the Lens of Data Distribution and Uncertainty [4.99372598361924]
ディープラーニング(DL)が推進力となり、多くのドメインやアプリケーションで広く採用されている。本稿では,データ分布と不確実性角の両方からAIシステムのリスク評価を早期に検討する。
論文参考訳（メタデータ） (2022-12-13T03:34:25Z)
Automatic Anomalies Detection in Hydraulic Devices [1.5469452301122175]
本稿では,油圧システム,シリンダにおいて,最も多用途で用いられている装置の1つにおいて,異常のキャラクタリゼーションと評価を行うためのソリューションを提案する。 AIとMLモデルは、これらの油圧部品の現在の運転状況を決定するために実装された。
論文参考訳（メタデータ） (2022-12-05T21:16:19Z)
Survey of Deep Learning for Autonomous Surface Vehicles in the Marine Environment [15.41166179659646]
今後数年以内に、幅広い用途で利用できる高度な自動運転技術が提供される予定だ。本稿では,ASV関連分野におけるディープラーニング(DL)手法の実装に関する既存研究について検討する。
論文参考訳（メタデータ） (2022-10-16T08:46:17Z)
Applications of physics-informed scientific machine learning in subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文参考訳（メタデータ） (2021-04-10T13:40:22Z)
A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文参考訳（メタデータ） (2020-06-05T08:04:37Z)

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。