論文の概要: IFCNet: A Benchmark Dataset for IFC Entity Classification

• arxiv url: http://arxiv.org/abs/2106.09712v1
• Date: Thu, 17 Jun 2021 17:59:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-18 15:47:02.854154
• Title: IFCNet: A Benchmark Dataset for IFC Entity Classification
• Title（参考訳）: IFCNet: IFCエンティティ分類のためのベンチマークデータセット
• Authors: Christoph Emunds, Nicolas Pauen, Veronika Richter, J\'er\^ome Frisch, Christoph van Treeck
• Abstract要約: この研究は、幾何学情報と意味情報の両方を含む広い範囲のIFCクラスにまたがる、シングルエンタリティIFCファイルのデータセットであるIFCNetを提示する。 実験では、物体の幾何学的情報のみを用いて、3つの異なるディープラーニングモデルが優れた分類性能を得ることができることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enhancing interoperability and information exchange between domain-specific software products for BIM is an important aspect in the Architecture, Engineering, Construction and Operations industry. Recent research started investigating methods from the areas of machine and deep learning for semantic enrichment of BIM models. However, training and evaluation of these machine learning algorithms requires sufficiently large and comprehensive datasets. This work presents IFCNet, a dataset of single-entity IFC files spanning a broad range of IFC classes containing both geometric and semantic information. Using only the geometric information of objects, the experiments show that three different deep learning models are able to achieve good classification performance.
• Abstract（参考訳）: BIM向けのドメイン固有ソフトウェア製品間の相互運用性と情報交換の強化は、アーキテクチャ、エンジニアリング、建設、運用業界において重要な側面である。 近年の研究では、BIMモデルのセマンティックエンリッチメントのための機械学習とディープラーニングの分野からの研究が始まっている。 しかし、これらの機械学習アルゴリズムのトレーニングと評価には、十分に大きく包括的なデータセットが必要である。 IFCNetは、幾何学的情報と意味的情報の両方を含む幅広いIFCクラスにまたがる、単一エンテントIFCファイルのデータセットである。 対象の幾何学的情報のみを用いて、3つの異なるディープラーニングモデルが優れた分類性能を達成できることを実験により示した。

関連論文リスト

• Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
  大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。 生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。 我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
  論文  参考訳（メタデータ） (2024-10-02T20:48:28Z)
• Extraction of Research Objectives, Machine Learning Model Names, and Dataset Names from Academic Papers and Analysis of Their Interrelationships Using LLM and Network Analysis [0.0]
  本研究では,研究論文からタスクや機械学習手法,データセット名を抽出する手法を提案する。 提案手法の表現抽出性能は,Llama3を用いた場合,様々なカテゴリでFスコアが0.8を超えている。 ファイナンシャルドメイン論文のベンチマーク結果は,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-08-22T03:10:52Z)
• Learning to Extract Structured Entities Using Language Models [52.281701191329]
  機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。 タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。 我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
  論文  参考訳（メタデータ） (2024-02-06T22:15:09Z)
• Interfacing Foundation Models' Embeddings [131.0352288172788]
  ファウンデーションモデルの埋め込みと、モダリティと粒度にまたがる統合イメージとデータセットレベルの理解を整合させる汎用インターフェースであるFINDを提案する。 インターリーブド埋め込み空間を考慮したFIND-Benchでは,インターリーブドセグメンテーションと検索のためのCOCOデータセットに新たなトレーニングと評価アノテーションを導入している。
  論文  参考訳（メタデータ） (2023-12-12T18:58:02Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• MatSciML: A Broad, Multi-Task Benchmark for Solid-State Materials Modeling [7.142619575624596]
  MatSci MLは機械学習(MatSci ML)法を用いたMATerials SCIenceをモデル化するためのベンチマークである。 MatSci MLは、モデルトレーニングと評価のための多様な材料システムとプロパティデータを提供する。 マルチデータセットの学習環境において、MatchSci MLは、研究者が複数のデータセットからの観測を組み合わせ、共通の特性を共同で予測することを可能にする。
  論文  参考訳（メタデータ） (2023-09-12T03:08:37Z)
• Data Mesh: a Systematic Gray Literature Review [3.038477115588261]
  Data Meshは、運用上のボトルネックを最小限に抑え、回避することを目的とした、新たなドメイン駆動の分散データアーキテクチャである。 我々は114の産業用グレー文学論文を体系的に収集,分析,合成した。 このレビューは、データメッシュの4つの重要な原則に関する実践者の視点に関する洞察を提供する。
  論文  参考訳（メタデータ） (2023-04-03T15:16:46Z)
• A Geometric-Relational Deep Learning Framework for BIM Object Classification [14.685397235316664]
  本稿では,2分岐の幾何学的関係深層学習フレームワークを導入し,従来の幾何学的分類手法を関係情報で強化する。 また,BIM オブジェクトデータセット IFCNet++ も提案する。
  論文  参考訳（メタデータ） (2022-12-02T03:04:48Z)
• A Multi-Format Transfer Learning Model for Event Argument Extraction via Variational Information Bottleneck [68.61583160269664]
  イベント引数抽出(EAE)は、テキストから所定の役割を持つ引数を抽出することを目的としている。 変動情報のボトルネックを考慮したマルチフォーマット変換学習モデルを提案する。 3つのベンチマークデータセットに対して広範な実験を行い、EAE上での新たな最先端性能を得る。
  論文  参考訳（メタデータ） (2022-08-27T13:52:01Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)
• Federated Transfer Learning for EEG Signal Classification [14.892851587424936]
  脳波分類のためのFTL(Federated Transfer Learning)というプライバシー保護型ディープラーニングアーキテクチャを提案する。 FTLアプローチは、対象適応分析において2%高い分類精度を達成する。 マルチオブジェクトデータがない場合、我々のアーキテクチャは他の最先端のDLアーキテクチャと比較して6%精度が向上する。
  論文  参考訳（メタデータ） (2020-04-26T09:03:19Z)

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。