論文の概要: Pairing Conceptual Modeling with Machine Learning

• arxiv url: http://arxiv.org/abs/2106.14251v1
• Date: Sun, 27 Jun 2021 15:06:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-30 02:18:20.366344
• Title: Pairing Conceptual Modeling with Machine Learning
• Title（参考訳）: 機械学習による概念モデリングのペアリング
• Authors: Wolfgang Maass, Veda C. Storey
• Abstract要約: 機械学習の基礎と開発サイクルの概要を提供する。 データサイエンスプロジェクトに概念モデリングを組み込むためのフレームワークを提案する。 逆ペアリングでは、機械学習は、知識グラフだけでなく、テキストやルールマイニングを通じて概念モデリングに影響を与える可能性がある。
• 参考スコア（独自算出の注目度）: 1.7767466724342065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Both conceptual modeling and machine learning have long been recognized as important areas of research. With the increasing emphasis on digitizing and processing large amounts of data for business and other applications, it would be helpful to consider how these areas of research can complement each other. To understand how they can be paired, we provide an overview of machine learning foundations and development cycle. We then examine how conceptual modeling can be applied to machine learning and propose a framework for incorporating conceptual modeling into data science projects. The framework is illustrated by applying it to a healthcare application. For the inverse pairing, machine learning can impact conceptual modeling through text and rule mining, as well as knowledge graphs. The pairing of conceptual modeling and machine learning in this this way should help lay the foundations for future research.
• Abstract（参考訳）: 概念モデリングと機械学習は、長い間研究の重要な分野として認識されてきた。 ビジネスや他のアプリケーション向けの大量のデータをデジタル化し処理することの重要性が増す中、これらの研究領域が相互に補完する方法について考えるのに役立つだろう。 どのように組み合わせられるかを理解するために、機械学習の基礎と開発サイクルの概要を提供する。 次に,概念モデリングを機械学習に適用する方法について検討し,概念モデリングをデータサイエンスプロジェクトに組み込むためのフレームワークを提案する。 このフレームワークは、医療アプリケーションに適用することで示される。 逆ペアリングの場合、機械学習は知識グラフだけでなく、テキストやルールマイニングによる概念モデリングに影響を与える可能性がある。 この方法で概念モデリングと機械学習を組み合わせることは、将来の研究の基礎を築くのに役立つだろう。

関連論文リスト

• Selecting Interpretability Techniques for Healthcare Machine Learning models [69.65384453064829]
  医療では、いくつかの意思決定シナリオにおいて、医療専門家を支援するために解釈可能なアルゴリズムを採用することが追求されている。 本稿では, ポストホックとモデルベースという8つのアルゴリズムを概説する。
  論文  参考訳（メタデータ） (2024-06-14T17:49:04Z)
• Visual Representation Learning with Stochastic Frame Prediction [90.99577838303297]
  本稿では,フレーム予測における不確実性を捉えることを学ぶ映像生成の考え方を再考する。 フレーム間の時間情報を学習するためのフレーム予測モデルを訓練するフレームワークを設計する。 このアーキテクチャは、両目的を相乗的かつ計算効率のよい方法で組み合わせることができる。
  論文  参考訳（メタデータ） (2024-06-11T16:05:15Z)
• Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models [51.43538150982291]
  人間の解釈可能な概念をデータから学習する方法を研究する。 両分野からアイデアをまとめ、多様なデータから概念を確実に回収できることを示す。
  論文  参考訳（メタデータ） (2024-02-14T15:23:59Z)
• Automatic Image Content Extraction: Operationalizing Machine Learning in Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
  本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。 提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
  論文  参考訳（メタデータ） (2022-04-05T12:19:24Z)
• Measuring and modeling the motor system with machine learning [117.44028458220427]
  モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。 本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
  論文  参考訳（メタデータ） (2021-03-22T12:42:16Z)
• SELM: Software Engineering of Machine Learning Models [0.19116784879310023]
  本稿では,機械学習モデルのソフトウェア工学のためのSELMフレームワークについて述べる。 SELMフレームワークを使うことで、機械学習プロセスの効率を改善し、学習の精度を高めることができる。 この問題は、機械学習に対する学際的アプローチの重要性を強調している。
  論文  参考訳（メタデータ） (2021-03-20T21:43:24Z)
• Choice modelling in the age of machine learning -- discussion paper [0.27998963147546135]
  機械学習モデル、テクニック、プラクティスの相互補完は、現在の理論駆動パラダイムで直面する問題や制限を克服するのに役立ちます。 選択モデリングのプラクティスを改善するために機械学習の進歩を使用することの潜在的な利点にもかかわらず、選択モデリングの分野は機械学習を受け入れることをためらっている。
  論文  参考訳（メタデータ） (2021-01-28T11:57:08Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• Conceptual Software Engineering Applied to Movie Scripts and Stories [0.0]
  本研究は,ソフトウェア工学ツールとしての概念モデリングに焦点をあてる。 人文科学と社会科学の研究者たちは、技術者と同じ形式化を使わないかもしれない。 本論文では,映画脚本と物語のダイアグラム的静的/動的モデルの開発に関する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-17T15:24:12Z)
• 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)

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。