Fugu-MT 論文翻訳(概要): Pattern Discovery and Validation Using Scientific Research Methods

論文の概要: Pattern Discovery and Validation Using Scientific Research Methods

arxiv url: http://arxiv.org/abs/2107.06065v1
Date: Sun, 11 Jul 2021 16:11:56 GMT
ステータス: 処理完了
システム内更新日: 2021-07-15 05:12:17.729552
Title: Pattern Discovery and Validation Using Scientific Research Methods
Title（参考訳）: 科学的研究手法を用いたパターン発見と検証
Authors: Dirk Riehle, Nikolay Harutyunyan, Ann Barcomb
Abstract要約: 本稿では,パターン発見と検証を目的とした科学的研究手法の活用方法について述べる。本稿では, 定性調査, 行動研究, パターン発見と評価のためのケーススタディを用いたハンドブック手法を提案する。
参考スコア（独自算出の注目度）: 3.1798318618973362
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Pattern discovery, the process of discovering previously unrecognized patterns, is often performed as an ad-hoc process with little resulting certainty in the quality of the proposed patterns. Pattern validation, the process of validating the accuracy of proposed patterns, remains dominated by the simple heuristic of "the rule of three". This article shows how to use established scientific research methods for the purpose of pattern discovery and validation. We present a specific approach, called the handbook method, that uses the qualitative survey, action research, and case study research for pattern discovery and evaluation, and we discuss the underlying principle of using scientific methods in general. We evaluate the handbook method using three exploratory studies and demonstrate its usefulness.
Abstract（参考訳）: 以前は認識されていなかったパターンを発見するパターン発見は、しばしばアドホックなプロセスとして行われ、提案したパターンの品質の確実性はほとんどない。パターン検証は、提案されたパターンの精度を検証するプロセスであり、「3つの規則」の単純なヒューリスティックに支配されている。本稿では,パターン発見と検証のために確立された科学的研究手法の活用方法について述べる。本稿では, 質的調査, 行動研究, ケーススタディによるパターン発見・評価の手法であるハンドブック法(handbook method)を提案し, 科学的手法全般の基本的な原理について考察する。本手法を3つの探索研究を用いて評価し,その有用性を示す。

関連論文リスト

Towards Understanding Sensitive and Decisive Patterns in Explainable AI: A Case Study of Model Interpretation in Geometric Deep Learning [18.408342615833185]
本研究は,2つの重要なデータパターン -- センシティブなパターン(モデル関連)と決定的なパターン(タスク関連)の区別に焦点を当てる。本稿では,ポストホック法と自己解釈法という2つの主要な解釈手法の有効性を比較した。以上の結果から, 自己解釈可能な手法は, 決定的パターンの検出において, 強い, 安定した性能を示すのに対し, ポストホック法は, 感度の高いパターンとよりよく一致した解釈を提供する傾向があることが示唆された。
論文参考訳（メタデータ） (2024-06-30T22:59:15Z)
Model-Free Active Exploration in Reinforcement Learning [53.786439742572995]
強化学習における探索問題について検討し,新しいモデルフリーソリューションを提案する。我々の戦略は、最先端の探査アプローチよりも高速に効率的な政策を特定できる。
論文参考訳（メタデータ） (2024-06-30T19:00:49Z)
Guiding Principles for Using Mixed Methods Research in Software Engineering [51.22583433491887]
混合手法の研究はソフトウェア工学でよく用いられるが、社会科学や人間科学以外の研究者は、これらの設計を使用する際に経験を欠いていることが多い。本稿では,混合手法の研究を設計するための指針とアドバイスを提供する。
論文参考訳（メタデータ） (2024-04-09T04:34:25Z)
Generative AI-Based Text Generation Methods Using Pre-Trained GPT-2 Model [2.6320841968362645]
この研究は自動テキスト生成の領域を掘り下げ、伝統的な決定論的アプローチからより近代的な手法まで様々な手法を探求した。欲求探索、ビームサーチ、トップクサンプリング、トップpサンプリング、コントラスト探索、および局所的な典型探索の分析を通じて、この研究は各手法の強み、弱み、および潜在的な応用に関する貴重な洞察を与えてきた。
論文参考訳（メタデータ） (2024-04-02T09:49:53Z)
Enhancing AI Research Paper Analysis: Methodology Component Extraction using Factored Transformer-based Sequence Modeling Approach [10.060305577353633]
本稿では,方法論領域の幅広いカテゴリ情報を活用するシーケンスモデリングへの因子的アプローチを提案する。シミュレーションされた時系列設定(トレーニングプロセス中に見えない新しい方法論)に従って実験を行う。本実験により, 提案手法は, 数発設定の方法論抽出タスクにおいて, 9.257%のマージンで最先端のベースラインを上回り, 性能が向上することを示した。
論文参考訳（メタデータ） (2023-11-05T16:33:35Z)
A Comparative Study on Unsupervised Anomaly Detection for Time Series: Experiments and Analysis [28.79393419730138]
時系列異常検出は、信頼性と安全性を実現するためにしばしば不可欠である。近年,時系列データの異常検出が盛んに行われている。データ、メソッド、評価戦略について紹介する。我々は,最先端技術とディープラーニング技術とを体系的に評価し,比較した。
論文参考訳（メタデータ） (2022-09-10T10:44:25Z)
The Familiarity Hypothesis: Explaining the Behavior of Deep Open Set Methods [86.39044549664189]
特徴ベクトルデータに対する異常検出アルゴリズムは異常を外れ値として識別するが、外れ値検出はディープラーニングではうまく機能しない。本論文は, 新規性の有無ではなく, 慣れ親しんだ特徴の欠如を検知しているため, これらの手法が成功するというFamiliarity仮説を提案する。本論文は,親しみやすさの検出が表現学習の必然的な結果であるかどうかを論じる。
論文参考訳（メタデータ） (2022-03-04T18:32:58Z)
Predictive machine learning for prescriptive applications: a coupled training-validating approach [77.34726150561087]
規範的応用のための予測機械学習モデルをトレーニングするための新しい手法を提案する。このアプローチは、標準的なトレーニング検証テストスキームの検証ステップを微調整することに基づいている。合成データを用いたいくつかの実験は、決定論的モデルと実モデルの両方において処方料コストを削減できる有望な結果を示した。
論文参考訳（メタデータ） (2021-10-22T15:03:20Z)
Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文参考訳（メタデータ） (2021-07-05T16:32:45Z)
Evaluating the Disentanglement of Deep Generative Models through Manifold Topology [66.06153115971732]
本稿では,生成モデルのみを用いた乱れの定量化手法を提案する。複数のデータセットにまたがるいくつかの最先端モデルを実証的に評価する。
論文参考訳（メタデータ） (2020-06-05T20:54:11Z)

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。