論文の概要: The Graph Neural Networking Challenge: A Worldwide Competition for
Education in AI/ML for Networks
- arxiv url: http://arxiv.org/abs/2107.12433v1
- Date: Mon, 26 Jul 2021 18:52:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-28 14:52:18.596780
- Title: The Graph Neural Networking Challenge: A Worldwide Competition for
Education in AI/ML for Networks
- Title（参考訳）: the graph neural network challenge: a world competition for education in ai/ml for networks
- Authors: Jos\'e Su\'arez-Varela, Miquel Ferriol-Galm\'es, Albert L\'opez, Paul
Almasan, Guillermo Bern\'ardez, David Pujol-Perich, Krzysztof Rusek, Lo\"ick
Bonniot, Christoph Neumann, Fran\c{c}ois Schnitzler, Fran\c{c}ois Ta\"iani,
Martin Happ, Christian Maier, Jia Lei Du, Matthias Herlich, Peter Dorfinger,
Nick Vincent Hainke, Stefan Venz, Johannes Wegener, Henrike Wissing, Bo Wu,
Shihan Xiao, Pere Barlet-Ros, Albert Cabellos-Aparicio
- Abstract要約: 国際通信連合(ITU)は、オープングローバルな競争である「ITU AI/ML in 5G Challenge」を組織した。
本稿では,提案する課題の1つ,「グラフニューラルネットワークチャレンジ2020」を整理した経験を紹介する。
結果として、この課題は、このトピックに関心のある人なら誰でも、オープンに利用できる教育リソースの、キュレートされたセットを残している。
- 参考スコア（独自算出の注目度）: 3.312457624805193
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: During the last decade, Machine Learning (ML) has increasingly become a hot
topic in the field of Computer Networks and is expected to be gradually adopted
for a plethora of control, monitoring and management tasks in real-world
deployments. This poses the need to count on new generations of students,
researchers and practitioners with a solid background in ML applied to
networks. During 2020, the International Telecommunication Union (ITU) has
organized the "ITU AI/ML in 5G challenge'', an open global competition that has
introduced to a broad audience some of the current main challenges in ML for
networks. This large-scale initiative has gathered 23 different challenges
proposed by network operators, equipment manufacturers and academia, and has
attracted a total of 1300+ participants from 60+ countries. This paper narrates
our experience organizing one of the proposed challenges: the "Graph Neural
Networking Challenge 2020''. We describe the problem presented to participants,
the tools and resources provided, some organization aspects and participation
statistics, an outline of the top-3 awarded solutions, and a summary with some
lessons learned during all this journey. As a result, this challenge leaves a
curated set of educational resources openly available to anyone interested in
the topic.
- Abstract（参考訳）: 過去10年間で、機械学習(ML)はコンピュータネットワークの分野でホットな話題となり、現実のデプロイメントにおける制御、監視、管理のタスクに徐々に採用されることが期待されている。
これは、ネットワークに適用されたMLにしっかりとした背景を持つ新しい世代の学生、研究者、実践者を数える必要があることを示している。
2020年、ITU(International Telecommunication Union)は「ITU AI/ML in 5G Challenge」を組織した。
この大規模なイニシアチブは、ネットワークオペレーター、機器メーカー、アカデミアによって提案された23の異なる課題を集め、60以上の国から合計1300以上の参加者を集めている。
本稿では、提案された課題の1つ「Graph Neural Networking Challenge 2020'」を整理した経験について述べる。
参加者に提示される問題、提供されたツールとリソース、いくつかの組織的側面と参加統計、上位3つのソリューションの概要、そしてこの旅で学んだ教訓の概要について説明する。
その結果、この課題は、このトピックに関心のある人なら誰でもオープンに利用できる教育リソースのキュレーションセットを残すことになる。
関連論文リスト
- Adapting MLOps for Diverse In-Network Intelligence in 6G Era: Challenges and Solutions [4.183643697928412]
機械学習操作(MLOps)は、これらの課題に取り組むための体系的なアプローチを提供する。
我々は、強化学習操作(RLOPS)、連合学習操作(FedOps)、生成AI操作(GenOps)の3つの運用パイプラインを定式化する。
これらのパイプラインは、さまざまな学習/推論機能をネットワークにシームレスに統合する基盤となる。
論文 参考訳（メタデータ） (2024-10-24T14:47:28Z) - The VoxCeleb Speaker Recognition Challenge: A Retrospective [75.40776645175585]
VoxCeleb Speaker Recognition Challenges (VoxSRC)は、2019年から2023年にかけて毎年開催される一連の課題とワークショップである。
課題は主に、様々な環境下で話者認識とダイアリゼーションのタスクを評価した。
私たちは、これらの課題について、彼らが何を探求したのか、課題参加者によって開発された方法、そしてそれらがどのように進化したのかをレビューします。
論文 参考訳（メタデータ） (2024-08-27T08:57:31Z) - Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。
合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
論文 参考訳（メタデータ） (2024-07-20T10:13:54Z) - The NeurIPS 2022 Neural MMO Challenge: A Massively Multiagent
Competition with Specialization and Trade [41.639843908635875]
NeurIPS-2022 Neural MMO Challengeには500人が参加し、1,600以上の応募があった。
今年の競技は最新のv1.6 Neural MMOで行われ、新しい装備、戦闘、取引、より良いスコアシステムが導入されている。
本稿では,課題の設計と成果を要約し,学習方法のベンチマークとして,この環境の可能性について考察する。
論文 参考訳（メタデータ） (2023-11-07T04:14:45Z) - ICML 2023 Topological Deep Learning Challenge : Design and Results [83.5003281210199]
コンペティションは参加者に、文献からトポロジカルニューラルネットワークのオープンソース実装を提供するよう求めた。
この挑戦は2ヶ月の期間に28の予選の応募を惹きつけた。
本稿では,課題の設計について述べるとともに,その主な知見を要約する。
論文 参考訳（メタデータ） (2023-09-26T18:49:30Z) - Benchmarking Robustness and Generalization in Multi-Agent Systems: A
Case Study on Neural MMO [50.58083807719749]
IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。
この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。
環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
論文 参考訳（メタデータ） (2023-08-30T07:16:11Z) - Lessons learned from the NeurIPS 2021 MetaDL challenge: Backbone
fine-tuning without episodic meta-learning dominates for few-shot learning
image classification [40.901760230639496]
本稿では,MetaDLコンペティションシリーズの設計,データセット,最良の実験結果,NeurIPS 2021チャレンジにおける最上位の手法について述べる。
トップ参加者のソリューションがオープンソース化された。
論文 参考訳（メタデータ） (2022-06-15T10:27:23Z) - Learning to run a Power Network Challenge: a Retrospective Analysis [6.442347402316506]
L2RPNの課題は、次世代の電力ネットワークにおける重要な問題に対する強化学習ソリューションの開発を促進することです。
この課題の主な貢献は、提案された包括的なGrid2Opフレームワークと関連するベンチマークです。
ベンチマークスイートを提示し、ベストエージェントによる超人的なパフォーマンス実証を観察し、挑戦の勝利解を解析する。
論文 参考訳（メタデータ） (2021-03-02T09:52:24Z) - Transfer Learning for Future Wireless Networks: A Comprehensive Survey [49.746711269488515]
本稿では,無線ネットワークにおける転送学習の応用に関する包括的調査を行う。
まず,形式的定義,分類,様々な種類のtl技術を含むtlの概要について述べる。
次に,無線ネットワークにおける新たな課題に対処するために,多様なTLアプローチを提案する。
論文 参考訳（メタデータ） (2021-02-15T14:19:55Z) - Analysing Affective Behavior in the First ABAW 2020 Competition [49.90617840789334]
ABAW(Affective Behavior Analysis in-the-Wild) 2020コンペティションは、3つの主要な行動タスクの自動分析を目的とした最初のコンペティションである。
アルゼンチンのブエノスアイレスで2020年5月に開催されたIEEE Face and Gesture Recognitionと共同で開催されるこのコンペティションについて説明する。
評価指標を概説し,ベースラインシステムとトップ3の実施するチームの方法論をチャレンジ毎に提示し,その結果を最終的に提示する。
論文 参考訳（メタデータ） (2020-01-30T15:41:14Z)
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。