Fugu-MT 論文翻訳(概要): Streaming and Learning the Personal Context

論文の概要: Streaming and Learning the Personal Context

arxiv url: http://arxiv.org/abs/2108.08234v1
Date: Wed, 18 Aug 2021 16:55:12 GMT
ステータス: 処理完了
システム内更新日: 2021-08-19 15:58:19.878095
Title: Streaming and Learning the Personal Context
Title（参考訳）: 個人的コンテキストのストリーミングと学習
Authors: Fausto Giunchiglia, Marcelo Rodas Britez, Andrea Bontempelli, Xiaoyue Li
Abstract要約: パーソナルコンテキストの表現は複雑で、機械が人間に与えるヘルプを改善するために不可欠である。我々は、パーソナルコンテキストの新たなモデル表現を設計し、機械学習との統合性を高めるための学習プロセスを設計することを目指している。
参考スコア（独自算出の注目度）: 5.639451539396458
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The representation of the personal context is complex and essential to improve the help machines can give to humans for making sense of the world, and the help humans can give to machines to improve their efficiency. We aim to design a novel model representation of the personal context and design a learning process for better integration with machine learning. We aim to implement these elements into a modern system architecture focus in real-life environments. Also, we show how our proposal can improve in specifically related work papers. Finally, we are moving forward with a better personal context representation with an improved model, the implementation of the learning process, and the architectural design of these components.
Abstract（参考訳）: 個人的文脈の表現は複雑で、機械が世界を理解するために人間に与え、人間が機械に与えてその効率を改善するのに不可欠である。我々は、パーソナルコンテキストの新たなモデル表現を設計し、機械学習との統合性を高めるための学習プロセスを設計することを目指している。これらの要素を,現実の環境に焦点をあてた現代システムアーキテクチャに実装することを目指している。また,本提案が特に関連する作業論文でどのように改善できるかを示す。最後に、改善されたモデル、学習プロセスの実装、そしてこれらのコンポーネントのアーキテクチャ設計による、より良い個人的コンテキスト表現を前進させています。

関連論文リスト

Flex: End-to-End Text-Instructed Visual Navigation with Foundation Models [59.892436892964376]
本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。この知見はFlex (Fly-lexically) で合成され,VLM(Vision Language Models) をフリーズしたパッチワイド特徴抽出器として利用するフレームワークである。本研究では,本手法が4段階のフライ・トゥ・ターゲットタスクにおいて有効であることを示す。
論文参考訳（メタデータ） (2024-10-16T19:59:31Z)
MetaDesigner: Advancing Artistic Typography through AI-Driven, User-Centric, and Multilingual WordArt Synthesis [65.78359025027457]
MetaDesignerは、Large Language Models(LLM)の強みを活用して、ユーザエンゲージメントを中心としたデザインパラダイムを推進することによって、芸術的なタイポグラフィに革命をもたらす。総合的なフィードバックメカニズムは、マルチモーダルモデルとユーザ評価からの洞察を活用して、設計プロセスを反復的に洗練し、拡張する。実証的な検証は、MetaDesignerが様々なWordArtアプリケーションに効果的に機能し、審美的に魅力的でコンテキストに敏感な結果を生み出す能力を強調している。
論文参考訳（メタデータ） (2024-06-28T11:58:26Z)
Enhanced User Interaction in Operating Systems through Machine Learning Language Models [17.09116903102371]
本稿では,大規模言語モデル,機械学習,ユーザインタラクション設計のレコメンデーションシステムやオペレーティングシステムへの応用の可能性について検討する。インタラクション設計と機械学習の組み合わせは、製品やサービスのより効率的でパーソナライズされたユーザエクスペリエンスを提供する。
論文参考訳（メタデータ） (2024-02-24T12:17:06Z)
Ensemble-based modeling abstractions for modern self-optimizing systems [0.0]
アンサンブルに基づくコンポーネントモデルDEECoを拡張して,コンポーネントアンサンブルの確立と再構成に機械学習と産業最適化を活用する。機械学習と最適化は、時間とともに学習し、実行時に動作を最適化し、環境の不確実性に対処する、現代のスマートシステムにとって重要な機能である、と私たちは主張する。
論文参考訳（メタデータ） (2023-09-11T21:01:11Z)
Improving Sample Efficiency of Value Based Models Using Attention and Vision Transformers [52.30336730712544]
性能を犠牲にすることなくサンプル効率を向上させることを目的とした深層強化学習アーキテクチャを提案する。状態表現の特徴マップ上の自己注意機構を変換器を用いて学習する視覚的注意モデルを提案する。我々は,このアーキテクチャがいくつかのAtari環境におけるサンプルの複雑さを向上すると同時に,いくつかのゲームにおいて優れたパフォーマンスを実現することを実証的に実証した。
論文参考訳（メタデータ） (2022-02-01T19:03:03Z)
Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
論文参考訳（メタデータ） (2021-03-16T13:50:24Z)
Unadversarial Examples: Designing Objects for Robust Vision [100.4627585672469]
現代の機械学習アルゴリズムの感度を入力摂動に活かし、「ロバストオブジェクト」を設計するフレームワークを開発しています。標準ベンチマークから(シミュレーション中)ロボット工学まで,さまざまな視覚ベースのタスクに対するフレームワークの有効性を実証する。
論文参考訳（メタデータ） (2020-12-22T18:26:07Z)
Mutual Information Maximization for Robust Plannable Representations [82.83676853746742]
モデルに基づく強化学習のための情報理論表現学習アルゴリズムMIROを提案する。提案手法は, 邪魔や散らかったシーンの存在下で, 再建目的よりも頑健であることを示す。
論文参考訳（メタデータ） (2020-05-16T21:58:47Z)
Automated Personalized Feedback Improves Learning Gains in an Intelligent Tutoring System [34.19909376464836]
大規模知的学習システム(ITS)における自動的、データ駆動型、パーソナライズされたフィードバックが、学生の学習結果をいかに改善するかを検討する。本稿では,個別の学生のニーズを考慮に入れたパーソナライズされたフィードバックを生成する機械学習手法を提案する。我々は、最先端の機械学習と自然言語処理技術を利用して、学生にパーソナライズされたヒント、ウィキペディアに基づく説明、数学的ヒントを提供する。
論文参考訳（メタデータ） (2020-05-05T18:30:08Z)
Human-in-the-Loop Design Cycles -- A Process Framework that Integrates Design Sprints, Agile Processes, and Machine Learning with Humans [1.52292571922932]
この研究は、HILL(Human-in-the-learning-loop)デザインサイクルという新しいプロセスフレームワークを提案する。 HILL Design Cyclesプロセスは、定性的なユーザテストの代わりに、設計知覚のための定量的な心理測定器を使用する。生成されたユーザフィードバックは、マシンラーニングモデルをトレーニングし、その後の設計サイクルを4つの設計次元に沿って指示するのに役立つ。
論文参考訳（メタデータ） (2020-02-29T07:35:35Z)

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。