論文の概要: CateCom: a practical data-centric approach to categorization of
computational models
- arxiv url: http://arxiv.org/abs/2109.13452v1
- Date: Tue, 28 Sep 2021 02:59:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-29 14:32:12.516004
- Title: CateCom: a practical data-centric approach to categorization of
computational models
- Title(参考訳): CateCom: 計算モデルの分類のための実践的データ中心アプローチ
- Authors: Alexander Zech and Timur Bazhirov
- Abstract要約: 本稿では,物理モデルとデータ駆動型計算モデルのランドスケープを整理する取り組みについて述べる。
オブジェクト指向設計の概念を適用し、オープンソース協調フレームワークの基礎を概説する。
- 参考スコア(独自算出の注目度): 77.34726150561087
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The advent of data-driven science in the 21st century brought about the need
for well-organized structured data and associated infrastructure able to
facilitate the applications of Artificial Intelligence and Machine Learning. We
present an effort aimed at organizing the diverse landscape of physics-based
and data-driven computational models in order to facilitate the storage of
associated information as structured data. We apply object-oriented design
concepts and outline the foundations of an open-source collaborative framework
that is: (1) capable of uniquely describing the approaches in structured data,
(2) flexible enough to cover the majority of widely used models, and (3)
utilizes collective intelligence through community contributions. We present
example database schemas and corresponding data structures and explain how
these are deployed in software at the time of this writing.
- Abstract(参考訳): 21世紀のデータ駆動科学の出現は、人工知能と機械学習の応用を促進するための、構造化された構造化データと関連するインフラストラクチャの必要性をもたらした。
本稿では, 物理モデルとデータ駆動型計算モデルの多様な景観を整理し, 関連情報を構造化データとして保存しやすくする取り組みについて述べる。
オブジェクト指向設計の概念を適用し,(1)構造化データにおけるアプローチを一意に記述できる,(2)広く使用されているモデルの大多数をカバーするのに十分な柔軟性を持つ,(3)コミュニティコントリビューションを通じて集団知性を利用する,というオープンソースの協調フレームワークの基礎を概説する。
データベーススキーマと対応するデータ構造を例示し、この記述時にどのようにソフトウェアにデプロイされるかを説明します。
関連論文リスト
- Incremental hierarchical text clustering methods: a review [49.32130498861987]
本研究の目的は,階層的および漸進的クラスタリング技術の解析である。
本研究の主な貢献は、文書クラスタリングのテキスト化を目的とした、2010年から2018年にかけて出版された研究で使用されるテクニックの組織化と比較である。
論文 参考訳(メタデータ) (2023-12-12T22:27:29Z) - Serving Deep Learning Model in Relational Databases [72.72372281808694]
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-Centric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-Centricアーキテクチャは、データベースシステム内の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。
potentialRelation-Centricアーキテクチャは、演算子による大規模テンソル計算を表現することを目的としている。
論文 参考訳(メタデータ) (2023-10-07T06:01:35Z) - Federated Learning over Harmonized Data Silos [0.7106986689736825]
Federated Learning(フェデレートラーニング)は、地理的に分散したデータサイロがデータを共有せずに共同で機械学習モデルを学習することを可能にする、分散機械学習アプローチである。
本稿では,データ調和とデータ計算の重要なステップを取り入れた,エンドツーエンドのフェデレーション学習統合システムのためのアーキテクチャビジョンを提案する。
論文 参考訳(メタデータ) (2023-05-15T19:55:51Z) - Enterprise Model Library for Business-IT-Alignment [0.0]
この作業は、再利用の関数を持つモデルのためのリポジトリの参照アーキテクチャである。
これには、ファイリング用のデータ構造の設計、管理のためのプロセス、使用可能性が含まれる。
論文 参考訳(メタデータ) (2022-11-21T11:36:54Z) - Data Cards: Purposeful and Transparent Dataset Documentation for
Responsible AI [0.0]
我々は、データセットの透明性、目的、人間中心のドキュメンテーションを促進するためのデータカードを提案する。
データカードは、利害関係者が必要とするMLデータセットのさまざまな側面に関する重要な事実の要約である。
実世界のユーティリティと人間中心性にデータカードを基盤とするフレームワークを提示する。
論文 参考訳(メタデータ) (2022-04-03T13:49:36Z) - Policy Architectures for Compositional Generalization in Control [71.61675703776628]
本稿では,タスクにおけるエンティティベースの構成構造をモデル化するためのフレームワークを提案する。
私たちのポリシーは柔軟で、アクションプリミティブを必要とせずにエンドツーエンドでトレーニングできます。
論文 参考訳(メタデータ) (2022-03-10T06:44:24Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳(メタデータ) (2020-12-15T16:29:49Z) - Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。
また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文 参考訳(メタデータ) (2020-12-01T11:46:03Z) - Siamese Graph Neural Networks for Data Integration [11.41207739004894]
本稿では,リレーショナルデータベースなどの構造化データからエンティティをモデリングし,統合するための一般的なアプローチと,ニュース記事からの自由テキストなどの構造化されていない情報源を提案する。
我々のアプローチは、エンティティ間の関係を明示的にモデル化し、活用することにより、利用可能なすべての情報を使用し、できるだけ多くのコンテキストを保存するように設計されています。
我々は,ビジネスエンティティに関するデータ統合作業における手法の評価を行い,グラフベース表現を使用しない他のディープラーニングアプローチと同様に,標準的なルールベースシステムよりも優れていることを示す。
論文 参考訳(メタデータ) (2020-01-17T21:51:55Z)
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。