論文の概要: Paradigm Shift Through the Integration of Physical Methodology and Data
Science
- arxiv url: http://arxiv.org/abs/2110.01408v1
- Date: Thu, 30 Sep 2021 18:00:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-07 09:03:54.374389
- Title: Paradigm Shift Through the Integration of Physical Methodology and Data
Science
- Title（参考訳）: 物理方法論とデータサイエンスの統合によるパラダイムシフト
- Authors: Takashi Miyamoto
- Abstract要約: 従来の物理・データ科学の方法論を統合する手法は、数学解析の新しい方法である。
本稿では,科学的理論の観点から,このような統合手法の重要性と重要性を強調した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data science methodologies, which have undergone significant developments
recently, provide flexible representational performance and fast computational
means to address the challenges faced by traditional scientific methodologies
while revealing unprecedented challenges such as the interpretability of
computations and the demand for extrapolative predictions on the amount of
data. Methods that integrate traditional physical and data science
methodologies are new methods of mathematical analysis that complement both
methodologies and are being studied in various scientific fields. This paper
highlights the significance and importance of such integrated methods from the
viewpoint of scientific theory. Additionally, a comprehensive survey of
specific methods and applications are conducted, and the current state of the
art in relevant research fields are summarized.
- Abstract（参考訳）: 近年、データサイエンス方法論は、フレキシブルな表現性能と高速な計算手段を提供し、従来の科学的方法論が直面する課題に対処しつつ、計算の解釈可能性やデータ量に対する外挿予測の要求といった前例のない課題を明らかにしている。
従来の物理・データ科学の方法論を統合する手法は、両方の方法論を補完する数学的解析の新しい手法であり、様々な科学分野で研究されている。
本稿では,科学的理論の観点から,このような統合手法の重要性と重要性を強調した。
また、特定の方法や応用に関する総合的な調査を行い、関連する研究分野における技術の現状について概説する。
関連論文リスト
- Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Symmetry-Informed Geometric Representation for Molecules, Proteins, and
Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。
Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文 参考訳（メタデータ） (2023-06-15T05:37:25Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳（メタデータ） (2023-05-22T11:08:00Z) - Interpretable Scientific Discovery with Symbolic Regression: A Review [8.414043731621419]
記号回帰は、データから直接数学的表現を学ぶための有望な機械学習手法として現れつつある。
本調査では,シンボル回帰法について概観し,その強度と限界について考察する。
論文 参考訳（メタデータ） (2022-11-20T05:12:39Z) - Computational Inference in Cognitive Science: Operational, Societal and
Ethical Considerations [13.173307471333619]
計算の進歩は認知科学をデータ駆動の分野に変えた。
異なる学術的なレンズから研究され解釈される認知理論の増殖がある。
我々は,研究実施における運用上の課題,社会的影響,倫理的ガイドラインを特定した。
論文 参考訳（メタデータ） (2022-10-24T18:27:27Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。
本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
論文 参考訳（メタデータ） (2021-08-09T17:39:09Z) - 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) - Data Science Methodologies: Current Challenges and Future Approaches [0.0]
ビジョンの欠如と明確な目標、技術的な問題への偏り、アドホックプロジェクトの成熟度が低いことが、これらの課題のひとつです。
チーム、プロジェクト、データ、情報管理の完全なガイドラインを提供する方法論はほとんどない。
総合的な視点でデータサイエンスプロジェクトを管理するための方法論が持つべき一般的な特徴を含む概念的枠組みを提案する。
論文 参考訳（メタデータ） (2021-06-14T10:34:50Z) - A Survey on Spatial and Spatiotemporal Prediction Methods [4.353444564058085]
本稿では,空間時間予測の原理と手法を体系的に検討する。
我々は、それらが対処する主要な課題によって分類された方法の分類を提供する。
論文 参考訳（メタデータ） (2020-12-24T18:17:35Z) - Integrating Scientific Knowledge with Machine Learning for Engineering
and Environmental Systems [5.23043130762977]
複雑な科学と工学の問題に対する解決策が、新しい方法論を必要とするという意見の一致はますます高まっている。
本稿では,そのような手法について概説する。
次に、これらの既存の手法の分類法を提供し、知識ギャップと、規律間の方法の潜在的な相互オーバーを明らかにする。
論文 参考訳（メタデータ） (2020-03-10T18:24:41Z)
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。