論文の概要: Evolutionary Computation-Assisted Brainwriting for Large-Scale Online Ideation

• arxiv url: http://arxiv.org/abs/2110.03205v1
• Date: Thu, 7 Oct 2021 06:33:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-12 05:59:21.553366
• Title: Evolutionary Computation-Assisted Brainwriting for Large-Scale Online Ideation
• Title（参考訳）: 大規模オンライン思考のための進化的計算支援脳書記法
• Authors: Nobuo Namura and Tatsuya Hasebe
• Abstract要約: 我々は大規模なオンライン思考のための進化支援脳書記法を考案した。 本手法では,参加者が提案するアイデアだけでなく,他の参加者が提案したアイデアも評価する。 評価結果は、参加者が露出できる良いアイデアを特定するために、進化計算で使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Brainstorming is an effective technique for offline ideation although the number of participants able to join an ideation session and suggest ideas is limited. To increase the diversity and quality of the ideas suggested, many participants with various backgrounds should be able to join the session. We have devised an evolutionary computation-assisted brainwriting method for large-scale online ideation. In this method, participants not only suggest ideas but also evaluate ideas previously suggested by other participants. The evaluation results are used in the evolutionary computation to identify good ideas to which the participants can be exposed via a brainwriting-like interface. We compared the performance of the proposed method with that of a simple online brainwriting method for large-scale online ideation with more than 30 participants. The proposed method enhanced robustness of idea quality improvement due to preferentially exposing the participants to good ideas.
• Abstract（参考訳）: ブレインストーミングはオフラインイデオレーションの効果的なテクニックであるが、イデオレーションセッションに参加してアイデアを提案する参加者の数は限られている。 提案するアイデアの多様性と品質を高めるために、さまざまなバックグラウンドを持つ多くの参加者がセッションに参加する必要がある。 我々は大規模なオンライン思考のための進化的計算支援脳書記法を考案した。 本手法では,参加者が提案するアイデアだけでなく,他の参加者が提案したアイデアも評価する。 評価結果は、進化的計算において、参加者がブレインライティングのようなインターフェースで露出できる良いアイデアを特定するために使用される。 提案手法の性能を,30名以上の参加者による大規模オンライン思考のための簡単なオンライン脳書記法と比較した。 提案手法は,優れたアイデアに参加者を優先的に露出させることにより,アイデア品質改善の堅牢性を高めた。

関連論文リスト

• A Novel Mathematical Framework for Objective Characterization of Ideas through Vector Embeddings in LLM [0.0]
  本研究では,CAIシステムや人間によって生み出されるアイデアの多元性を客観的に評価するための,自動解析のための包括的数学的枠組みを提案する。 UMAP,DBSCAN,PCAなどのツールを用いて,アイデアを高次元ベクトルに変換し,それらの多様性を定量的に測定することにより,提案手法は最も有望なアイデアを選択する信頼性と客観的な方法を提供する。
  論文  参考訳（メタデータ） (2024-09-11T19:10:29Z)
• Good Idea or Not, Representation of LLM Could Tell [86.36317971482755]
  我々は、大規模言語モデルの知識を活用し、科学的アイデアのメリットを評価することを目的としたアイデアアセスメントに焦点をあてる。 我々は、このタスクに対する様々なアプローチのパフォーマンスを訓練し評価するために、細心の注意を払って設計された、フルテキストを持つ約4万の原稿からベンチマークデータセットをリリースする。 その結果, 大規模言語モデルの表現は, 生成出力よりもアイデアの価値を定量化する可能性が高いことが示唆された。
  論文  参考訳（メタデータ） (2024-09-07T02:07:22Z)
• Generating Chain-of-Thoughts with a Pairwise-Comparison Approach to Searching for the Most Promising Intermediate Thought [70.30423016640749]
  CoT法(Chain-of- Thoughts)は、大規模言語モデルにステップバイステップの推論を誘導し、単純から複雑への問題解決を可能にする手法である。 大規模言語モデル (LLMs) による評価は、一般的にうるさく、信頼できないものであり、将来有望な中間的思考を選択する際の生成過程を誤解させる可能性がある。 本稿では,Vapnikの原理を動機として,ポイントワイドスコアではなくペアワイズ比較評価を用いて,有望な中間思考を探索する。
  論文  参考訳（メタデータ） (2024-02-10T09:51:03Z)
• Separable Multi-Concept Erasure from Diffusion Models [52.51972530398691]
  大規模拡散モデルから安全でない概念を排除するために,分離可能なマルチコンセプト消去器(SepME)を提案する。 後者は最適化可能なモデルウェイトを分離し、各ウェイトインクリメントは特定の概念の消去に対応する。 広範囲にわたる実験は, 概念の排除, モデル性能の保存, 各種概念の消去・回復における柔軟性の確保に, アプローチの有効性を示すものである。
  論文  参考訳（メタデータ） (2024-02-03T11:10:57Z)
• Evaluation of Self-taught Learning-based Representations for Facial Emotion Recognition [62.30451764345482]
  この研究は、顔の感情認識のための自己学習の概念を通じて得られた教師なし表現を生成するための様々な戦略を記述する。 このアイデアは、オートエンコーダの初期化、アーキテクチャ、トレーニングデータを変化させることで、多様性を促進する補完的な表現を作ることである。 Jaffe と Cohn-Kanade のデータセットに対する残余のサブジェクトアウトプロトコルによる実験結果から,提案した多種多様な表現に基づく FER 手法が最先端のアプローチと好適に比較できることが示唆された。
  論文  参考訳（メタデータ） (2022-04-26T22:48:15Z)
• Reinforced MOOCs Concept Recommendation in Heterogeneous Information Networks [22.827250316693803]
  いくつかのMOOCプラットフォームは、ユーザの学習体験を改善するために、もちろんユーザにレコメンデーションを提供する。 このサービスの有用性にもかかわらず、ユーザーに直接コースを推薦することは、様々な専門知識を無視する可能性があると考えている。 異種情報ネットワークと強化学習に基づくMOOCにおける概念推薦のための新しい手法であるHinCRec-RLを提案する。
  論文  参考訳（メタデータ） (2022-03-08T05:10:55Z)
• Improving Human Sequential Decision-Making with Reinforcement Learning [29.334511328067777]
  トレースデータから"ベストプラクティス"を抽出できる新しい機械学習アルゴリズムを設計する。 我々のアルゴリズムは、労働者の行動と最適な政策によって取られた行動のギャップを最もうまく埋めるヒントを選択する。 実験の結果,提案アルゴリズムが生成したチップは人体の性能を著しく向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-08-19T02:57:58Z)
• CrowDEA: Multi-view Idea Prioritization with Crowds [34.53340372721343]
  本稿では,少なくとも1つの潜伏評価基準の観点で最高のフロンティア・アイデア(フロンティア・アイデア)という,アイデアのサブセットを得るための分析手法を提案する。 提案手法は,複数の視点からアイデアを効果的に優先順位付けし,フロンティアのアイデアを検出する。
  論文  参考訳（メタデータ） (2020-08-01T07:41:18Z)
• PinnerSage: Multi-Modal User Embedding Framework for Recommendations at Pinterest [54.56236567783225]
  PinnerSageはエンド・ツー・エンドのレコメンデーションシステムで、マルチモーダル・埋め込みを通じて各ユーザーを表現する。 オフラインおよびオンラインA/B実験を複数実施し,本手法が単一埋め込み法より有意に優れていることを示す。
  論文  参考訳（メタデータ） (2020-07-07T17:13:20Z)
• A Competence-aware Curriculum for Visual Concepts Learning via Question Answering [95.35905804211698]
  本稿では,視覚概念学習のための質問応答型カリキュラムを提案する。 視覚概念を学習するためのニューラルシンボリックな概念学習者と学習プロセスを導くための多次元項目応答理論(mIRT)モデルを設計する。 CLEVRの実験結果から,コンピテンスを意識したカリキュラムにより,提案手法は最先端のパフォーマンスを実現することが示された。
  論文  参考訳（メタデータ） (2020-07-03T05:08:09Z)

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。