論文の概要: Data-Centric Engineering: integrating simulation, machine learning and
statistics. Challenges and Opportunities
- arxiv url: http://arxiv.org/abs/2111.06223v1
- Date: Sun, 7 Nov 2021 22:31:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-13 06:50:54.490968
- Title: Data-Centric Engineering: integrating simulation, machine learning and
statistics. Challenges and Opportunities
- Title（参考訳）: データ中心エンジニアリング: シミュレーション、機械学習、統計の統合。
挑戦と機会
- Authors: Indranil Pan, Lachlan Mason, Omar Matar
- Abstract要約: 機械学習の最近の進歩と低コストの計算が組み合わさって、多分野の研究活動が広まりつつある。
物理方程式に基づく力学モデルと純粋にデータ駆動統計アプローチは、モデリングスペクトルの2つの端を表す。
新しいハイブリッドなデータ中心のエンジニアリングアプローチは、両方の世界の長所を生かし、シミュレーションとデータの両方を統合することで、強力なツールとして現れています。
- 参考スコア（独自算出の注目度）: 1.3535770763481905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in machine learning, coupled with low-cost computation,
availability of cheap streaming sensors, data storage and cloud technologies,
has led to widespread multi-disciplinary research activity with significant
interest and investment from commercial stakeholders. Mechanistic models, based
on physical equations, and purely data-driven statistical approaches represent
two ends of the modelling spectrum. New hybrid, data-centric engineering
approaches, leveraging the best of both worlds and integrating both simulations
and data, are emerging as a powerful tool with a transformative impact on the
physical disciplines. We review the key research trends and application
scenarios in the emerging field of integrating simulations, machine learning,
and statistics. We highlight the opportunities that such an integrated vision
can unlock and outline the key challenges holding back its realisation. We also
discuss the bottlenecks in the translational aspects of the field and the
long-term upskilling requirements of the existing workforce and future
university graduates.
- Abstract（参考訳）: 機械学習の最近の進歩は、低コストの計算、安価なストリーミングセンサー、データストレージ、クラウド技術の可用性と相まって、幅広い分野の研究活動をもたらし、商業的利害関係者から大きな関心と投資を受けている。
物理方程式に基づく機械モデルと純粋データ駆動統計アプローチは、モデリングスペクトルの2つの端を表す。
新しいハイブリッドなデータ中心のエンジニアリングアプローチは、両方の世界のベストを活用し、シミュレーションとデータを統合することで、物理的な分野に変革をもたらす強力なツールとして現れています。
我々は、シミュレーション、機械学習、統計の統合という新興分野における重要な研究動向と応用シナリオを概観する。
このような統合的なビジョンが、その実現を妨げる重要な課題を解き放ち、概説する機会を強調します。
また、この分野の翻訳的側面におけるボトルネックと、既存の労働力と将来の大学卒業生の長期的なスキル向上要件についても論じる。
関連論文リスト
- FinML-Chain: A Blockchain-Integrated Dataset for Enhanced Financial Machine Learning [2.0695662173473206]
本稿では、高周波オンチェーンデータと低周波オフチェーンデータを統合するためのフレームワークを提案する。
このフレームワークは、トランザクションフィーメカニズムのような経済メカニズムを分析するためのモジュラーデータセットを生成する。
我々は、金融研究を推進し、ブロックチェーン駆動システムの理解を改善するデータセットを作成できるフレームワークの能力を実証する。
論文 参考訳（メタデータ） (2024-11-25T10:55:11Z) - A spectrum of physics-informed Gaussian processes for regression in
engineering [0.0]
センサとデータ全般の可用性は向上していますが、純粋なデータ駆動アプローチから多くのサービス内エンジニアリングシステムや構造を完全に特徴づけることはできません。
本稿では、限られたデータで予測モデルを作成する能力を高めるために、機械学習技術と物理に基づく推論の組み合わせを追求する。
論文 参考訳（メタデータ） (2023-09-19T14:39:03Z) - Addressing computational challenges in physical system simulations with
machine learning [0.0]
シミュレーションを利用して様々な物理システムやプロセスを調べる研究者を支援する機械学習ベースのデータジェネレータフレームワークを提案する。
まず、シミュレーション結果を予測するために、限られたシミュレートされたデータセットを使用して教師付き予測モデルをトレーニングする。
その後、強化学習エージェントを訓練し、教師付きモデルを利用して正確なシミュレーションライクなデータを生成する。
論文 参考訳（メタデータ） (2023-05-16T17:31:50Z) - Machine Learning for Synthetic Data Generation: A Review [23.073056971997715]
本稿では,合成データの生成を目的とした機械学習モデルを用いた既存研究についてレビューする。
このレビューは、合成データ生成、コンピュータビジョン、スピーチ、自然言語処理、ヘルスケア、ビジネスドメインの応用から始まる様々な視点を網羅している。
この論文は、合成データ生成に関するプライバシーと公平性に関する重要な側面についても論じている。
論文 参考訳（メタデータ） (2023-02-08T13:59:31Z) - Vision+X: A Survey on Multimodal Learning in the Light of Data [64.03266872103835]
様々なソースからのデータを組み込んだマルチモーダル機械学習が,ますます普及している研究分野となっている。
我々は、視覚、音声、テキスト、動きなど、各データフォーマットの共通点と特異点を分析する。
本稿では,表現学習と下流アプリケーションレベルの両方から,マルチモーダル学習に関する既存の文献を考察する。
論文 参考訳（メタデータ） (2022-10-05T13:14:57Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳（メタデータ） (2022-09-07T19:21:19Z) - MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic
Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。
提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。
また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
論文 参考訳（メタデータ） (2021-12-29T17:23:24Z) - INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
我々はInterNという新しい学習パラダイムを開発した。
複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。
ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
論文 参考訳（メタデータ） (2021-11-16T18:42:50Z) - Data-Driven Aerospace Engineering: Reframing the Industry with Machine
Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。
最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文 参考訳（メタデータ） (2020-08-24T22:40:26Z) - Graph signal processing for machine learning: A review and new
perspectives [57.285378618394624]
本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。
本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。
我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
論文 参考訳（メタデータ） (2020-07-31T13:21:33Z)
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。