論文の概要: Data-Driven Innovation: What Is It
- arxiv url: http://arxiv.org/abs/2201.08184v3
- Date: Thu, 7 Jul 2022 09:34:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 10:03:59.950377
- Title: Data-Driven Innovation: What Is It
- Title（参考訳）: データ駆動イノベーションとは何か
- Authors: Jianxi Luo
- Abstract要約: 本稿では,「データ駆動型イノベーション」を形式的イノベーションプロセスパラダイムとして定義・結晶化する。
それは、異なるデータ駆動イノベーションアプローチのプロセスベースの分類を示します。
私は、イノベーター、企業、研究開発組織、政府に対して、データ駆動イノベーションを実施するための戦略とアクションを推奨します。
- 参考スコア（独自算出の注目度）: 2.28438857884398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The future of innovation processes is anticipated to be more data-driven and
empowered by the ubiquitous digitalization, increasing data accessibility and
rapid advances in machine learning, artificial intelligence, and computing
technologies. While the data-driven innovation (DDI) paradigm is emerging, it
has yet been formally defined and theorized and often confused with several
other data-related phenomena. This paper defines and crystalizes "data-driven
innovation" as a formal innovation process paradigm, dissects its value
creation, and distinguishes it from data-driven optimization (DDO), data-based
innovation (DBI), and the traditional innovation processes that purely rely on
human intelligence. With real-world examples and theoretical framing, I
elucidate what DDI entails and how it addresses uncertainty and enhance
creativity in the innovation process and present a process-based taxonomy of
different data-driven innovation approaches. On this basis, I recommend the
strategies and actions for innovators, companies, R&D organizations, and
governments to enact data-driven innovation.
- Abstract（参考訳）: イノベーションプロセスの未来は、ユビキタスなデジタル化、データアクセシビリティの増大、機械学習、人工知能、コンピューティング技術の急速な進歩によって、データ駆動型で力づけられることが期待されている。
データ駆動イノベーション(DDI)パラダイムは登場しているが、公式に定義され、理論化され、他のデータ関連の現象と混同されることも多い。
本稿では,「データ駆動イノベーション」を形式的イノベーションプロセスパラダイムとして定義し,その価値創造を分別し,データ駆動最適化(ddo),データベースイノベーション(dbi),そして純粋に人間の知性に依存する従来のイノベーションプロセスと区別する。
実世界の例と理論的フレーミングによって、DDIが必要とするもの、そしてそれがイノベーションプロセスにおける不確実性に対処し、創造性を高める方法を理解し、異なるデータ駆動イノベーションアプローチのプロセスベースの分類法を提示します。
このベースでは、イノベーター、企業、研究開発組織、政府のためにデータ駆動イノベーションを実施するための戦略とアクションを推奨します。
関連論文リスト
- Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳（メタデータ） (2024-02-20T15:23:24Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Data-driven Innovation: Understanding the Direction for Future Research [0.0]
我々は、データ駆動イノベーション現象を理解するために、文献の体系的で包括的なレビューを行う。
本研究の成果は,知識体系のギャップを判断する上で,また,実践者がデータ戦略を改善する上でも有用である。
論文 参考訳（メタデータ） (2022-12-04T22:17:23Z) - A toolbox for idea generation and evaluation: Machine learning,
data-driven, and contest-driven approaches to support idea generation [0.0]
この論文には、アイデア生成をサポートするための、対応するデータソースとモデルを備えた、データ駆動および機械学習テクニックのリストが含まれている。
結果は、データ駆動とコンテスト駆動のアイデア生成をよりサポートするための、2つのモデル、1つのメソッドと1つのフレームワークを含む。
人間中心のAIは、アーティファクトのさらなる発展と創造性の促進に貢献できる、有望な研究分野である。
論文 参考訳（メタデータ） (2022-05-19T20:28:49Z) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳（メタデータ） (2021-11-27T00:55:21Z) - 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) - A New Innovation Concept on End user Contextual and Behavioural
Perspectives [0.0]
イノベーションの現象は、生き生きとした文脈で、有形から無形へと焦点を移している。
本研究は,イノベーションタイプの包括的記述子として機能する新しい概念を提案する。
論文 参考訳（メタデータ） (2021-10-09T10:45:10Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-29T14:57:53Z) - Modeling, Visualization, and Analysis of African Innovation Performance [0.0]
我々は,イノベーションパフォーマンスの概念と出現,その定量化方法について論じる。
我々は、機械学習を用いてイノベーションのパフォーマンスをモデル化し、シンプルな機械学習技術を用いて、Global Innovation Indexから"Mobile App Creation Indicator"を分析し、予測する既存の文献を概説する。
論文 参考訳（メタデータ） (2020-08-18T12:16:10Z) - Enterprise System Lifecycle-wide Innovation [0.0]
この研究は、イノベーションとエンタープライズシステムの間の概念的な橋渡しを形成する。
ESに特化した新しいタイプのイノベーションとして、Continuous Restrained Innovation(CRI)を紹介します。
論文 参考訳（メタデータ） (2020-06-18T02:16:10Z)
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。