Fugu-MT 論文翻訳(概要): Link Prediction of Artificial Intelligence Concepts using Low Computational Power

論文の概要: Link Prediction of Artificial Intelligence Concepts using Low Computational Power

arxiv url: http://arxiv.org/abs/2202.03393v1
Date: Mon, 7 Feb 2022 18:32:02 GMT
ステータス: 処理完了
システム内更新日: 2022-02-08 18:12:12.293813
Title: Link Prediction of Artificial Intelligence Concepts using Low Computational Power
Title（参考訳）: 低計算パワーを用いた人工知能概念のリンク予測
Authors: Francisco Valente
Abstract要約: 本研究の主な目的は,セマンティックネットワークにおける機械学習の概念間の将来的な関連性を予測することである。開発した手法は,低計算能力のみの可用性のシナリオに対する解に対応する。開発方法論を動機づけた理由は、いくつかの結果、制限、改善の提案と同様に議論される。
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: This paper presents an approach proposed for the Science4cast 2021 competition, organized by the Institute of Advanced Research in Artificial Intelligence, whose main goal was to predict the likelihood of future associations between machine learning concepts in a semantic network. The developed methodology corresponds to a solution for a scenario of availability of low computational power only, exploiting the extraction of low order topological features and its incorporation in an optimized classifier to estimate the degree of future connections between the nodes. The reasons that motivated the developed methodologies will be discussed, as well as some results, limitations and suggestions of improvements.
Abstract（参考訳）: 本稿では,人工知能研究所が主催するScience4cast 2021コンペティションに提案するアプローチについて述べる。提案手法は,低次トポロジカル特徴の抽出と,ノード間の将来の接続度を推定するために最適化された分類器への組み込みを利用して,低次トポロジカル特徴の抽出を行う。開発方法論を動機づけた理由は、いくつかの結果、制限、改善の提案と同様に議論される。

関連論文リスト

Enhancing Future Link Prediction in Quantum Computing Semantic Networks through LLM-Initiated Node Features [2.137420847424282]
本研究では,グラフニューラルネットワークにおけるリンク予測タスクのノード表現を強化するために,LLMを用いたノード特徴の初期化を提案する。提案手法は,量子コンピューティングセマンティックネットワーク上での様々なリンク予測モデルを用いて評価し,従来のノード埋め込み手法と比較して有効性を示した。
論文参考訳（メタデータ） (2024-10-05T18:16:07Z)
Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
論文参考訳（メタデータ） (2023-11-06T16:40:13Z)
Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
独立サブネットワークトレーニング(IST)の理論的考察 ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
論文参考訳（メタデータ） (2023-06-28T18:14:22Z)
Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文参考訳（メタデータ） (2022-05-13T21:09:41Z)
A Multi-criteria Approach to Evolve Sparse Neural Architectures for Stock Market Forecasting [0.0]
本研究は, 市場指標の移動予測のための, 効率的かつ同相なニューラルアーキテクチャを進化させる新しい枠組みを提案する。新しい探索パラダイムである2次元スワム (2DS) が, マルチ基準ニューラルアーキテクチャサーチのために提案されている。本研究の結果は,提案手法がより優れた一般化能力を持つ同相ネットワークを進化させることができることを示すものである。
論文参考訳（メタデータ） (2021-11-15T19:44:10Z)
Artificial Intelligence Algorithms for Natural Language Processing and the Semantic Web Ontology Learning [0.76146285961466]
新しい進化的クラスタリングアルゴリズム(ECA*)が提案されている。 5つの最先端アプローチに対してECA*を評価する実験を行った。その結果,ECA*は,適切なクラスタを見つける能力において,その競争力を克服していることがわかった。
論文参考訳（メタデータ） (2021-08-31T11:57:41Z)
Interpretable Social Anchors for Human Trajectory Forecasting in Crowds [84.20437268671733]
本研究では,人混みの軌跡を予測できるニューラルネットワークシステムを提案する。解釈可能なルールベースのインテントを学び、ニューラルネットワークの表現可能性を利用してシーン固有の残差をモデル化する。私たちのアーキテクチャは、インタラクション中心のベンチマークTrajNet++でテストされています。
論文参考訳（メタデータ） (2021-05-07T09:22:34Z)
GANTL: Towards Practical and Real-Time Topology Optimization with Conditional GANs and Transfer Learning [0.0]
生成的設計探索のための生成的敵ネットワークに基づく深層学習手法を提案する。提案手法は,条件付きGANの生成能力と伝達学習手法の知識伝達能力を組み合わせて,未知境界条件に対する最適位相を推定する。
論文参考訳（メタデータ） (2021-05-07T03:13:32Z)
A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文参考訳（メタデータ） (2020-09-25T12:01:53Z)
On Computability, Learnability and Extractability of Finite State Machines from Recurrent Neural Networks [0.0]
この研究は、有限状態マシン(FSM)とリカレントニューラルネットワーク(RNN)の間の接続に光を当てることを目的としている。このマスターの論文では、リカレントニューラルネットワークからの有限状態マシンの抽出可能性、学習可能性の側面、計算リンクの3倍のコネクションが検討されている。
論文参考訳（メタデータ） (2020-09-10T15:55:30Z)
Decentralized MCTS via Learned Teammate Models [89.24858306636816]
本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
論文参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。