論文の概要: Knowledge-based Entity Prediction for Improved Machine Perception in Autonomous Systems

• arxiv url: http://arxiv.org/abs/2203.16616v1
• Date: Wed, 30 Mar 2022 18:56:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-02 11:49:21.643038
• Title: Knowledge-based Entity Prediction for Improved Machine Perception in Autonomous Systems
• Title（参考訳）: 自律システムにおける機械認識改善のための知識に基づくエンティティ予測
• Authors: Ruwan Wickramarachchi, Cory Henson, Amit Sheth
• Abstract要約: 知識に基づくエンティティ予測(KEP)は、自律システムにおける機械認識を改善することを目的とした新しいタスクである。 3つの潜在的なソリューションが導入され、いくつかの機械学習とデータマイニング技術が採用されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Knowledge-based entity prediction (KEP) is a novel task that aims to improve machine perception in autonomous systems. KEP leverages relational knowledge from heterogeneous sources in predicting potentially unrecognized entities. In this paper, we provide a formal definition of KEP as a knowledge completion task. Three potential solutions are then introduced, which employ several machine learning and data mining techniques. Finally, the applicability of KEP is demonstrated on two autonomous systems from different domains; namely, autonomous driving and smart manufacturing. We argue that in complex real-world systems, the use of KEP would significantly improve machine perception while pushing the current technology one step closer to achieving the full autonomy.
• Abstract（参考訳）: 知識に基づくエンティティ予測(KEP)は、自律システムにおける機械認識を改善することを目的とした新しいタスクである。 KEPは、不均一な情報源からのリレーショナル知識を利用して、潜在的に認識されていないエンティティを予測する。 本稿では,知識完了タスクとしてKEPを形式的に定義する。 次に、いくつかの機械学習とデータマイニング技術を使用する3つの潜在的なソリューションが導入される。 最後に、KEPの適用性は、異なるドメインの2つの自律システム、すなわち自律運転とスマート製造で実証される。 複雑な現実のシステムでは、kepの使用は機械の認識を大幅に改善し、現在の技術は完全な自律性の実現に一歩近づいた。

関連論文リスト

• A Decision-driven Methodology for Designing Uncertainty-aware AI Self-Assessment [8.482630532500057]
  特定のAIシステムの予測が下流アプリケーションで意思決定者によって信頼できるかどうかは不明だ。 この原稿は、機械学習エンジニアとAIシステムユーザーが理想的な自己評価テクニックを選択するための実践的なガイドである。
  論文  参考訳（メタデータ） (2024-08-02T14:43:45Z)
• The Physics of Learning: From Autoencoders to Truly Autonomous Learning Machines [0.0]
  我々は,教師なし学習装置が外部エネルギー源から完全に独立することを提案する。 学習をエネルギー探索のプロセスとして再認識することで、学習システムにおいて真の自律性を達成する可能性を強調する。
  論文  参考訳（メタデータ） (2024-02-12T01:36:26Z)
• 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)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• Trustworthy Representation Learning Across Domains [22.54626834599221]
  本稿では,ドメイン間の表現学習のための信頼性の高いフレームワークの詳細を紹介する。 我々は4つの概念から信頼性の高いフレームワークの基本的な概念を提供し、既存の手法を包括的に要約する。
  論文  参考訳（メタデータ） (2023-08-23T08:38:54Z)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• Human Parity on CommonsenseQA: Augmenting Self-Attention with External Attention [66.93307963324834]
  本稿では,外部の知識や状況に配慮した外部アテンション機構を備えたトランスフォーマーアーキテクチャの強化を提案する。 提案した外部注意機構は,既存のAIシステムの性能を大幅に向上させることができる。 提案システムは、オープンなCommonsenseQA研究ベンチマークにおいて、89.4%の精度で人間に匹敵する88.9%の精度で人間に匹敵する。
  論文  参考訳（メタデータ） (2021-12-06T18:59:02Z)
• Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
  近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。 ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。 本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
  論文  参考訳（メタデータ） (2021-07-28T10:28:05Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。