Fugu-MT 論文翻訳(概要): System Analysis for Responsible Design of Modern AI/ML Systems

論文の概要: System Analysis for Responsible Design of Modern AI/ML Systems

arxiv url: http://arxiv.org/abs/2204.08836v1
Date: Tue, 19 Apr 2022 12:04:19 GMT
ステータス: 処理完了
システム内更新日: 2022-04-20 17:52:38.057470
Title: System Analysis for Responsible Design of Modern AI/ML Systems
Title（参考訳）: 現代のai/mlシステムの責任設計のためのシステム分析
Authors: Virginia H. Goodwin and Rajmonda S. Caceres
Abstract要約: MLアルゴリズムやシステムの設計と実装には,従来のシステム分析の視点が必要である,と我々は主張する。本稿では,システム分析手法の構成要素を概観し,それらがML設計の責任ある実践をどのように結び付けて有効にするかを明らかにする。
参考スコア（独自算出の注目度）: 0.24366811507669117
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The irresponsible use of ML algorithms in practical settings has received a lot of deserved attention in the recent years. We posit that the traditional system analysis perspective is needed when designing and implementing ML algorithms and systems. Such perspective can provide a formal way for evaluating and enabling responsible ML practices. In this paper, we review components of the System Analysis methodology and highlight how they connect and enable responsible practices of ML design.
Abstract（参考訳）: 近年,MLアルゴリズムの実践的設定における無責任な使用は,多くの注目を集めている。 MLアルゴリズムやシステムの設計と実装には,従来のシステム分析の視点が必要であると仮定する。このような視点は、責任あるMLプラクティスを評価し、有効にするための正式な方法を提供することができます。本稿では,システム分析手法のコンポーネントをレビューし,それらがML設計の責任ある実践をどのように結び付けて有効にするかを明らかにする。

関連論文リスト

Naming the Pain in Machine Learning-Enabled Systems Engineering [8.092979562919878]
機械学習(ML)対応システムは、企業によってますます採用されている。本稿では,ML対応システムの現状を概観する。
論文参考訳（メタデータ） (2024-05-20T06:59:20Z)
Vulnerability of Machine Learning Approaches Applied in IoT-based Smart Grid: A Review [51.31851488650698]
機械学習(ML)は、IoT(Internet-of-Things)ベースのスマートグリッドでの使用頻度が高まっている。電力信号に注入された逆方向の歪みはシステムの正常な制御と操作に大きな影響を及ぼす安全クリティカルパワーシステムに適用されたMLsgAPPの脆弱性評価を行うことが不可欠である。
論文参考訳（メタデータ） (2023-08-30T03:29:26Z)
Understanding the Complexity and Its Impact on Testing in ML-Enabled Systems [8.630445165405606]
世界中の企業で広く採用されている産業対話システムであるRasa 3.0について検討する。私たちのゴールは、このような大規模なML対応システムの複雑さを特徴づけ、テストにおける複雑さの影響を理解することです。本研究は,ML対応システムにおけるソフトウェア工学の実践的意義を明らかにする。
論文参考訳（メタデータ） (2023-01-10T08:13:24Z)
Empowering the trustworthiness of ML-based critical systems through engineering activities [0.0]
本稿では、信頼できる機械学習(ML)アルゴリズムの全エンジニアリングプロセスについてレビューする。 MLの基本原則から始まり、特に設計を通じて、その信頼を条件づける中核要素を説明します。
論文参考訳（メタデータ） (2022-09-30T12:42:18Z)
Towards Perspective-Based Specification of Machine Learning-Enabled Systems [1.3406258114080236]
本稿では、ML対応システムを特定するための視点に基づくアプローチに向けた取り組みについて述べる。このアプローチでは、目標、ユーザエクスペリエンス、インフラストラクチャ、モデル、データという5つの視点にグループ化された45のML関心事のセットを分析する。本論文の主な貢献は、ML対応システムを特定するのに役立つ2つの新しいアーティファクトを提供することである。
論文参考訳（メタデータ） (2022-06-20T13:09:23Z)
Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文参考訳（メタデータ） (2021-11-28T14:24:52Z)
Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文参考訳（メタデータ） (2021-08-17T17:44:38Z)
Practical Machine Learning Safety: A Survey and Primer [81.73857913779534]
自動運転車のような安全クリティカルなアプリケーションにおける機械学習アルゴリズムのオープンワールド展開は、さまざまなML脆弱性に対処する必要がある。一般化エラーを低減し、ドメイン適応を実現し、外乱例や敵攻撃を検出するための新しいモデルと訓練技術。我々の組織は、MLアルゴリズムの信頼性を異なる側面から向上するために、最先端のML技術を安全戦略にマッピングする。
論文参考訳（メタデータ） (2021-06-09T05:56:42Z)
A Survey of Machine Learning for Computer Architecture and Systems [18.620218353713476]
コンピュータアーキテクチャとシステムが機械学習(ml)アルゴリズムやモデルの効率的な実行を可能にするように最適化されるのは、長い間のことです。今こそ、MLとシステムの関係を再考し、MLがコンピュータアーキテクチャとシステムが設計される方法を変える時です。
論文参考訳（メタデータ） (2021-02-16T04:09:57Z)
Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文参考訳（メタデータ） (2021-01-11T15:54:48Z)
Technology Readiness Levels for AI & ML [79.22051549519989]
機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
論文参考訳（メタデータ） (2020-06-21T17:14:34Z)

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。