論文の概要: Knowledge Augmented Machine Learning with Applications in Autonomous
Driving: A Survey
- arxiv url: http://arxiv.org/abs/2205.04712v1
- Date: Tue, 10 May 2022 07:25:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-14 18:08:28.520695
- Title: Knowledge Augmented Machine Learning with Applications in Autonomous
Driving: A Survey
- Title(参考訳): 知識強化機械学習と自動運転への応用:調査
- Authors: Julian W\"ormann, Daniel Bogdoll, Etienne B\"uhrle, Han Chen,
Evaristus Fuh Chuo, Kostadin Cvejoski, Ludger van Elst, Tobias Glei{\ss}ner,
Philip Gottschall, Stefan Griesche, Christian Hellert, Christian Hesels,
Sebastian Houben, Tim Joseph, Niklas Keil, Johann Kelsch, Hendrik
K\"onigshof, Erwin Kraft, Leonie Kreuser, Kevin Krone, Tobias Latka, Denny
Mattern, Stefan Matthes, Mohsin Munir, Moritz Nekolla, Adrian Paschke,
Maximilian Alexander Pintz, Tianming Qiu, Faraz Qureishi, Syed Tahseen Raza
Rizvi, J\"org Reichardt, Laura von Rueden, Stefan Rudolph, Alexander Sagel,
Gerhard Schunk, Hao Shen, Hendrik Stapelbroek, Vera Stehr, Gurucharan
Srinivas, Anh Tuan Tran, Abhishek Vivekanandan, Ya Wang, Florian Wasserrab,
Tino Werner, Christian Wirth, Stefan Zwicklbauer
- Abstract要約: この研究は、データベースのモデルと既存の知識を組み合わせたテクニックの概要を提供する。
自動運転分野の応用に特に注意が向けられている。
- 参考スコア(独自算出の注目度): 43.69678931937676
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The existence of representative datasets is a prerequisite of many successful
artificial intelligence and machine learning models. However, the subsequent
application of these models often involves scenarios that are inadequately
represented in the data used for training. The reasons for this are manifold
and range from time and cost constraints to ethical considerations. As a
consequence, the reliable use of these models, especially in safety-critical
applications, is a huge challenge. Leveraging additional, already existing
sources of knowledge is key to overcome the limitations of purely data-driven
approaches, and eventually to increase the generalization capability of these
models. Furthermore, predictions that conform with knowledge are crucial for
making trustworthy and safe decisions even in underrepresented scenarios. This
work provides an overview of existing techniques and methods in the literature
that combine data-based models with existing knowledge. The identified
approaches are structured according to the categories integration, extraction
and conformity. Special attention is given to applications in the field of
autonomous driving.
- Abstract(参考訳): 代表的データセットの存在は多くの成功した人工知能と機械学習モデルの前提条件である。
しかしながら、これらのモデルのその後の適用は、トレーニングに使用するデータで不十分に表現されるシナリオを伴うことが多い。
理由は多様体であり、時間とコストの制約から倫理的考察まで様々である。
その結果、これらのモデル、特に安全クリティカルなアプリケーションでの信頼性の高い使用は、大きな課題となる。
追加的な既存の知識ソースを活用することは、純粋データ駆動アプローチの制限を克服し、最終的にはこれらのモデルの一般化能力を高めるための鍵となる。
さらに、知識に適合する予測は、不十分なシナリオにおいても信頼できる安全な決定を下すのに不可欠である。
本研究は、データベースモデルと既存の知識を組み合わせた文献における既存の技術と手法の概要を提供する。
識別されたアプローチはカテゴリ統合、抽出、適合性に従って構成される。
自動運転分野の応用には特に注意が払われている。
関連論文リスト
- SAGE: Generating Symbolic Goals for Myopic Models in Deep Reinforcement
Learning [18.37286885057802]
従来使用できなかった不完全モデルのクラスを利用するための学習と計画を組み合わせたアルゴリズムを提案する。
これは、象徴的な計画とニューラルネットワークのアプローチの長所を、タクシーの世界とマインクラフトのバリエーションで競合する手法を上回る、新しい方法で組み合わせたものだ。
論文 参考訳(メタデータ) (2022-03-09T22:55:53Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳(メタデータ) (2021-12-22T14:45:37Z) - Ex-Model: Continual Learning from a Stream of Trained Models [12.27992745065497]
連続的な学習システムは、訓練されたモデルの形式で圧縮された情報の可用性を活用するべきであると論じる。
エージェントが生データの代わりに以前に訓練されたモデルのシーケンスから学習する「Ex-Model Continual Learning」(Ex-Model Continual Learning)という新しいパラダイムを導入し、形式化する。
論文 参考訳(メタデータ) (2021-12-13T09:46:16Z) - Logic Constraints to Feature Importances [17.234442722611803]
AIモデルの"ブラックボックス"の性質は、診断技術や自律的ガイドなど、高度な分野における信頼性の高い応用の限界であることが多い。
近年の研究では、適切な解釈可能性のレベルが、モデル信頼性というより一般的な概念を強制できることが示されている。
本論文の基本的な考え方は,特定のタスクにおける特徴の重要性に関する人間の事前知識を利用して,モデルの適合のフェーズを整合的に支援することである。
論文 参考訳(メタデータ) (2021-10-13T09:28:38Z) - Importance measures derived from random forests: characterisation and
extension [0.2741266294612776]
この論文は、機械学習アルゴリズムの特定のファミリーによって構築されたモデルの解釈可能性を改善することを目的としている。
これらのモデルを解釈するためにいくつかのメカニズムが提案されており、この理論に沿ってそれらの理解を改善することを目指している。
論文 参考訳(メタデータ) (2021-06-17T13:23:57Z) - Individual Explanations in Machine Learning Models: A Case Study on
Poverty Estimation [63.18666008322476]
機械学習の手法は、敏感な社会的文脈でますます適用されつつある。
本研究の主な目的は2つある。
まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。
次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
論文 参考訳(メタデータ) (2021-04-09T01:54:58Z) - Individual Explanations in Machine Learning Models: A Survey for
Practitioners [69.02688684221265]
社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。
多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。
近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
論文 参考訳(メタデータ) (2021-04-09T01:46:34Z) - Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。
実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
論文 参考訳(メタデータ) (2021-01-16T23:45:02Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳(メタデータ) (2020-12-15T16:29:49Z)
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。