論文の概要: Smart System: Joint Utility and Frequency for Pattern Classification
- arxiv url: http://arxiv.org/abs/2206.04269v1
- Date: Thu, 9 Jun 2022 04:32:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-10 15:25:38.313808
- Title: Smart System: Joint Utility and Frequency for Pattern Classification
- Title（参考訳）: スマートシステム:パターン分類のための共同ユーティリティと周波数
- Authors: Qi Lin, Wensheng Gan, Yongdong Wu, Jiahui Chen, Chien-Ming Chen
- Abstract要約: UFC$_gen$とUFC$_fast$という2つの新しいアルゴリズムを提案する。
どちらのアルゴリズムも、3種類のパターンを収集して、異なる製品の組み合わせの市場位置を決定するように設計されている。
- 参考スコア（独自算出の注目度）: 3.2184641477609364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, the environments of smart systems for Industry 4.0 and Internet of
Things (IoT) are experiencing fast industrial upgrading. Big data technologies
such as design making, event detection, and classification are developed to
help manufacturing organizations to achieve smart systems. By applying data
analysis, the potential values of rich data can be maximized and thus help
manufacturing organizations to finish another round of upgrading. In this
paper, we propose two new algorithms with respect to big data analysis, namely
UFC$_{gen}$ and UFC$_{fast}$. Both algorithms are designed to collect three
types of patterns to help people determine the market positions for different
product combinations. We compare these algorithms on various types of datasets,
both real and synthetic. The experimental results show that both algorithms can
successfully achieve pattern classification by utilizing three different types
of interesting patterns from all candidate patterns based on user-specified
thresholds of utility and frequency. Furthermore, the list-based UFC$_{fast}$
algorithm outperforms the level-wise-based UFC$_{gen}$ algorithm in terms of
both execution time and memory consumption.
- Abstract（参考訳）: 現在、産業用スマートシステムとiot(internet of things)の環境は、産業アップグレードが急速に進んでいる。
設計、イベント検出、分類といったビッグデータ技術は、製造業組織がスマートシステムを実現するのに役立つように開発されている。
データ分析を適用することで、リッチデータの潜在的な価値を最大化し、製造業組織がさらなるアップグレードを完了させるのに役立つ。
本稿では,ビッグデータ解析に関して,ufc$_{gen}$とufc$_{fast}$という2つの新しいアルゴリズムを提案する。
両方のアルゴリズムは、3種類のパターンを収集し、異なる製品の組み合わせの市場位置を決定する。
これらのアルゴリズムを実データと合成データの両方で比較する。
実験の結果,これらのアルゴリズムは,ユーザ指定の実用性と頻度のしきい値に基づいて,すべての候補パターンから3種類の興味深いパターンを抽出し,パターン分類を実現することができた。
さらに、リストベースのUFC$_{fast}$アルゴリズムは、実行時間とメモリ消費の両方の観点から、レベルワイドなUFC$_{gen}$アルゴリズムより優れている。
関連論文リスト
- From Decoding to Meta-Generation: Inference-time Algorithms for Large Language Models [63.188607839223046]
この調査は、推論中に計算をスケールするメリットに焦点を当てている。
我々はトークンレベルの生成アルゴリズム、メタジェネレーションアルゴリズム、効率的な生成という3つの領域を統一的な数学的定式化の下で探索する。
論文 参考訳（メタデータ） (2024-06-24T17:45:59Z) - Resource saving taxonomy classification with k-mer distributions and
machine learning [2.0196229393131726]
我々はDNAから得られた$k$-merの分布を、その分類学的起源を分類するための特徴として用いることを提案する。
以上の結果から,本手法は属レベルでの分類を改良し,スーパーキングダムや植物レベルでの同等の結果が得られることが示された。
論文 参考訳（メタデータ） (2023-03-10T08:01:08Z) - Towards Automated Imbalanced Learning with Deep Hierarchical
Reinforcement Learning [57.163525407022966]
不均衡学習はデータマイニングにおいて基本的な課題であり、各クラスにトレーニングサンプルの不均等な比率が存在する。
オーバーサンプリングは、少数民族のための合成サンプルを生成することによって、不均衡な学習に取り組む効果的な手法である。
我々は,異なるレベルの意思決定を共同で最適化できる自動オーバーサンプリングアルゴリズムであるAutoSMOTEを提案する。
論文 参考訳（メタデータ） (2022-08-26T04:28:01Z) - Towards Meta-learned Algorithm Selection using Implicit Fidelity
Information [13.750624267664156]
IMFASは、計算コストの低い任意のメタ機能によって容易に豊かになる情報的ランドマークを生産する。
テスト期間中に、ほぼ半分の忠実度シーケンスでSuccessive Halvingを破ることができることを示す。
論文 参考訳（メタデータ） (2022-06-07T09:14:24Z) - Self-service Data Classification Using Interactive Visualization and
Interpretable Machine Learning [9.13755431537592]
Iterative Visual Logical (IVLC) は、解釈可能な機械学習アルゴリズムである。
IVLCは、医療領域における癌データのような機密で重要なデータを扱う際に特に有用である。
この章では、新しいコーディネートオーダー(COO)アルゴリズムと遺伝的アルゴリズムを組み合わせた自動分類手法を提案する。
論文 参考訳（メタデータ） (2021-07-11T05:39:14Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳（メタデータ） (2020-12-29T23:43:16Z) - Metrical Task Systems with Online Machine Learned Advice [0.0]
機械学習予測器によるオンラインアルゴリズムの強化は,予測器の精度が適切であれば,競争比を確実に低下させることができることを示す。
我々は、$n$タスク上の一様タスクシステムの特定のクラスに焦点を当て、最良の決定論的アルゴリズムは$O(n)$競争であり、最良のランダム化アルゴリズムは$O(log n)$競争である。
論文 参考訳（メタデータ） (2020-12-17T04:56:51Z) - A Systematic Characterization of Sampling Algorithms for Open-ended
Language Generation [71.31905141672529]
本稿では,自己回帰型言語モデルに広く採用されている祖先サンプリングアルゴリズムについて検討する。
エントロピー低減, 秩序保存, 斜面保全の3つの重要な特性を同定した。
これらの特性を満たすサンプリングアルゴリズムのセットが,既存のサンプリングアルゴリズムと同等に動作することがわかった。
論文 参考訳（メタデータ） (2020-09-15T17:28:42Z) - New Oracle-Efficient Algorithms for Private Synthetic Data Release [52.33506193761153]
微分プライベートな合成データを構築するための3つの新しいアルゴリズムを提案する。
アルゴリズムは最悪の場合でも差分プライバシーを満たす。
現状の手法である高次元行列機構 citeMcKennaMHM18 と比較すると,我々のアルゴリズムは大規模作業負荷の精度が向上する。
論文 参考訳（メタデータ） (2020-07-10T15:46:05Z) - Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。
我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
論文 参考訳（メタデータ） (2020-04-15T15:58:05Z)
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。