論文の概要: Concept Identification for Complex Engineering Datasets
- arxiv url: http://arxiv.org/abs/2206.06155v1
- Date: Thu, 9 Jun 2022 09:39:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-14 16:28:12.548110
- Title: Concept Identification for Complex Engineering Datasets
- Title(参考訳): 複雑なエンジニアリングデータセットの概念同定
- Authors: Felix Lanfermann and Sebastian Schmitt
- Abstract要約: データセットにおける概念の定義に対する客観的な価値を提供する新しい概念品質尺度が提案されている。
本研究は,これらの概念を用いて,各概念の特徴を示すデータセットの古参代表を選択できることを実証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Finding meaningful concepts in engineering application datasets which allow
for a sensible grouping of designs is very helpful in many contexts. It allows
for determining different groups of designs with similar properties and
provides useful knowledge in the engineering decision making process. Also, it
opens the route for further refinements of specific design candidates which
exhibit certain characteristic features. In this work, an approach to define
meaningful and consistent concepts in an existing engineering dataset is
presented. The designs in the dataset are characterized by a multitude of
features such as design parameters, geometrical properties or performance
values of the design for various boundary conditions. In the proposed approach
the complete feature set is partitioned into several subsets called description
spaces. The definition of the concepts respects this partitioning which leads
to several desired properties of the identified concepts, which cannot be
achieved with state-of-the-art clustering or concept identification approaches.
A novel concept quality measure is proposed, which provides an objective value
for a given definition of concepts in a dataset. The usefulness of the measure
is demonstrated by considering a realistic engineering dataset consisting of
about 2500 airfoil profiles where the performance values (lift and drag) for
three different operating conditions were obtained by a computational fluid
dynamics simulation. A numerical optimization procedure is employed which
maximizes the concept quality measure, and finds meaningful concepts for
different setups of the description spaces while also incorporating user
preference. It is demonstrated how these concepts can be used to select
archetypal representatives of the dataset which exhibit characteristic features
of each concept.
- Abstract(参考訳): 設計の合理的なグループ化を可能にするエンジニアリングアプリケーションデータセットに意味のある概念を見つけることは、多くのコンテキストにおいて非常に役立ちます。
同様の特性を持つ異なる設計グループを決定することができ、工学的意思決定プロセスにおいて有用な知識を提供する。
また、特定の特徴を示す特定の設計候補をさらに洗練するための道を開く。
本研究では,既存のエンジニアリングデータセットにおいて意味のある,一貫した概念を定義するアプローチを示す。
データセットの設計は、設計パラメータ、幾何学的特性、および様々な境界条件に対する設計の性能値など、さまざまな特徴によって特徴づけられる。
提案手法では、完全な特徴集合を記述空間と呼ばれるいくつかの部分集合に分割する。
概念の定義は、この分割を尊重し、特定された概念のいくつかの望ましい特性をもたらすが、最先端のクラスタリングや概念識別アプローチでは達成できない。
データセットにおける概念の定義に対する客観的な価値を提供する新しい概念品質尺度が提案されている。
計算流体力学シミュレーションにより3つの異なる操作条件における性能値(リフト・アンド・ドラッグ)が得られた約2500の翼面プロファイルからなる現実的な工学的データセットを考慮し,本測定の有用性を実証した。
概念品質尺度を最大化し、ユーザ嗜好を取り入れつつ記述空間の異なる設定に対して有意義な概念を求める数値最適化手法を用いる。
本研究は,これらの概念を用いて,各概念の特徴を示すデータセットの古参代表を選択できることを示す。
関連論文リスト
- Knowledge graphs for empirical concept retrieval [1.06378109904813]
概念に基づく説明可能なAIは、あるユーザの前提における複雑なモデルの理解を改善するツールとして期待されている。
本稿では,テキスト領域と画像領域の両方でユーザ主導のデータ収集を行うワークフローを提案する。
我々は,概念アクティベーションベクトル(CAV)と概念アクティベーション領域(CAR)の2つの概念ベース説明可能性手法を用いて,検索した概念データセットをテストする。
論文 参考訳(メタデータ) (2024-04-10T13:47:22Z) - Text-Video Retrieval with Disentangled Conceptualization and Set-to-Set
Alignment [17.423361070781876]
本研究では,人間の概念化と推論の過程をシミュレートするために,Distangled Conceptualization and Set-to-set Alignment (DiCoSA)を提案する。
絡み合った概念化のために、粗い特徴を意味論的概念に関連する複数の潜在要因に分割する。
セット・ツー・セットのアライメントにおいて、視覚概念の集合がテキスト概念の集合に対応する場合、セマンティック概念を集約する適応プーリング法を提案する。
論文 参考訳(メタデータ) (2023-05-20T15:48:47Z) - Understanding Concept Identification as Consistent Data Clustering
Across Multiple Feature Spaces [2.631955426232593]
概念識別は、すべての特徴の合同空間で類似したデザインインスタンスのグループを特定することを目的としている。
これらの特徴のいくつかを個別に考慮し、設計概念の質を評価することが望ましい。
そこで本研究では,概念同定をクラスタリングアルゴリズムの特別な形式として,幅広い潜在的な応用の可能性について考察する。
論文 参考訳(メタデータ) (2023-01-13T13:08:54Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳(メタデータ) (2022-11-29T17:28:31Z) - Automatic Concept Extraction for Concept Bottleneck-based Video
Classification [58.11884357803544]
本稿では,概念に基づくビデオ分類に必要かつ十分な概念抽象セットを厳格に構成する概念発見抽出モジュールを提案する。
提案手法は,自然言語における概念概念の抽象概念を応用し,複雑なタスクに概念ボトルネック法を一般化する。
論文 参考訳(メタデータ) (2022-06-21T06:22:35Z) - Concept Activation Vectors for Generating User-Defined 3D Shapes [11.325580593182414]
CAD(Computer-Aided Design)における3次元幾何学的深層学習モデルの解釈可能性について検討する。
ディープラーニングアーキテクチャを用いて高次元の3次元形状をベクトル化潜在表現に符号化し、任意の概念を記述する。
論文 参考訳(メタデータ) (2022-04-29T13:09:18Z) - Discovering Concepts in Learned Representations using Statistical
Inference and Interactive Visualization [0.76146285961466]
概念発見は、深層学習の専門家とモデルエンドユーザーの間のギャップを埋めるために重要である。
現在のアプローチには、手作りの概念データセットと、それを潜在空間方向に変換することが含まれる。
本研究では,複数の仮説テストに基づく意味ある概念のユーザ発見と,インタラクティブな可視化に関する2つのアプローチを提案する。
論文 参考訳(メタデータ) (2022-02-09T22:29:48Z) - Translational Concept Embedding for Generalized Compositional Zero-shot
Learning [73.60639796305415]
一般合成ゼロショット学習は、ゼロショット方式で属性オブジェクト対の合成概念を学習する手段である。
本稿では,これら2つの課題を統一的なフレームワークで解決するために,翻訳概念の埋め込み(translational concept embedded)という新しいアプローチを提案する。
論文 参考訳(メタデータ) (2021-12-20T21:27:51Z) - 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) - Closed-Form Factorization of Latent Semantics in GANs [65.42778970898534]
画像合成のために訓練されたGAN(Generative Adversarial Networks)の潜在空間に、解釈可能な次元の豊富なセットが出現することが示されている。
本研究では,GANが学習した内部表現について検討し,その基礎となる変動要因を教師なしで明らかにする。
本稿では,事前学習した重みを直接分解することで,潜在意味発見のためのクローズドフォーム因数分解アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-07-13T18:05:36Z) - Dynamic Feature Integration for Simultaneous Detection of Salient
Object, Edge and Skeleton [108.01007935498104]
本稿では,高次物体分割,エッジ検出,スケルトン抽出など,低レベルの3つの視覚問題を解く。
まず、これらのタスクで共有される類似点を示し、統一されたフレームワークの開発にどのように活用できるかを示す。
論文 参考訳(メタデータ) (2020-04-18T11:10:11Z)
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。