論文の概要: An Intelligent Assistant for Converting City Requirements to Formal Specification

• arxiv url: http://arxiv.org/abs/2206.07152v1
• Date: Tue, 14 Jun 2022 20:26:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-18 23:47:23.182913
• Title: An Intelligent Assistant for Converting City Requirements to Formal Specification
• Title（参考訳）: 都市要求を形式的仕様に変換するインテリジェントアシスタント
• Authors: Zirong Chen, Isaac Li, Haoxiang Zhang, Sarah Preum, John Stankovic, Meiyi Ma
• Abstract要約: スマートシティにおける要求仕様のためのインテリジェントアシスタントシステムであるCitySpecを紹介する。 本研究の目的は,(1)CitySpecにおける要件のインタラクティブな完了,(2)CitySepcが例外に遭遇する間,CitySpecにおけるヒューマン・イン・ザ・ループの修正,(3)CitySpecにおけるオンライン学習の3つのデモを紹介することである。
• 参考スコア（独自算出の注目度）: 1.5267236995686557
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As more and more monitoring systems have been deployed to smart cities, there comes a higher demand for converting new human-specified requirements to machine-understandable formal specifications automatically. However, these human-specific requirements are often written in English and bring missing, inaccurate, or ambiguous information. In this paper, we present CitySpec, an intelligent assistant system for requirement specification in smart cities. CitySpec not only helps overcome the language differences brought by English requirements and formal specifications, but also offers solutions to those missing, inaccurate, or ambiguous information. The goal of this paper is to demonstrate how CitySpec works. Specifically, we present three demos: (1) interactive completion of requirements in CitySpec; (2) human-in-the-loop correction while CitySepc encounters exceptions; (3) online learning in CitySpec.
• Abstract（参考訳）: スマートシティにますます多くの監視システムが展開されているため、新しい人間仕様の要求をマシンで理解可能な形式仕様に自動的に変換する需要が高まっている。 しかしながら、これらの人間の要求はしばしば英語で書かれており、欠落、不正確、曖昧な情報をもたらす。 本稿では,スマート都市における要求仕様のためのインテリジェントアシスタントシステムcityspecを提案する。 cityspecは、英語の要件と正式な仕様によってもたらされる言語の違いを克服するだけでなく、不足、不正確、曖昧な情報に対する解決策を提供する。 本稿の目的は、CitySpecの動作を実証することである。 具体的には,(1)cityspecにおける要求の相互補完,(2)citysepcにおけるヒューマン・イン・ザ・ループ補正,(3)cityspecにおけるオンライン学習の3つのデモを行った。

関連論文リスト

• Grounding-IQA: Multimodal Language Grounding Model for Image Quality Assessment [69.07445098168344]
  我々は,新しい画像品質評価(IQA)タスクパラダイム,グラウンドング-IQAを導入する。 Grounding-IQAは2つのサブタスクからなる: Grounding-IQA-description (GIQA-DES) と visual question answering (GIQA-VQA)。 グラウンドディング-IQAを実現するために,提案した自動アノテーションパイプラインを通じて対応するデータセットGIQA-160Kを構築した。 提案したタスクパラダイム,データセット,ベンチマークが,よりきめ細かいIQAアプリケーションを促進することを示す。
  論文  参考訳（メタデータ） (2024-11-26T09:03:16Z)
• 3D Question Answering for City Scene Understanding [12.433903847890322]
  3Dマルチモーダル質問応答(MQA)は,知的エージェントが周囲を3D環境下で理解できるようにすることによって,シーン理解において重要な役割を担っている。 都市レベルのシーン理解のための3D MQAデータセットCity-3DQAを提案する。 新しいベンチマークを報告し,提案したSg-CityUはCity-3DQAの異なる設定で63.94 %と63.76 %の精度を達成する。
  論文  参考訳（メタデータ） (2024-07-24T16:22:27Z)
• MTVQA: Benchmarking Multilingual Text-Centric Visual Question Answering [58.92057773071854]
  MTVQAは、9つの異なる言語にまたがる高品質なヒューマンエキスパートアノテーションを特徴とする最初のベンチマークである。 MTVQAは9つの異なる言語にわたる高品質なヒューマンエキスパートアノテーションを特徴とする最初のベンチマークである。
  論文  参考訳（メタデータ） (2024-05-20T12:35:01Z)
• Specification Overfitting in Artificial Intelligence [1.8292622558116727]
  機械学習(ML)と人工知能(AI)のアプローチは、その固有のバイアスと、制御の欠如、説明責任、透明性のためにしばしば批判される。 公平性や堅牢性といった高レベルの要件は、具体的な仕様メトリクスに形式化する必要があります。 本稿では,高レベルの要求とタスク性能の低下に対して,特定の指標に過度に注目するシナリオである仕様オーバーフィッティングを定義する。
  論文  参考訳（メタデータ） (2024-03-13T11:20:34Z)
• CitySpec with Shield: A Secure Intelligent Assistant for Requirement Formalization [4.550811027560416]
  既存の都市要件の多くは英語で書かれており、不正確、曖昧な情報が欠落している。 私たちは、スマートシティにおける要求仕様のための最初のインテリジェントアシスタントシステムであるCitySpecを構築します。
  論文  参考訳（メタデータ） (2023-02-19T20:11:06Z)
• Multi-VALUE: A Framework for Cross-Dialectal English NLP [49.55176102659081]
  マルチディレクト (Multi-Dilect) は、50の英語方言にまたがる制御可能なルールベースの翻訳システムである。 ストレステストは、非標準方言の先行モデルに対する顕著な性能格差を示す。 私たちはチカノやインド英語のネイティブスピーカーと提携して、人気のあるCoQAタスクの新しいゴールドスタンダード版をリリースしています。
  論文  参考訳（メタデータ） (2022-12-15T18:17:01Z)
• SQA3D: Situated Question Answering in 3D Scenes [86.0205305318308]
  エンボディエージェントのシーン理解をベンチマークする新しいタスクを提案する:3次元シーンにおける質問回答(SQA3D) シーンコンテキストが与えられた場合、SQA3Dはテスト対象のエージェントに対して、まずテキストによって記述された3Dシーンの状況を理解し、その環境を判断し、その状況下での質問に答えるように要求する。 ScanNetの650のシーンに基づいて、20.4kの記述と33.4kの多様な推論問題とともに、6.8kのユニークな状況を中心としたデータセットを提供する。
  論文  参考訳（メタデータ） (2022-10-14T02:52:26Z)
• CitySpec: An Intelligent Assistant System for Requirement Specification in Smart Cities [4.550811027560416]
  既存の都市要件の多くは英語で書かれており、不正確、曖昧な情報が欠落している。 私たちは、スマートシティにおける要求仕様のための最初のインテリジェントアシスタントシステムであるCitySpecを構築します。
  論文  参考訳（メタデータ） (2022-06-07T09:15:25Z)
• VALUE: Understanding Dialect Disparity in NLU [50.35526025326337]
  アフリカ・アメリカン・バーナクラ・イングリッシュ(AAVE)の11つの特徴に関するルールを構築した。 言語的アクセプタビリティ判断により,各特徴変換の検証を行うために,流線型AAVE話者を募集する。 実験により、これらの新しい方言の特徴がモデル性能の低下につながることが示された。
  論文  参考訳（メタデータ） (2022-04-06T18:30:56Z)
• Automated Urban Planning for Reimagining City Configuration via Adversarial Learning: Quantification, Generation, and Evaluation [30.48671788567521]
  都市計画とは、ある地域に与えられた土地利用形態を設計することを指す。 効果的な都市計画を得るためには、都市の専門家は高度に計画された制約を分析するのに多くの時間と労力を費やす必要がある。 我々は、都市自動計画問題を深層学習の課題に定式化する。
  論文  参考訳（メタデータ） (2021-12-26T00:59:35Z)
• Multilingual Answer Sentence Reranking via Automatically Translated Data [97.98885151955467]
  本稿では,現代の質問応答システム(QA)のコアコンポーネントである,多言語回答文選択(AS2)モデルの設計について述べる。 主なアイデアは、あるリソースリッチ言語(英語など)から、他の言語へのデータ転送であり、リソースの観点からはよりリッチである。
  論文  参考訳（メタデータ） (2021-02-20T03:52:08Z)

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。