論文の概要: The Transform-o-meter: A method to forecast the transformative impact of
innovation
- arxiv url: http://arxiv.org/abs/2208.04711v1
- Date: Fri, 15 Jul 2022 20:24:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-14 18:23:25.442522
- Title: The Transform-o-meter: A method to forecast the transformative impact of
innovation
- Title(参考訳): Transform-o-meter:イノベーションの変革的影響を予測する方法
- Authors: Hector G. T. Torres
- Abstract要約: 本稿では,上述の目標を達成するための手法であるTransform-o-meterを紹介する。
この方法は、前述の目的のために効果的に使用できるが、第一のアプローチとして捉えるべきである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the advent of Transformative Artificial Intelligence, it is now more
important than ever to be able to both measure and forecast the transformative
impact/potential of innovation. However, current methods fall short when faced
with this task. This paper introduces the Transform-o-meter; a methodology that
can be used to achieve the aforementioned goal, and be applied to any
innovation, both material and immaterial. While this method can effectively be
used for the mentioned purpose, it should be taken as a first approach; to be
iterated, researched, and expanded further upon.
- Abstract(参考訳): トランスフォーマティブ・人工知能(Transformative Artificial Intelligence)の出現により、イノベーションの変革的影響やポテンシャルを計測し、予測できることがこれまで以上に重要になった。
しかし、現在の手法はこの課題に直面すると不足する。
本稿では,上述の目標を達成するための手法であるtransform-o-meterについて紹介する。
この方法は、前述の目的に効果的に利用することができるが、第1のアプローチとして、反復し、研究し、さらに拡張すべきである。
関連論文リスト
- Learning Transferable Conceptual Prototypes for Interpretable
Unsupervised Domain Adaptation [79.22678026708134]
本稿では,Transferable Prototype Learning (TCPL) という,本質的に解釈可能な手法を提案する。
この目的を達成するために、ソースドメインからターゲットドメインにカテゴリの基本概念を転送する階層的なプロトタイプモジュールを設計し、基礎となる推論プロセスを説明するためにドメイン共有プロトタイプを学習する。
総合的な実験により,提案手法は有効かつ直感的な説明を提供するだけでなく,従来の最先端技術よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-10-12T06:36:41Z) - A New Transformation Approach for Uplift Modeling with Binary Outcome [7.828300476533517]
Uplift Modeling(アップリフト・モデリング)は、機械学習のテクニックで、何らかのアクションを実行することで、それを受け取らないことで得られる利益を予測する。
本稿では,2値対象変数の場合の新たな変換結果を設計し,結果ゼロのサンプルの完全な値をアンロックする。
当社の新たなアプローチは、中国全土の金融保有グループの精密マーケティングにすでに適用されています。
論文 参考訳(メタデータ) (2023-10-09T09:17:52Z) - Diffusion Methods for Generating Transition Paths [6.222135766747873]
本研究では,スコアベース生成モデルを用いて準安定状態間の稀な遷移をシミュレートする。
本稿では,チェーンベースアプローチとミッドポイントベースアプローチの2つの新しい経路生成手法を提案する。
M"uller電位とアラニンジペプチドが生成する遷移経路の数値的な結果は、これらのアプローチがデータリッチとデータスカースの両方で有効であることを示す。
論文 参考訳(メタデータ) (2023-09-19T03:03:03Z) - ViDA: Homeostatic Visual Domain Adapter for Continual Test Time
Adaptation [49.84571101331491]
目標ドメインの継続的な変更に事前訓練されたモデルを適用するために、CTTAタスクを提案する。
我々はCTTAのためのビジュアルドメインアダプタ(ViDA)を提案し、ドメイン固有知識とドメイン共有知識の両方を明示的に扱う。
提案手法は,CTTAタスクの分類とセグメント化の両方において,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-06-07T11:18:53Z) - Visualizing Transferred Knowledge: An Interpretive Model of Unsupervised
Domain Adaptation [70.85686267987744]
教師なしのドメイン適応問題は、ラベル付きソースドメインからラベルなしターゲットドメインに知識を転送することができる。
本稿では、翻訳された知識の謎を視覚的に明らかにする最初の試みとして、教師なしドメイン適応の解釈モデルを提案する。
提案手法は,ベースモデルの予測を直感的に説明し,画像パッチをソースドメインとターゲットドメインの両方で同一のセマンティクスとマッチングすることで伝達知識を公開する。
論文 参考訳(メタデータ) (2023-03-04T03:02:12Z) - Off-Policy Evaluation for Action-Dependent Non-Stationary Environments [28.263486678914656]
シーケンシャルな意思決定の方法は、根底にある決定プロセスが定常であるという基本的な仮定に基づいて構築されることが多い。
これは、実世界の問題は外部要因(パッシブ非定常性)、システム自体との相互作用によって引き起こされる変化(アクティブ非定常性)、あるいはその両方(ハイブリッド非定常性)によってしばしば変化するため、そのような方法の適用を制限する。
本稿では,反実的推論の二重適用と新たな重み付き器量変量回帰を用いたアルゴリズムOPENを提案する。
論文 参考訳(メタデータ) (2023-01-24T22:21:16Z) - Vision Transformers for Action Recognition: A Survey [41.69370782177517]
コンピュータビジョン問題を解決する強力なツールとして、ビジョントランスフォーマーが登場している。
最近の技術は、多数のビデオ関連タスクを解決するために、画像領域を超えたトランスフォーマーの有効性を証明している。
人間の行動認識は、広く応用されているため、研究コミュニティから特別に注目を集めている。
論文 参考訳(メタデータ) (2022-09-13T02:57:05Z) - Incorporating Task-specific Concept Knowledge into Script Learning [68.95195207989605]
私たちは、Goal-Oriented Script Completionの新しいタスクであるTetrisを紹介します。
より現実的で一般的な設定で、入力にはゴールだけでなく、追加のユーザコンテキストも含まれる。
性能向上に2つの手法を用いる新しい手法を提案する。
論文 参考訳(メタデータ) (2022-08-31T18:55:22Z) - Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。
計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。
また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
論文 参考訳(メタデータ) (2022-03-23T06:24:31Z) - Motion Generation Using Bilateral Control-Based Imitation Learning with
Autoregressive Learning [3.4410212782758047]
本稿では,二元的制御に基づく模倣学習のための自己回帰学習法を提案する。
自己回帰学習を実装するニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2020-11-12T04:35:48Z) - Uniform Priors for Data-Efficient Transfer [65.086680950871]
もっとも移動可能な特徴は埋め込み空間において高い均一性を有することを示す。
我々は、未確認のタスクやデータへの適応を容易にする能力の正規化を評価する。
論文 参考訳(メタデータ) (2020-06-30T04:39:36Z)
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。