論文の概要: Experts in the Loop: Conditional Variable Selection for Accelerating Post-Silicon Analysis Based on Deep Learning

• arxiv url: http://arxiv.org/abs/2209.15249v1
• Date: Fri, 30 Sep 2022 06:12:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 16:08:42.721845
• Title: Experts in the Loop: Conditional Variable Selection for Accelerating Post-Silicon Analysis Based on Deep Learning
• Title（参考訳）: ループのエキスパート:深層学習に基づくシリコン後分析の促進のための条件変数選択
• Authors: Yiwen Liao, Rapha\"el Latty, Bin Yang
• Abstract要約: シリコン後検証は半導体製造において最も重要なプロセスの1つである。 この研究は、専門家をループに留めつつ、新しい条件変数選択アプローチを設計することを目的としている。
• 参考スコア（独自算出の注目度）: 6.6357750579293935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-silicon validation is one of the most critical processes in modern semiconductor manufacturing. Specifically, correct and deep understanding in test cases of manufactured devices is key to enable post-silicon tuning and debugging. This analysis is typically performed by experienced human experts. However, with the fast development in semiconductor industry, test cases can contain hundreds of variables. The resulting high-dimensionality poses enormous challenges to experts. Thereby, some recent prior works have introduced data-driven variable selection algorithms to tackle these problems and achieved notable success. Nevertheless, for these methods, experts are not involved in training and inference phases, which may lead to bias and inaccuracy due to the lack of prior knowledge. Hence, this work for the first time aims to design a novel conditional variable selection approach while keeping experts in the loop. In this way, we expect that our algorithm can be more efficiently and effectively trained to identify the most critical variables under certain expert knowledge. Extensive experiments on both synthetic and real-world datasets from industry have been conducted and shown the effectiveness of our method.
• Abstract（参考訳）: シリコン後検証は、現代の半導体製造において最も重要なプロセスの1つである。 具体的には、製造済みデバイスのテストケースにおける正確かつ深い理解が、ポストシリコンチューニングとデバッグを可能にするための鍵である。 この分析は通常、経験豊富な人間の専門家によって行われる。 しかし、半導体産業の急速な発展により、テストケースは数百の変数を含むことができる。 その結果、高次元性は専門家に大きな課題をもたらします。 これにより、データ駆動型変数選択アルゴリズムを導入してこれらの問題に対処し、顕著な成功を収めた。 しかしながら、これらの手法では、専門家はトレーニングや推論フェーズには関与せず、事前知識の欠如によるバイアスや不正確さにつながる可能性がある。 したがって、これは初めて、専門家をループに留めながら、新しい条件付き変数選択アプローチを設計することを目的としている。 このようにして、我々のアルゴリズムは、特定の専門家の知識の下で最も重要な変数を特定するために、より効率的かつ効果的に訓練されることを期待する。 産業からの合成データセットと実世界のデータセットの併用実験を行い,本手法の有効性を示した。

関連論文リスト

• Leveraging Mixture of Experts for Improved Speech Deepfake Detection [53.69740463004446]
  スピーチのディープフェイクは、個人のセキュリティとコンテンツの信頼性に重大な脅威をもたらす。 本研究では,Mixture of Expertsアーキテクチャを用いた音声深度検出性能の向上のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-24T13:24:03Z)
• Inverse Reinforcement Learning with Sub-optimal Experts [56.553106680769474]
  与えられた専門家の集合と互換性のある報酬関数のクラスの理論的性質について検討する。 以上の結果から,複数の準最適専門家の存在が,相反する報酬の集合を著しく減少させる可能性が示唆された。 我々は,最適なエージェントの1つに十分近い準最適専門家のパフォーマンスレベルが最適である場合に,最小限の最適化を行う一様サンプリングアルゴリズムを解析する。
  論文  参考訳（メタデータ） (2024-01-08T12:39:25Z)
• Pitfalls in Experiments with DNN4SE: An Analysis of the State of the Practice [0.7614628596146599]
  我々は、ソフトウェアエンジニアリングのプレミア会場で発行された55の論文に現れるディープニューラルネットワークに依存する技術を用いて、194の実験を行い、マッピング研究を実施します。 以上の結果から,ACMアーティファクトバッジを受信した者を含む実験の大部分が,その信頼性に疑問を呈する根本的な限界があることが判明した。
  論文  参考訳（メタデータ） (2023-05-19T09:55:48Z)
• Bayesian Q-learning With Imperfect Expert Demonstrations [56.55609745121237]
  そこで本研究では,Q-ラーニングを高速化するアルゴリズムを提案する。 我々は,スパース・リワード・チェーン環境と,より複雑な6つのアタリゲームに対して,報酬の遅れによるアプローチを評価した。
  論文  参考訳（メタデータ） (2022-10-01T17:38:19Z)
• Human readable network troubleshooting based on anomaly detection and feature scoring [11.593495085674343]
  i) 時間領域における異常検出のための教師なし学習手法,(ii) 特徴空間における特徴のランク付けのための注意機構,(iii) 専門知識モジュールに基づくシステムを提案する。 本研究は, システム全体の性能と, 個々のビルディングブロックの性能を, 徹底的に評価する。
  論文  参考訳（メタデータ） (2021-08-26T14:20:36Z)
• Adversarial Imitation Learning with Trajectorial Augmentation and Correction [61.924411952657756]
  本稿では,拡張軌道の成功を保った新しい拡張手法を提案する。 我々は, 合成専門家を用いた模倣エージェントの訓練を行うために, 逆データ拡張模倣アーキテクチャを開発した。 実験により,我々のデータ拡張戦略は,敵対的模倣の精度と収束時間を向上できることが示された。
  論文  参考訳（メタデータ） (2021-03-25T14:49:32Z)
• Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
  本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。 常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。 我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-28T10:28:40Z)
• A Review of Meta-level Learning in the Context of Multi-component, Multi-level Evolving Prediction Systems [6.810856082577402]
  データから有用なパターンを抽出する自動的あるいは半自動的な方法の調査の必要性が高まっている。 与えられた問題に対する学習方法の最も適切なマッピングを見つけるには、深い専門家の知識と広範な計算資源が必要である。 データセットに最適な学習アルゴリズムをアドバイスできるインテリジェントなレコメンデーションエンジンが必要だ。
  論文  参考訳（メタデータ） (2020-07-17T14:14:37Z)
• A General Machine Learning Framework for Survival Analysis [0.8029049649310213]
  生存分析のための機械学習手法の多くは、正しい検閲されたデータと比例的ハザード仮定による標準設定のみを考慮する。 我々は,データ拡張戦略を用いて,複雑な生存タスクを標準的なポアソン回帰タスクに還元する,時間対イベント分析のための非常に一般的な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-27T20:57:18Z)
• Consistent Estimators for Learning to Defer to an Expert [5.076419064097734]
  我々は、意思決定を下流の専門家に延期するか、予測するか選択できる予測器の学習方法を示す。 様々な実験課題に対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2020-06-02T18:21:38Z)
• Incorporating Expert Prior Knowledge into Experimental Design via Posterior Sampling [58.56638141701966]
  実験者は、グローバルな最適な場所に関する知識を得ることができる。 グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。 効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
  論文  参考訳（メタデータ） (2020-02-26T01:57:36Z)

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。