Fugu-MT 論文翻訳(概要): Automotive Multilingual Fault Diagnosis

論文の概要: Automotive Multilingual Fault Diagnosis

arxiv url: http://arxiv.org/abs/2210.06918v1
Date: Thu, 13 Oct 2022 11:33:10 GMT
ステータス: 処理完了
システム内更新日: 2022-10-14 15:50:32.307792
Title: Automotive Multilingual Fault Diagnosis
Title（参考訳）: 自動車用多言語故障診断
Authors: John Pavlopoulos, Alv Romell, Jacob Curman, Olof Steinert, Tony Lindgren, Markus Borg
Abstract要約: 我々は,多言語トランスフォーマーが,車両群を持つ大企業からテキストクレームを効果的に分類できることを示す。総じて、高周波クラスは80%以上、低周波クラスは60%以上である。
参考スコア（独自算出の注目度）: 7.545538284406624
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Automated fault diagnosis can facilitate diagnostics assistance, speedier troubleshooting, and better-organised logistics. Currently, AI-based prognostics and health management in the automotive industry ignore the textual descriptions of the experienced problems or symptoms. With this study, however, we show that a multilingual pre-trained Transformer can effectively classify the textual claims from a large company with vehicle fleets, despite the task's challenging nature due to the 38 languages and 1,357 classes involved. Overall, we report an accuracy of more than 80% for high-frequency classes and above 60% for above-low-frequency classes, bringing novel evidence that multilingual classification can benefit automotive troubleshooting management.
Abstract（参考訳）: 自動障害診断は、診断支援、より迅速なトラブルシューティング、より組織的なロジスティクスを促進する。現在、自動車業界におけるAIベースの予後と健康管理は、経験豊富な問題や症状のテキスト記述を無視している。しかし,本研究では,多言語事前学習トランスフォーマーが,38言語と1,357のクラスによる課題の難易度にもかかわらず,大企業からのテキストクレームを車両群で効果的に分類できることを実証する。全体として,高周波クラスは80%以上,低周波クラスは60%以上であり,多言語分類が自動車トラブルシューティング管理に有用であることを示す新たな証拠となる。

関連論文リスト

Weakly-supervised diagnosis identification from Italian discharge letters [0.0]
本報告では, イタリアの退院状から病気を認識するための, 弱教師付きパイプラインを提案する。私たちのパイプラインは、イタリアのUmbertoモデルの微調整バージョンをベースにしています。
論文参考訳（メタデータ） (2024-10-19T09:42:20Z)
Leveraging Large Language Models through Natural Language Processing to provide interpretable Machine Learning predictions of mental deterioration in real time [5.635300481123079]
公式推計によると、世界中で5000万人が認知症に罹患しており、毎年1000万人の新しい患者が増えている。この目的のために、人工知能と計算言語学は自然言語分析、パーソナライズされたアセスメント、モニタリング、治療に活用することができる。この仕事には、手頃で柔軟な、非侵襲的でパーソナライズされた診断システムを提供しています。
論文参考訳（メタデータ） (2024-09-05T09:27:05Z)
AutoDetect: Towards a Unified Framework for Automated Weakness Detection in Large Language Models [95.09157454599605]
大規模言語モデル(LLM)はますます強力になってきていますが、それでも顕著ですが微妙な弱点があります。従来のベンチマークアプローチでは、特定のモデルの欠陥を徹底的に特定することはできない。さまざまなタスクにまたがるLLMの弱点を自動的に露呈する統合フレームワークであるAutoDetectを導入する。
論文参考訳（メタデータ） (2024-06-24T15:16:45Z)
PneumoLLM: Harnessing the Power of Large Language Model for Pneumoconiosis Diagnosis [16.90918546157292]
大規模言語モデル(LLM)は対話において複数のタスクを実行する際、前例のない能力を示す。学習可能なパラメータの少ない診断において,LSMを効果的に活用する手法を提案する。本稿では,コンテキスト型マルチトークンエンジンと情報エミッタモジュールを紹介する。
論文参考訳（メタデータ） (2023-12-06T13:31:52Z)
MedAlign: A Clinician-Generated Dataset for Instruction Following with Electronic Medical Records [60.35217378132709]
大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
論文参考訳（メタデータ） (2023-08-27T12:24:39Z)
Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文参考訳（メタデータ） (2022-10-29T09:18:41Z)
Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文参考訳（メタデータ） (2022-04-10T21:46:52Z)
Delving Deeper into Cross-lingual Visual Question Answering [115.16614806717341]
標準学習装置に簡単な修正を加えることで、モノリンガル英語のパフォーマンスへの移行ギャップを大幅に減らすことができることを示す。多言語マルチモーダル変換器の多言語間VQAを多言語間VQAで解析する。
論文参考訳（メタデータ） (2022-02-15T18:22:18Z)
NeuraHealthNLP: An Automated Screening Pipeline to Detect Undiagnosed Cognitive Impairment in Electronic Health Records with Deep Learning and Natural Language Processing [0.0]
認知症の症例の75%は世界中で診断されず、低所得国と中所得国で90%に達する。現在の診断方法は非常に複雑で、医療ノートのマニュアルレビュー、多くの認知検査、高価な脳スキャン、脊髄液検査などが含まれる。このプロジェクトでは、HRの未検出認知症をスケーラブルかつ高速に発見するための、最先端の自動スクリーニングパイプラインを開発する。
論文参考訳（メタデータ） (2022-01-12T06:19:14Z)
Influence of ASR and Language Model on Alzheimer's Disease Detection [2.4698886064068555]
画像から参加者の音声記述を転写するために,SotA ASRシステムを用いて分析する。本研究では,ASRから仮説を復号化するための言語モデルが欠如していることから,単語の非標準列を補正する言語モデルの影響について検討する。提案システムは、韻律と声質に基づく音響と、最も一般的な単語の最初の出現に基づく語彙的特徴を組み合わせる。
論文参考訳（メタデータ） (2021-09-20T10:41:39Z)
NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文参考訳（メタデータ） (2021-02-10T13:00:29Z)

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。