Fugu-MT 論文翻訳(概要): A Roadmap to Domain Knowledge Integration in Machine Learning

論文の概要: A Roadmap to Domain Knowledge Integration in Machine Learning

arxiv url: http://arxiv.org/abs/2212.05712v1
Date: Mon, 12 Dec 2022 05:35:44 GMT
ステータス: 処理完了
システム内更新日: 2022-12-13 15:51:57.342251
Title: A Roadmap to Domain Knowledge Integration in Machine Learning
Title（参考訳）: 機械学習におけるドメイン知識統合のロードマップ
Authors: Himel Das Gupta, Victor S. Sheng
Abstract要約: 機械学習モデルに知識を統合することは、これらの障害をある程度克服するのに役立ちます。機械学習タスクにおけるこれらの様々な知識の統合とそれらのパフォーマンスについて、簡単な概要を述べます。
参考スコア（独自算出の注目度）: 21.96548398967003
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Many machine learning algorithms have been developed in recent years to enhance the performance of a model in different aspects of artificial intelligence. But the problem persists due to inadequate data and resources. Integrating knowledge in a machine learning model can help to overcome these obstacles up to a certain degree. Incorporating knowledge is a complex task though because of various forms of knowledge representation. In this paper, we will give a brief overview of these different forms of knowledge integration and their performance in certain machine learning tasks.
Abstract（参考訳）: 近年,人工知能のさまざまな面でモデルの性能を高めるために,多くの機械学習アルゴリズムが開発されている。しかし、問題は不適切なデータとリソースのために続く。機械学習モデルに知識を統合することで、これらの障害をある程度克服することができる。知識を組み込むことは、様々な形態の知識表現のために複雑な作業である。本稿では,これらの異なる形態の知識統合と,特定の機械学習タスクにおけるその性能について概説する。

関連論文リスト

A Survey on Deep Learning and State-of-the-art Applications [0.0]
ディープラーニングモデルの構築は、アルゴリズムの複雑さと現実世界の問題の動的な性質のため、難しい作業である。本研究の目的は,コンピュータビジョン,自然言語処理,時系列解析,広範コンピューティングにおける最先端のディープラーニングモデルを網羅的にレビューすることである。
論文参考訳（メタデータ） (2024-03-26T10:10:53Z)
Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文参考訳（メタデータ） (2023-06-06T10:18:36Z)
Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。知識の抽出と知識の記憶という2つの側面から問題に取り組む。提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
論文参考訳（メタデータ） (2022-08-27T09:27:36Z)
Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文参考訳（メタデータ） (2021-08-17T17:44:38Z)
Machine learning and deep learning [0.0]
機械学習は、問題固有のトレーニングデータから学習するシステムの能力を記述する。ディープラーニングは、人工ニューラルネットワークに基づく機械学習の概念である。
論文参考訳（メタデータ） (2021-04-12T09:54:12Z)
Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文参考訳（メタデータ） (2020-12-21T15:07:19Z)
A Quantitative Perspective on Values of Domain Knowledge for Machine Learning [27.84415856657607]
様々な形式のドメイン知識は、学習性能を向上させる上で重要な役割を担っている。本研究では,ドメイン知識の価値を学習性能への貢献の観点から定量化する問題について検討する。
論文参考訳（メタデータ） (2020-11-17T06:12:23Z)
A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文参考訳（メタデータ） (2019-12-26T13:26:49Z)
A Survey of Knowledge Representation in Service Robotics [10.220366465518262]
我々は、知識表現と、どのようにして知識が収集され、表現され、どのように再生され、問題を解決するかに焦点を当てる。知識表現の定義に従って、そのような表現と有用な学習モデルの主な区別について議論する。効果的な知識表現を設計する際に考慮すべき重要な原則について議論する。
論文参考訳（メタデータ） (2018-07-05T22:18:08Z)

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。