Fugu-MT 論文翻訳(概要): New Information Technologies, Simulation and Automation

論文の概要: New Information Technologies, Simulation and Automation

arxiv url: http://arxiv.org/abs/2301.01028v1
Date: Tue, 3 Jan 2023 10:01:26 GMT
ステータス: 処理完了
システム内更新日: 2023-01-04 14:56:01.621465
Title: New Information Technologies, Simulation and Automation
Title（参考訳）: 新しい情報技術、シミュレーション、自動化
Authors: Vitalii Velychko, Svitlana Voinova, Valery Granyak, Liliia Ivanova, Sergii Kotlyk, Alona Kudriashova, Tetiana Kunup, Kyrylo Malakhov, Iryna Pikh, Nataliia Punchenko, Vsevolod Senkivskyy, Olexandra Sergeeva, Oksana Sokolova, Sergiy Fedosov, Oleksandr Khoshaba, Olexandra Tsyra, Yuri Chaplinskyy, Olexander Gurskiy, Kostiantyn Zavertailo, Diana Kotlyk
Abstract要約: モノグラフは、コンピュータと数学的シミュレーションとモデリング、管理プロセスの自動化、教育における情報技術の利用、情報システムとソフトウェア複合体の設計の現況を要約し分析する。
参考スコア（独自算出の注目度）: 14.46091858515202
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The monograph summarizes and analyzes the current state of development of computer and mathematical simulation and modeling, the automation of management processes, the use of information technologies in education, the design of information systems and software complexes, the development of computer telecommunication networks and technologies most areas that are united by the term Industry 4.0
Abstract（参考訳）: モノグラフは、コンピュータと数理シミュレーションとモデリングの現況、管理プロセスの自動化、教育における情報技術の利用、情報システムとソフトウェア複合体の設計、コンピュータ通信ネットワークの開発、産業4.0という用語で統合されたほとんどの分野について要約し分析する。

関連論文リスト

Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文参考訳（メタデータ） (2024-02-20T15:23:24Z)
Recent Advances in Graph-based Machine Learning for Applications in Smart Urban Transportation Systems [7.335098632782098]
本章では、ITS設計における重要な技術的課題に関する背景情報と研究手法のレビューを紹介する。グラフベースの機械学習手法について,グラフの基本概念,グラフデータ表現,グラフニューラルネットワークアーキテクチャ,およびそれらのITSアプリケーションとの関係を詳細に検討する。
論文参考訳（メタデータ） (2023-06-02T05:50:57Z)
Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。シミュレーションに基づくMAPプログラムの概要を述べる。我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文参考訳（メタデータ） (2022-08-17T23:03:54Z)
Machine Learning: Algorithms, Models, and Applications [0.8503607507358351]
現在の巻では、いくつかの革新的な研究成果とその実世界での応用について紹介している。本書の章では、機械学習とディープラーニングアルゴリズムとモデルがどのように設計、最適化、デプロイされているかを説明している。このボリュームは、上級の大学院生や博士課程の学生、大学教授、データサイエンティスト、データエンジニア、専門家、そして機械学習、ディープラーニング、人工知能の幅広い分野に取り組むコンサルタントにとって有用だ。
論文参考訳（メタデータ） (2022-01-06T07:14:02Z)
Computational Rational Engineering and Development: Synergies and Opportunities [0.0]
本稿では,工学開発プロセスの自動化と自動化をめざした進歩と定式化の視点について検討する。従来の人中心型ツールベースのCAEアプローチを超越して,コンピュータ・ライタリティの枠組みを設計・工学・開発における課題にまで拡張することが提案されている。
論文参考訳（メタデータ） (2021-12-27T19:11:34Z)
An energy-based model for neuro-symbolic reasoning on knowledge graphs [0.0]
産業自動化システムを特徴付けるためのエネルギーベースのグラフ埋め込みアルゴリズムを提案する。複数のドメインからの知識を組み合わせることで、学習モデルはコンテキスト対応の予測を行うことができる。提示されたモデルは、生物学的にインスパイアされたニューラルアーキテクチャにマッピング可能であり、グラフ埋め込み法とニューロモルフィックコンピューティングの間の最初のブリッジとして機能する。
論文参考訳（メタデータ） (2021-10-04T18:02:36Z)
Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文参考訳（メタデータ） (2021-01-11T15:54:48Z)
AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-08-29T14:57:53Z)
Graph signal processing for machine learning: A review and new perspectives [57.285378618394624]
本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
論文参考訳（メタデータ） (2020-07-31T13:21:33Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)
Convergence of Artificial Intelligence and High Performance Computing on NSF-supported Cyberinfrastructure [3.4291439418246177]
人工知能(AI)アプリケーションは、産業や技術におけるビッグデータの課題に対して、トランスフォーメーションソリューションを推進している。 AIは、統計的および数学的厳密性を備えたコンピューティングパラダイムへと進化し続けており、トレーニング、検証、テストのためのシングルGPUソリューションがもはや不十分であることが明らかになっている。この実現により、AIとハイパフォーマンスコンピューティングの融合が加速し、監視時間の短縮が図られている。
論文参考訳（メタデータ） (2020-03-18T18:00:02Z)

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。