Fugu-MT 論文翻訳(概要): Text2shape Deep Retrieval Model: Generating Initial Cases for Mechanical Part Redesign under the Context of Case-Based Reasoning

論文の概要: Text2shape Deep Retrieval Model: Generating Initial Cases for Mechanical Part Redesign under the Context of Case-Based Reasoning

arxiv url: http://arxiv.org/abs/2302.06341v1
Date: Mon, 13 Feb 2023 13:24:11 GMT
ステータス: 処理完了
システム内更新日: 2023-02-14 15:29:34.180678
Title: Text2shape Deep Retrieval Model: Generating Initial Cases for Mechanical Part Redesign under the Context of Case-Based Reasoning
Title（参考訳）: Text2shape Deep Retrieval Model: ケースベース推論による機械部品再設計の初期事例生成
Authors: Tianshuo Zang, Maolin Yang, Wentao Yong and Pingyu Jiang
Abstract要約: 新しい設計要件のために歴史的なケースベースから同様のソリューションを取得することは、機械的部分の再設計の第一歩である。テキスト記述に基づく機械部品形状検索を支援するために、テキスト2シェープ深部検索モデルを確立する。このモデルは、機械的部分の再設計における初期ケースの回収に有効である。
参考スコア（独自算出の注目度）: 6.038992343374037
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Retrieving the similar solutions from the historical case base for new design requirements is the first step in mechanical part redesign under the context of case-based reasoning. However, the manual retrieving method has the problem of low efficiency when the case base is large. Additionally, it is difficult for simple reasoning algorithms (e.g., rule-based reasoning, decision tree) to cover all the features in complicated design solutions. In this regard, a text2shape deep retrieval model is established in order to support text description-based mechanical part shapes retrieval, where the texts are for describing the structural features of the target mechanical parts. More specifically, feature engineering is applied to identify the key structural features of the target mechanical parts. Based on the identified key structural features, a training set of 1000 samples was constructed, where each sample consisted of a paragraph of text description of a group of structural features and the corresponding 3D shape of the structural features. RNN and 3D CNN algorithms were customized to build the text2shape deep retrieval model. Orthogonal experiments were used for modeling turning. Eventually, the highest accuracy of the model was 0.98; therefore, the model can be effective for retrieving initial cases for mechanical part redesign.
Abstract（参考訳）: 新しい設計要件の歴史的ケースベースから同様の解決策を見つけることは、ケースベース推論の文脈で機械部品の再設計の第一歩である。しかし, ケースベースが大きい場合, 手動検索方式では低効率が問題となる。さらに、単純な推論アルゴリズム(例えばルールベースの推論、決定木)が複雑な設計ソリューションで全ての特徴をカバーすることは困難である。この場合、テキスト記述に基づく機械部品形状検索を支援するために、テキスト2形状深部検索モデルを構築し、対象の機械部品の構造的特徴を記述するためのテキストである。より具体的には、対象の機械部品の重要な構造的特徴を特定するために特徴工学が適用される。主要な構造的特徴を同定し,1000個のサンプルからなるトレーニングセットを構築し,各サンプルは,一群の構造的特徴と対応する構造的特徴の3次元形状のテキスト記述段落で構成された。 RNNと3D CNNアルゴリズムは、text2shapeのディープ検索モデルを構築するためにカスタマイズされた。直交実験は回転のモデリングに用いられた。最終的に、モデルの最高精度は0.98であり、機械部品の再設計のための初期ケースの回収に有効であった。

関連論文リスト

The Buffer Mechanism for Multi-Step Information Reasoning in Language Models [52.77133661679439]
大きな言語モデルの内部的推論メカニズムを調べることは、よりよいモデルアーキテクチャとトレーニング戦略を設計するのに役立ちます。本研究では,トランスフォーマーモデルが垂直思考戦略を採用するメカニズムを解明するために,シンボリックデータセットを構築した。我々は,GPT-2モデルに必要なトレーニング時間を75%削減し,モデルの推論能力を高めるために,ランダムな行列ベースアルゴリズムを提案した。
論文参考訳（メタデータ） (2024-05-24T07:41:26Z)
KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
論文参考訳（メタデータ） (2024-03-15T08:44:56Z)
StructRe: Rewriting for Structured Shape Modeling [63.792684115318906]
本稿では,構造化形状モデリングの新しいアプローチとして,構造書換えシステムであるStructReを提案する。ポイントとコンポーネントで表される3Dオブジェクトが与えられたら、StructReはそれを上向きに、より簡潔な構造に書き直すか、より詳細な構造に書き直すことができる。
論文参考訳（メタデータ） (2023-11-29T10:35:00Z)
Physics of Language Models: Part 1, Learning Hierarchical Language Structures [51.68385617116854]
トランスフォーマーベースの言語モデルは効率的だが複雑であり、内部動作を理解することは大きな課題である。本稿では,長文を生成可能な階層規則を生成する合成CFGのファミリーを紹介する。我々は、GPTのような生成モデルがこのCFG言語を正確に学習し、それに基づいて文を生成することを実証する。
論文参考訳（メタデータ） (2023-05-23T04:28:16Z)
Protein model quality assessment using rotation-equivariant, hierarchical neural networks [8.373439916313018]
本稿では,タンパク質モデルの品質を評価するための新しい深層学習手法を提案する。提案手法は,最近のCASPラウンドに投入されたタンパク質モデルを評価することによって,最先端の成果を得る。
論文参考訳（メタデータ） (2020-11-27T05:03:53Z)
Analysis and Prediction of Deforming 3D Shapes using Oriented Bounding Boxes and LSTM Autoencoders [0.966840768820136]
アーキテクチャは、133の異なるコンポーネントを持つモデルの196台の車両衝突シミュレーションの結果に基づいてテストされる。潜在表現では、異なる成分の塑性変形のパターンを検出することができる。予測されたバウンディングボックスは最終シミュレーション結果を推定し、その品質を異なるベースラインと比較して改善する。
論文参考訳（メタデータ） (2020-08-31T08:07:32Z)
Few-Shot Single-View 3-D Object Reconstruction with Compositional Priors [30.262308825799167]
複雑なエンコーダ・デコーダアーキテクチャは、標準ベンチマークにおいて、最寄りのベースラインと同様に動作することを示す。本稿では,3次元再構成モデルに事前クラスを効率的に統合する3つの手法を提案する。
論文参考訳（メタデータ） (2020-04-14T04:53:34Z)
Using Machine Learning Approach for Computational Substructure in Real-Time Hybrid Simulation [1.0323063834827415]
ハイブリッドシミュレーション(Hybrid Simulation, HS)は、計算サブストラクチャと、よく理解されたコンポーネントの数値モデルを組み合わせた、広く使われている構造試験手法である。高速HSやリアルタイムHSの課題の1つは、比較的複雑な構造の解析的部分構造と関連している。本研究では,解析的サブ構造の構造的動的挙動を表現するメタモデリング手法を提案する。
論文参考訳（メタデータ） (2020-04-04T22:22:40Z)
AutoSTR: Efficient Backbone Search for Scene Text Recognition [80.7290173000068]
テキストインスタンスの多様性とシーンの複雑さのため、シーンテキスト認識(STR)は非常に難しい。テキスト認識性能を向上させるために,データ依存のバックボーンを検索するための自動STR(AutoSTR)を提案する。実験によると、データ依存のバックボーンを検索することで、AutoSTRは標準ベンチマークにおける最先端のアプローチより優れている。
論文参考訳（メタデータ） (2020-03-14T06:51:04Z)
A Compact Spectral Descriptor for Shape Deformations [0.8268443804509721]
本研究では, 応力下での塑性変形挙動のパラメータ化手法を提案する。既存のパラメータ化は計算解析を比較的単純な変形に制限する。本稿では,スペクトルメッシュ処理に基づく変形挙動のコンパクト記述子を導出する手法を提案する。
論文参考訳（メタデータ） (2020-03-10T10:34:30Z)
Unsupervised Learning of Intrinsic Structural Representation Points [50.92621061405056]
3次元形状の学習構造は、コンピュータグラフィックスと幾何学処理の分野における根本的な問題である。本稿では,3次元構造点の形で新しい構造表現を学習するための簡易かつ解釈不能な手法を提案する。
論文参考訳（メタデータ） (2020-03-03T17:40:00Z)

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。