論文の概要: Machine learning for potion development at Hogwarts

• arxiv url: http://arxiv.org/abs/2307.00036v1
• Date: Fri, 30 Jun 2023 08:47:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-05 18:33:34.234827
• Title: Machine learning for potion development at Hogwarts
• Title（参考訳）: Hogwartsにおけるポチオン開発のための機械学習
• Authors: Christoph F. Kurz, Adriana N. K\"onig
• Abstract要約: ディープニューラルネットワークを使用して、生成されたレシピを標準的な薬物分類システムに分類する。 ほとんどのレシピは精神病薬と皮膚科のカテゴリーに分類される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective: To determine whether machine learning methods can generate useful potion recipes for research and teaching at Hogwarts School of Witchcraft and Wizardry. Design: Using deep neural networks to classify generated recipes into a standard drug classification system. Setting: Hogwarts School of Witchcraft and Wizardry. Data sources: 72 potion recipes from the Hogwarts curriculum, extracted from the Harry Potter Wiki. Results: Most generated recipes fall into the categories of psychoanaleptics and dermatologicals. The number of recipes predicted for each category reflected the number of training recipes. Predicted probabilities were often above 90% but some recipes were classified into 2 or more categories with similar probabilities which complicates anticipating the predicted effects. Conclusions: Machine learning powered methods are able to generate potentially useful potion recipes for teaching and research at Hogwarts. This corresponds to similar efforts in the non-magical world where such methods have been applied to identify potentially effective drug combinations.
• Abstract（参考訳）: 目的:Witchcraft and WizardryのHogwarts Schoolで,機械学習が研究と教育に有用なポチオンレシピを生成できるかどうかを判断する。 設計:ディープニューラルネットワークを使用して生成したレシピを標準的な薬物分類システムに分類する。 Hogwarts School of Witchcraft and Wizardry (英語) データソース:Harry Potter Wikiから抽出されたHogwartsカリキュラムの72のポチオンレシピ。 結果:ほとんどのレシピは精神科医と皮膚科のカテゴリに分類される。 各カテゴリーで予測されるレシピの数は、トレーニングレシピの数を反映している。 予測確率はしばしば90%以上であったが、いくつかのレシピは予測効果を予測するのを複雑にする類似の確率を持つ2つ以上のカテゴリに分類された。 結論: 機械学習を活用した手法は、hogwartsで教育と研究を行う上で、潜在的に有用なポティオンレシピを生成することができる。 これは、潜在的に有効な薬物の組み合わせを特定するためにそのような方法が適用された非魔法の世界における同様の取り組みに対応する。

関連論文リスト

• Monte Carlo Tree Search for Recipe Generation using GPT-2 [0.8057006406834466]
  モンテカルロ木探索(MCTS)を利用したGPT-2を用いたテキスト生成手法であるRecipeMCを提案する。 RecipeMCにより、報酬関数を定義し、テキスト生成にソフト制約を課し、生成したレシピの信頼性を向上させることができる。 以上の結果から,ヒト評価者はRecipeMCで生成したレシピを,他のベースライン法で生成したレシピよりも好んでいることがわかった。
  論文  参考訳（メタデータ） (2024-01-10T14:50:46Z)
• FIRE: Food Image to REcipe generation [10.45344523054623]
  フードコンピューティングは、食品画像のレシピ情報を自律的に生成できるエンドツーエンドのインテリジェントシステムを開発することを目的としている。 本稿では,食品コンピューティング分野におけるレシピ生成に適した新しい手法であるFIREを提案する。 本稿では、FIREと大規模言語モデルのプロンプトを統合することの恩恵を享受できる2つの実用的なアプリケーションを紹介する。
  論文  参考訳（メタデータ） (2023-08-28T08:14:20Z)
• Detecting Spells in Fantasy Literature with a Transformer Based Artificial Intelligence [69.85273194899884]
  小説『ハリー・ポッター』シリーズにおける呪文の文脈に基づく認識にBERTを用いている。 事前トレーニングされたBERTモデルを使用して、検索されたコンテキストを識別するために、異なるデータセットとトレーニング方法を微調整した。
  論文  参考訳（メタデータ） (2023-08-07T15:20:20Z)
• KitchenScale: Learning to predict ingredient quantities from recipe contexts [13.001618172288198]
  KitchenScaleは、レシピのコンテキストからターゲットの材料量と測定単位を予測するモデルである。 本稿では,成分測定型分類,単位分類,量回帰タスクの3つのサブタスクからなる成分量予測タスクを定式化する。 新たに構築したデータセットとレコメンデーションの例での実験では、さまざまなレシピコンテキストに対するKitchenScaleの理解が示されています。
  論文  参考訳（メタデータ） (2023-04-21T04:28:16Z)
• Fruit Ripeness Classification: a Survey [59.11160990637616]
  食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。 機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。 ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
  論文  参考訳（メタデータ） (2022-12-29T19:32:20Z)
• Counterfactual Recipe Generation: Exploring Compositional Generalization in a Realistic Scenario [60.20197771545983]
  本研究では,材料の変化に応じて基本レシピを変更するようモデルに依頼する,反現実的なレシピ生成タスクを設計する。 料理の知識を学習するモデルのために、中国語で大規模なレシピデータセットを収集する。 その結果、既存のモデルでは原文のスタイルを保ちながら素材の変更が困難であり、調整が必要なアクションを見逃すことがしばしばあった。
  論文  参考訳（メタデータ） (2022-10-20T17:21:46Z)
• Cross-lingual Adaptation for Recipe Retrieval with Mixup [56.79360103639741]
  近年,大規模なペアリングデータの提供により,クロスモーダルなレシピ検索が研究の注目を集めている。 本稿では,ソース領域とターゲット領域のレシピが異なる言語で作成される画像からレシピ検索のための教師なし領域適応について検討する。 2つの領域間の移動可能な埋め込み特徴を学習するために,新しいレシピ・ミックスアップ法を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:04:39Z)
• Revamping Cross-Modal Recipe Retrieval with Hierarchical Transformers and Self-supervised Learning [17.42688184238741]
  近年, 生活における食品の重要性から, クロスモーダルなレシピ検索が注目されている。 本稿では,テキストおよび画像のエンコーダの確立と高性能化に基づく,簡易なエンド・ツー・エンドモデルを提案する。 提案手法は,Recipe1Mデータセットのクロスモーダルレシピ検索タスクにおける最新性能を実現する。
  論文  参考訳（メタデータ） (2021-03-24T10:17:09Z)
• Structure-Aware Generation Network for Recipe Generation from Images [142.047662926209]
  食品画像と材料のみに基づいて調理指導を行うオープン・リサーチ・タスクについて検討する。 ターゲットレシピは長い段落であり、構造情報に関する注釈を持たない。 本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-02T10:54:25Z)
• Multi-modal Cooking Workflow Construction for Food Recipes [147.4435186953995]
  ワークフロー構築のための最初の大規模データセットであるMM-ReSを構築した。 本稿では、視覚情報とテキスト情報の両方を利用して調理ワークフローを構築するニューラルエンコーダデコーダモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-20T18:31:25Z)

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。