論文の概要: Pathway toward prior knowledge-integrated machine learning in engineering

• arxiv url: http://arxiv.org/abs/2307.06950v1
• Date: Mon, 10 Jul 2023 13:06:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-23 12:37:10.816272
• Title: Pathway toward prior knowledge-integrated machine learning in engineering
• Title（参考訳）: 工学における知識統合機械学習への道
• Authors: Xia Chen, Philipp Geyer
• Abstract要約: 本研究は,複数の専門分野の専門職を機械で認識可能なデータ駆動プロセスに統合する取り組みを強調する。 このアプローチは、エンジニアリング領域におけるホリストと還元主義の視点のバランスを取る。
• 参考スコア（独自算出の注目度）: 1.3091722164946331
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Despite the digitalization trend and data volume surge, first-principles models (also known as logic-driven, physics-based, rule-based, or knowledge-based models) and data-driven approaches have existed in parallel, mirroring the ongoing AI debate on symbolism versus connectionism. Research for process development to integrate both sides to transfer and utilize domain knowledge in the data-driven process is rare. This study emphasizes efforts and prevailing trends to integrate multidisciplinary domain professions into machine acknowledgeable, data-driven processes in a two-fold organization: examining information uncertainty sources in knowledge representation and exploring knowledge decomposition with a three-tier knowledge-integrated machine learning paradigm. This approach balances holist and reductionist perspectives in the engineering domain.
• Abstract（参考訳）: デジタル化のトレンドとデータボリュームの急増にもかかわらず、第一原理モデル(論理駆動、物理ベース、ルールベース、知識ベースモデルとも呼ばれる)とデータ駆動アプローチは並列に存在し、シンボルとコネクショナリズムに関するAI論争を反映している。 データ駆動プロセスにおけるドメイン知識の伝達と利用を両面に統合するプロセス開発の研究は稀である。 本研究は、知識表現における情報不確実性源の検討と3層知識統合機械学習パラダイムによる知識分解の探求という2つの組織における、多分野の分野専門職を機械認識可能なデータ駆動プロセスに統合する取り組みと普及の傾向を強調する。 このアプローチは、エンジニアリング領域におけるホリストと還元主義の視点のバランスをとる。

関連論文リスト

• Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry [1.1060425537315088]
  デジタルツイン(Digital Twins、DT)は、センサーデータと高度なデータベースまたは物理ベースのモデル、あるいはその組み合わせを組み合わせた物理製造システムの仮想レプリカで、プロセス監視、予測制御、意思決定支援など、さまざまな産業関連タスクに対処する。 DTのバックボーン、すなわち、これらのモデルをサポートする具体的なモデリング方法論とアーキテクチャフレームワークは、複雑で多様性があり、急速に進化し、最新の最先端の手法と競争の激しい市場のトップに留まる傾向を徹底的に理解する必要がある。
  論文  参考訳（メタデータ） (2024-07-02T14:05:10Z)
• Informed Meta-Learning [55.2480439325792]
  メタラーニングとインシデントMLは、事前知識をMLパイプラインに組み込むための2つのアプローチとして際立っている。 我々は,非構造化知識表現からの事前の取り込みを容易にする,情報メタラーニングというハイブリッドパラダイムを定式化する。 データ効率、観測ノイズに対する堅牢性、タスク分散シフトを改善する上で、情報メタラーニングの潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2024-02-25T15:08:37Z)
• Model-Driven Engineering Method to Support the Formalization of Machine Learning using SysML [0.0]
  本研究は,モデルベース工学を活用した機械学習タスクの協調的定義を支援する手法を提案する。 この方法は、様々なデータソースの識別と統合、データ属性間のセマンティックな関係の定義、データ処理ステップの定義をサポートする。
  論文  参考訳（メタデータ） (2023-07-10T11:33:46Z)
• Conceptual Modeling and Artificial Intelligence: A Systematic Mapping Study [0.5156484100374059]
  概念モデリング(CM)では、人間は理解とコミュニケーションの手段として現実の抜粋を抽象的に表現し、機械による処理を行う。 近年、CMとAIの連携のトレンドが生まれている。 本研究は,この学際研究分野がどのように構成され,相互利益は,学間研究と今後の研究の方向性によって得られるかを示す。
  論文  参考訳（メタデータ） (2023-03-12T21:23:46Z)
• Vision+X: A Survey on Multimodal Learning in the Light of Data [64.03266872103835]
  様々なソースからのデータを組み込んだマルチモーダル機械学習が,ますます普及している研究分野となっている。 我々は、視覚、音声、テキスト、動きなど、各データフォーマットの共通点と特異点を分析する。 本稿では,表現学習と下流アプリケーションレベルの両方から,マルチモーダル学習に関する既存の文献を考察する。
  論文  参考訳（メタデータ） (2022-10-05T13:14:57Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• 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)
• Model-Based Deep Learning [155.063817656602]
  信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。 ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。 私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
  論文  参考訳（メタデータ） (2020-12-15T16:29:49Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。