論文の概要: Replicability Study: Corpora For Understanding Simulink Models &
Projects
- arxiv url: http://arxiv.org/abs/2308.01978v2
- Date: Wed, 9 Aug 2023 14:25:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 15:20:13.489519
- Title: Replicability Study: Corpora For Understanding Simulink Models &
Projects
- Title（参考訳）: 再現性研究:simulinkモデルとプロジェクトを理解するためのコーパス
- Authors: Sohil Lal Shrestha and Shafiul Azam Chowdhury and Christoph Csallner
- Abstract要約: 本研究は, 前回のSimulinkモデル研究で採用した方法論とデータソースをレビューし, SLNETを用いて過去の解析を再現する。
オープンソースSimulinkモデルは優れたモデリングプラクティスに従っており、プロプライエタリモデルに匹敵するサイズと特性を持つモデルを含んでいることがわかった。
- 参考スコア（独自算出の注目度）: 8.261117235807607
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Empirical studies on widely used model-based development tools
such as MATLAB/Simulink are limited despite the tools' importance in various
industries.
Aims: The aim of this paper is to investigate the reproducibility of previous
empirical studies that used Simulink model corpora and to evaluate the
generalizability of their results to a newer and larger corpus, including a
comparison with proprietary models.
Method: The study reviews methodologies and data sources employed in prior
Simulink model studies and replicates the previous analysis using SLNET. In
addition, we propose a heuristic for determining code-generating Simulink
models and assess the open-source models' similarity to proprietary models.
Results: Our analysis of SLNET confirms and contradicts earlier findings and
highlights its potential as a valuable resource for model-based development
research. We found that open-source Simulink models follow good modeling
practices and contain models comparable in size and properties to proprietary
models. We also collected and distribute 208 git repositories with over 9k
commits, facilitating studies on model evolution.
Conclusions: The replication study offers actionable insights and lessons
learned from the reproduction process, including valuable information on the
generalizability of research findings based on earlier open-source corpora to
the newer and larger SLNET corpus. The study sheds light on noteworthy
attributes of SLNET, which is self-contained and redistributable.
- Abstract（参考訳）: 背景:MATLAB/Simulinkのような広く使われているモデルベース開発ツールに関する実証研究は、様々な産業においてツールの重要性にもかかわらず限られている。
目的: 本論文の目的は,simulinkモデルコーパスを用いたこれまでの実証研究の再現性の検討と,その結果のより新しいコーパスとより大きなコーパスへの一般化性の評価,およびプロプライエタリモデルとの比較である。
方法: 先行シミュリンクモデルに使用される手法とデータソースをレビューし,slnetを用いて先行分析を再現する。
さらに、コード生成シミュリンクモデルを決定するためのヒューリスティックを提案し、オープンソースモデルのプロプライエタリモデルとの類似性を評価する。
結果: SLNETの分析は, これまでの知見を裏付け, 矛盾し, モデルベース開発研究の貴重な資源としての可能性を強調した。
オープンソースSimulinkモデルは優れたモデリングプラクティスに従っており、プロプライエタリモデルに匹敵するサイズと特性を持つモデルを含んでいることがわかった。
また、9kコミット以上の208のgitリポジトリを収集して配布し、モデル進化の研究を促進しました。
結論: 複製研究は,従来のオープンソースコーパスをベースとした研究成果の一般化可能性に関する貴重な情報を含む,再生過程から学んだ実用的な洞察と教訓を提供する。
この研究は、自己完結的で再配布可能なSLNETの注目すべき属性に光を当てている。
関連論文リスト
- A Collaborative Ensemble Framework for CTR Prediction [73.59868761656317]
我々は、複数の異なるモデルを活用するための新しいフレームワーク、CETNet(Collaborative Ensemble Training Network)を提案する。
ナイーブなモデルスケーリングとは違って,私たちのアプローチは,共同学習による多様性とコラボレーションを重視しています。
当社のフレームワークは,Metaの3つのパブリックデータセットと大規模産業データセットに基づいて検証する。
論文 参考訳（メタデータ） (2024-11-20T20:38:56Z) - Exploring Model Kinship for Merging Large Language Models [52.01652098827454]
本稿では,大規模言語モデル間の類似性や関連性の程度であるモデル親和性を紹介する。
モデル統合後の性能向上とモデル親和性の間には,一定の関係があることが判明した。
我々は新しいモデルマージ戦略を提案する。Top-k Greedy Merging with Model Kinship。
論文 参考訳（メタデータ） (2024-10-16T14:29:29Z) - Scaling Laws Across Model Architectures: A Comparative Analysis of Dense and MoE Models in Large Language Models [34.79589443380606]
大規模言語モデル(LLM)のスケーリングは、モデルトレーニングとデプロイメントの効率性と効率性にとって重要な研究領域である。
本研究は,Dense Models と MoE Model のスケーリング法則の伝達性と相違について検討する。
論文 参考訳（メタデータ） (2024-10-08T03:21:56Z) - Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。
これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文 参考訳（メタデータ） (2024-08-14T16:58:48Z) - Learning-based Models for Vulnerability Detection: An Extensive Study [3.1317409221921144]
我々は、最先端の学習ベースアプローチの2つのタイプを広範かつ包括的に調査する。
本稿では,シーケンスベースモデルの優先度と,グラフベースモデルの限定能力について実験的に検証する。
論文 参考訳（メタデータ） (2024-08-14T13:01:30Z) - State Space Models as Foundation Models: A Control Theoretic Overview [3.3222241150972356]
近年、ディープニューラルネットワークアーキテクチャにおける線形状態空間モデル(SSM)の統合への関心が高まっている。
本論文は、制御理論者のためのSSMベースのアーキテクチャの穏やかな導入を目的としたものである。
もっとも成功したSSM提案の体系的なレビューを提供し、コントロール理論の観点から主要な特徴を強調している。
論文 参考訳（メタデータ） (2024-03-25T16:10:47Z) - ZhiJian: A Unifying and Rapidly Deployable Toolbox for Pre-trained Model
Reuse [59.500060790983994]
本稿では、PyTorchバックエンドを利用して、モデル再利用のための包括的でユーザフレンドリなツールボックスであるZhiJianを紹介する。
ZhiJianは、PTMによるターゲットアーキテクチャ構築、PTMによるターゲットモデルチューニング、およびPTMに基づく推論を含む、モデル再利用に関するさまざまな視点を統一する新しいパラダイムを提示している。
論文 参考訳（メタデータ） (2023-08-17T19:12:13Z) - Deep Learning Models for Knowledge Tracing: Review and Empirical
Evaluation [2.423547527175807]
我々は,オープンで広く利用されているデータセットを用いた深層学習知識追跡(DLKT)モデルをレビューし,評価する。
評価されたDLKTモデルは、以前報告した結果の再現性と評価のために再実装されている。
論文 参考訳（メタデータ） (2021-12-30T14:19:27Z) - Model-agnostic multi-objective approach for the evolutionary discovery
of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。
合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文 参考訳（メタデータ） (2021-07-07T11:17:09Z) - Bellman: A Toolbox for Model-Based Reinforcement Learning in TensorFlow [14.422129911404472]
Bellmanはこのギャップを埋めることを目指しており、モデルベースのRLツールボックスを初めて完全に設計し、テストした。
我々のモジュラーアプローチは、幅広い環境モデルと、最先端アルゴリズムを復元する汎用モデルベースのエージェントクラスを組み合わせることができる。
論文 参考訳（メタデータ） (2021-03-26T11:32:27Z) - Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。
本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。
次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文 参考訳（メタデータ） (2020-10-25T18:51:15Z)
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。