論文の概要: AI-Enabled Software and System Architecture Frameworks: Focusing on
smart Cyber-Physical Systems (CPS)
- arxiv url: http://arxiv.org/abs/2308.05239v1
- Date: Wed, 9 Aug 2023 21:54:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-11 14:18:43.233241
- Title: AI-Enabled Software and System Architecture Frameworks: Focusing on
smart Cyber-Physical Systems (CPS)
- Title(参考訳): AI対応ソフトウェアとシステムアーキテクチャフレームワーク:スマートサイバー物理システム(CPS)に着目して
- Authors: Armin Moin, Atta Badii, Stephan G\"unnemann, Moharram Challenger
- Abstract要約: データサイエンスと機械学習(ML)に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
本稿では,効率的な開発と性能評価のための2つの評価基準を提案する。
10カ国以上の25以上の組織から77人の専門家の意見を収集し、分析し、統合し、提案された枠組みを考案し、検証します。
- 参考スコア(独自算出の注目度): 5.593571255686115
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Several architecture frameworks for software, systems, and enterprises have
been proposed in the literature. They identified various stakeholders and
defined architecture viewpoints and views to frame and address stakeholder
concerns. However, the stakeholders with data science and Machine Learning (ML)
related concerns, such as data scientists and data engineers, are yet to be
included in existing architecture frameworks. Therefore, they failed to address
the architecture viewpoints and views responsive to the concerns of the data
science community. In this paper, we address this gap by establishing the
architecture frameworks adapted to meet the requirements of modern applications
and organizations where ML artifacts are both prevalent and crucial. In
particular, we focus on ML-enabled Cyber-Physical Systems (CPSs) and propose
two sets of merit criteria for their efficient development and performance
assessment, namely the criteria for evaluating and benchmarking ML-enabled
CPSs, and the criteria for evaluation and benchmarking of the tools intended to
support users through the modeling and development pipeline. In this study, we
deploy multiple empirical and qualitative research methods based on literature
review and survey instruments including expert interviews and an online
questionnaire. We collect, analyze, and integrate the opinions of 77 experts
from more than 25 organizations in over 10 countries to devise and validate the
proposed framework.
- Abstract(参考訳): ソフトウェア、システム、企業のためのいくつかのアーキテクチャフレームワークが文献で提案されている。
彼らは様々なステークホルダを特定し、ステークホルダーの懸念をフレーム化し対処するためにアーキテクチャの視点とビューを定義した。
しかしながら、データサイエンティストやデータエンジニアなど、データサイエンスと機械学習(ml)に関連する関心事に関するステークホルダーは、既存のアーキテクチャフレームワークには含まれていない。
そのため、彼らは、データサイエンスコミュニティの懸念に反応するアーキテクチャの観点や見解に対処できなかった。
本稿では,MLアーティファクトが広く普及している現代アプリケーションや組織の要件に適合するアーキテクチャフレームワークを確立することで,このギャップに対処する。
特に,ml対応サイバーフィジカルシステム(cpss)に着目し,ml対応cpsの評価・ベンチマーク基準と,モデリング・開発パイプラインを通じたユーザ支援を目的としたツールの評価・ベンチマーク基準という,効率的な開発・パフォーマンス評価のための2つのメリット基準を提案する。
本研究では,専門家インタビューやオンラインアンケートなど,文献レビューと調査機器に基づく実証的・質的研究手法を複数展開する。
我々は、提案フレームワークを考案し、検証するために、10か国25以上の組織から77人の専門家の意見を集め、分析し、統合する。
関連論文リスト
- From Requirements to Architecture: An AI-Based Journey to
Semi-Automatically Generate Software Architectures [2.4150871564195007]
本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。
さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
論文 参考訳(メタデータ) (2024-01-25T10:56:58Z) - Serving Deep Learning Model in Relational Databases [72.72372281808694]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL-Centricアーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF-Centricアーキテクチャは、データベースシステム内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
potentialRelation-Centricアーキテクチャは、演算子による大規模テンソル計算を表現することを目的としている。
論文 参考訳(メタデータ) (2023-10-07T06:01:35Z) - Architecture Knowledge Representation and Communication Industry Survey [0.0]
我々は、アーキテクチャ知識の現在の実践を理解し、将来ソフトウェアアーキテクチャの持続可能性に取り組むために持続可能性をどのように適用できるかを探求することを目的としている。
オランダの著名な銀行で働く45人の建築家から回答を得た。
論文 参考訳(メタデータ) (2023-09-20T18:17:16Z) - MLTEing Models: Negotiating, Evaluating, and Documenting Model and
System Qualities [1.1352560842946413]
MLTEは機械学習モデルとシステムを評価するためのフレームワークと実装である。
最先端の評価テクニックを組織プロセスにコンパイルする。
MLTEツールは、モデル要件を表現するためにチームが使用できるドメイン固有の言語を提供することで、このプロセスをサポートする。
論文 参考訳(メタデータ) (2023-03-03T15:10:38Z) - A Compositional Approach to Creating Architecture Frameworks with an
Application to Distributed AI Systems [16.690434072032176]
構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。
論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
論文 参考訳(メタデータ) (2022-12-27T18:05:02Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳(メタデータ) (2022-11-07T16:19:42Z) - Computer vision-based analysis of buildings and built environments: A
systematic review of current approaches [0.98314893665023]
本稿では,建物と建築環境のコンピュータビジョンに基づく分析を初めて体系的に検討する。
これは現在の研究のギャップとトレンドを明らかにし、研究目的の2つの主要なカテゴリを強調している。
論文 参考訳(メタデータ) (2022-08-01T14:17:51Z) - Metrics reloaded: Recommendations for image analysis validation [59.60445111432934]
メトリクスのリロード(Metrics Reloaded)は、メトリクスの問題を意識した選択において研究者を導く包括的なフレームワークである。
このフレームワークは多段階のDelphiプロセスで開発され、問題指紋という新しい概念に基づいている。
問題指紋に基づいて、ユーザは適切なバリデーションメトリクスを選択して適用するプロセスを通じてガイドされる。
論文 参考訳(メタデータ) (2022-06-03T15:56:51Z) - CateCom: a practical data-centric approach to categorization of
computational models [77.34726150561087]
本稿では,物理モデルとデータ駆動型計算モデルのランドスケープを整理する取り組みについて述べる。
オブジェクト指向設計の概念を適用し、オープンソース協調フレームワークの基礎を概説する。
論文 参考訳(メタデータ) (2021-09-28T02:59:40Z) - CoPHE: A Count-Preserving Hierarchical Evaluation Metric in Large-Scale
Multi-Label Text Classification [70.554573538777]
ニューラルLMTCモデルの予測の階層的評価について論じる。
先行技術における構造化ラベル空間の表現における構造的問題について述べる。
深度に基づく表現を用いた階層的評価のための指標セットを提案する。
論文 参考訳(メタデータ) (2021-09-10T13:09:12Z) - An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。
本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
論文 参考訳(メタデータ) (2021-08-09T17:39:09Z)
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。