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

• A Survey of Model Architectures in Information Retrieval [64.75808744228067]
  機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
  本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。 コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
  論文  参考訳（メタデータ） (2025-01-20T15:30:09Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  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中心アーキテクチャは、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中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)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。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
  我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。 我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。 CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
  論文  参考訳（メタデータ） (2023-05-31T05:24:48Z)
• 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)
• MDE for Machine Learning-Enabled Software Systems: A Case Study and Comparison of MontiAnna & ML-Quadrat [5.839906946900443]
  我々は,モノのインターネット(IoT)分野に着目した機械学習対応ソフトウェアシステムの開発に,MDEパラダイムを採用することを提案する。 ケーススタディで実証されたように、最先端のオープンソースモデリングツールであるMontiAnnaとML-Quadratが、この目的のためにどのように使用できるかを説明します。
  論文  参考訳（メタデータ） (2022-09-15T13:21:16Z)
• Federated Learning with Heterogeneous Architectures using Graph HyperNetworks [154.60662664160333]
  パラメータ共有にグラフハイパーネットワークを採用することにより、異種クライアントアーキテクチャに対応する新しいFLフレームワークを提案する。 既存のソリューションとは異なり、当社のフレームワークは、クライアントが同じアーキテクチャタイプを共有することを制限せず、外部データも使用せず、クライアントがモデルアーキテクチャを公開する必要もありません。
  論文  参考訳（メタデータ） (2022-01-20T21:36:25Z)
• Software Architecture for ML-based Systems: What Exists and What Lies Ahead [4.073826298938432]
  私たちは、MLベースのソフトウェアシステムを設計する現在のシナリオに存在するさまざまなアーキテクチャプラクティスを強調することを目的として、スペクトルの以前の側面に焦点を当てています。 MLベースのソフトウェアシステムを設計するための標準的なプラクティスセットをより適切に定義するために、MLとソフトウェア実践者の双方の注意を必要とするソフトウェアアーキテクチャの4つの重要な領域を特定します。
  論文  参考訳（メタデータ） (2021-03-14T15:20:46Z)
• A Survey of Machine Learning for Computer Architecture and Systems [18.620218353713476]
  コンピュータアーキテクチャとシステムが機械学習(ml)アルゴリズムやモデルの効率的な実行を可能にするように最適化されるのは、長い間のことです。 今こそ、MLとシステムの関係を再考し、MLがコンピュータアーキテクチャとシステムが設計される方法を変える時です。
  論文  参考訳（メタデータ） (2021-02-16T04:09:57Z)

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。