Fugu-MT 論文翻訳(概要): PDPK: A Framework to Synthesise Process Data and Corresponding Procedural Knowledge for Manufacturing

論文の概要: PDPK: A Framework to Synthesise Process Data and Corresponding Procedural Knowledge for Manufacturing

arxiv url: http://arxiv.org/abs/2308.08371v1
Date: Wed, 16 Aug 2023 13:50:23 GMT
ステータス: 処理完了
システム内更新日: 2023-08-17 13:15:06.347476
Title: PDPK: A Framework to Synthesise Process Data and Corresponding Procedural Knowledge for Manufacturing
Title（参考訳）: PDPK:プロセスデータの合成と製造の手続き的知識対応のためのフレームワーク
Authors: Richard Nordsieck, Andr\'e Schweizer, Michael Heider, J\"org H\"ahner
Abstract要約: 異なるドメインに適応可能な合成データセットを生成するためのフレームワークを提供する。フレームワークと評価コード、および評価で使用されるデータセットはオープンソースである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Procedural knowledge describes how to accomplish tasks and mitigate problems. Such knowledge is commonly held by domain experts, e.g. operators in manufacturing who adjust parameters to achieve quality targets. To the best of our knowledge, no real-world datasets containing process data and corresponding procedural knowledge are publicly available, possibly due to corporate apprehensions regarding the loss of knowledge advances. Therefore, we provide a framework to generate synthetic datasets that can be adapted to different domains. The design choices are inspired by two real-world datasets of procedural knowledge we have access to. Apart from containing representations of procedural knowledge in Resource Description Framework (RDF)-compliant knowledge graphs, the framework simulates parametrisation processes and provides consistent process data. We compare established embedding methods on the resulting knowledge graphs, detailing which out-of-the-box methods have the potential to represent procedural knowledge. This provides a baseline which can be used to increase the comparability of future work. Furthermore, we validate the overall characteristics of a synthesised dataset by comparing the results to those achievable on a real-world dataset. The framework and evaluation code, as well as the dataset used in the evaluation, are available open source.
Abstract（参考訳）: 手続き的知識は、タスクの達成と問題を緩和する方法を記述する。このような知識は一般に、品質目標を達成するためにパラメータを調整する製造業者など、ドメインの専門家によって保持される。我々の知る限りでは、プロセスデータとそれに対応する手続き的知識を含む実世界のデータセットは公開されていない。したがって、異なるドメインに適応可能な合成データセットを生成するためのフレームワークを提供する。デザインの選択は、私たちがアクセスできる手続き的知識の2つの現実世界のデータセットにインスパイアされています。 Resource Description Framework (RDF) 準拠の知識グラフに手続き的知識の表現を含むのとは別に、このフレームワークはパラメトリックプロセスをシミュレートし、一貫性のあるプロセスデータを提供する。既定の埋め込み手法を知識グラフ上で比較し,手続き的知識を表現する可能性について詳述した。これは、将来の作業の互換性を高めるために使用できるベースラインを提供する。さらに,実世界のデータセット上で実現可能な結果と比較することにより,合成データセットの全体的な特性を検証する。フレームワークと評価コード、および評価に使用されるデータセットは、オープンソースである。

関連論文リスト

DataPro -- A Standardized Data Understanding and Processing Procedure: A Case Study of an Eco-Driving Project [0.9672182825841383]
CRISP-DMモデルは、実際にデータマイニングプロジェクトを開発するためのデファクトスタンダードである。本稿では、CRISP-DMを拡張し、データサイエンティストと利害関係者の関係を強調するDataProモデルを提案する。
論文参考訳（メタデータ） (2025-01-21T14:34:11Z)
Procedure Model for Building Knowledge Graphs for Industry Applications [0.0]
グラフベースの未接続情報とドメイン知識の統合は、新たな洞察を提供する。本稿では,RDF知識グラフ構築のための実践的なステップバイステッププロシージャモデルを提案する。
論文参考訳（メタデータ） (2024-09-20T11:46:37Z)
DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
論文参考訳（メタデータ） (2024-07-01T18:58:22Z)
LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
Llm-driven knowlEdge Adaptive RecommeNdation (LEARN)フレームワークは、オープンワールドの知識と協調的な知識をシナジする。オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-07T04:00:30Z)
A Unified Framework for Human-Allied Learning of Probabilistic Circuits [9.153589597382082]
確率回路(PC)は、複雑な確率分布を表現および学習するための効率的なフレームワークとして登場した。多様なドメイン知識をPCのパラメータ学習プロセスに統合できる新しい統合フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-03T18:14:29Z)
Process-BERT: A Framework for Representation Learning on Educational Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文参考訳（メタデータ） (2022-04-28T16:07:28Z)
Generating Privacy-Preserving Process Data with Deep Generative Models [7.3268099910347715]
プロセスデータ生成のための逆生成ネットワーク(ProcessGAN)を導入する。我々は6つの実世界のデータセット上でProcessGANと従来のモデルを評価する。我々は,プロセスGANが,認証データと区別できない大量の共有可能な合成プロセスデータを生成することができると結論付けた。
論文参考訳（メタデータ） (2022-03-15T14:29:54Z)
Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文参考訳（メタデータ） (2022-03-02T19:57:32Z)
Human Activity Recognition using Attribute-Based Neural Networks and Context Information [61.67246055629366]
手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
論文参考訳（メタデータ） (2021-10-28T06:08:25Z)
All That Glitters Is Not Gold: Towards Process Discovery Techniques with Guarantees [1.3299507495084417]
イベントデータの品質が向上すればするほど、発見されたモデルの品質も向上します。イベントデータと発見したプロセスモデルの両方に、さまざまな品質対策を使用してこれを実証します。本論文は、ISエンジニアのコミュニティに対して、プロセスディスカバリアルゴリズムを、入力の性質と出力の性質を関連付けたプロパティで補完するよう呼びかけている。
論文参考訳（メタデータ） (2020-12-23T16:08:47Z)
Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
論文参考訳（メタデータ） (2020-09-28T10:28:40Z)

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。