論文の概要: Insightful analysis of historical sources at scales beyond human
capabilities using unsupervised Machine Learning and XAI
- arxiv url: http://arxiv.org/abs/2310.09091v1
- Date: Fri, 13 Oct 2023 13:22:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-16 13:00:33.524194
- Title: Insightful analysis of historical sources at scales beyond human
capabilities using unsupervised Machine Learning and XAI
- Title（参考訳）: 教師なし機械学習とXAIを用いた人的能力を超える規模の史料の洞察豊かな分析
- Authors: Oliver Eberle, Jochen B\"uttner, Hassan El-Hajj, Gr\'egoire Montavon,
Klaus-Robert M\"uller, Matteo Valleriani
- Abstract要約: この研究は、1472年から1650年までのヨーロッパの大学における天文学に関する359の近代版教科書のデジタル化コレクションである「サクロボスコ・コレクション」における知識の進化に焦点を当てている。
これらの表のMLに基づく分析は、当時の数学天文学の分野における知識と革新の時間的進化の重要な側面を明らかにするのに役立つ。
- 参考スコア（独自算出の注目度）: 4.593752628215474
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Historical materials are abundant. Yet, piecing together how human knowledge
has evolved and spread both diachronically and synchronically remains a
challenge that can so far only be very selectively addressed. The vast volume
of materials precludes comprehensive studies, given the restricted number of
human specialists. However, as large amounts of historical materials are now
available in digital form there is a promising opportunity for AI-assisted
historical analysis. In this work, we take a pivotal step towards analyzing
vast historical corpora by employing innovative machine learning (ML)
techniques, enabling in-depth historical insights on a grand scale. Our study
centers on the evolution of knowledge within the `Sacrobosco Collection' -- a
digitized collection of 359 early modern printed editions of textbooks on
astronomy used at European universities between 1472 and 1650 -- roughly 76,000
pages, many of which contain astronomic, computational tables. An ML based
analysis of these tables helps to unveil important facets of the
spatio-temporal evolution of knowledge and innovation in the field of
mathematical astronomy in the period, as taught at European universities.
- Abstract（参考訳）: 史料は豊富である。
しかし、人間の知識がどのように進化し、ダイアハロニカルにも同期的にも広まっていったかは、今のところ非常に選択的に対処できる課題である。
膨大な量の資料は、人間の専門家の数が限られているため、包括的な研究を妨げている。
しかし、現在、大量の歴史資料がデジタル形式で利用可能になっているため、AIによる歴史的分析には有望な機会がある。
本研究では,革新的な機械学習(ml)手法を駆使して,膨大な歴史的コーパスの分析に向けて重要な一歩を踏み出した。
1472年から1650年にかけてヨーロッパの大学で使われた天文学の教科書359冊のデジタル化版である「サクロボスコ・コレクション」における知識の進化を中心に、約76,000ページを収集し、その多くが天文学的計算表を含んでいる。
これらの表のMLに基づく分析は、ヨーロッパの大学で教えられている数学天文学の分野における知識と革新の時空間的進化の重要な側面を明らかにするのに役立つ。
関連論文リスト
- Classical Machine Learning: Seventy Years of Algorithmic Learning Evolution [1.121816400852218]
機械学習(ML)は多くの分野を変えてきたが、その基礎研究を理解することは、その継続的な進歩に不可欠である。
本稿では,古典的MLアルゴリズムの概要を概説し,12年間にわたる最先端の出版物について考察する。
我々は、著名なMLカンファレンスやジャーナルから引用された論文のデータセットを分析し、引用とキーワード分析を用いて批判的な洞察を明らかにした。
論文 参考訳（メタデータ） (2024-08-03T11:07:10Z) - Historical Astronomical Diagrams Decomposition in Geometric Primitives [13.447991818689463]
我々は、XII世紀からXVIII世紀にかけての様々な伝統から、303の天文図のユニークなデータセットを紹介した。
我々はDINO-DETR上に構築されたモデルを構築し、複数の幾何学的プリミティブの予測を可能にする。
提案手法は,複数のプリミティブに対して有意義なパラメトリゼーションを導入することにより,ラインに制限されたLETRベースラインを改良する。
論文 参考訳（メタデータ） (2024-03-13T17:20:25Z) - Position: What Can Large Language Models Tell Us about Time Series Analysis [69.70906014827547]
現在の大規模言語モデル(LLM)は時系列解析に革命をもたらす可能性があると我々は主張する。
このような進歩は、時系列のモダリティスイッチングや質問応答など、幅広い可能性を解き放つ可能性がある。
論文 参考訳（メタデータ） (2024-02-05T04:17:49Z) - Deep Learning for Spatiotemporal Big Data: A Vision on Opportunities and
Challenges [4.497634148674422]
一時的ビッグデータは、これまで不可能だった問題を解決する新たな機会を育むことができる。
ビッグデータの特徴は、ディープラーニング技術に新たな課題をもたらす。
論文 参考訳（メタデータ） (2023-10-30T19:12:51Z) - A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。
大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
論文 参考訳（メタデータ） (2022-12-20T18:46:16Z) - Applications of AI in Astronomy [0.0]
本稿では、天文学、天体物理学、宇宙論における機械学習(ML)およびその他のAI手法の使用の概要について述べる。
過去10年間で、さまざまなML/AI応用を含む天文学文献が指数関数的に成長してきた。
データの複雑さが増し続ければ、協力的な人間とAIの発見につながるさらなる進歩が期待できる。
論文 参考訳（メタデータ） (2022-12-03T00:38:59Z) - Astronomia ex machina: a history, primer, and outlook on neural networks
in astronomy [0.0]
我々は天文学における接続性の進化をその3つの波で追跡した。
我々は、天文学的な応用のために微調整されたGPTライクな基礎モデルの採用を論じる。
論文 参考訳（メタデータ） (2022-11-07T19:00:00Z) - Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。
まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。
キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文 参考訳（メタデータ） (2022-09-17T18:24:56Z) - A Survey of Machine Unlearning [56.017968863854186]
最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。
MLモデルは古いデータをよく記憶します。
機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
論文 参考訳（メタデータ） (2022-09-06T08:51:53Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - 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)
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。