Fugu-MT 論文翻訳(概要): Feminist epistemology for machine learning systems design

論文の概要: Feminist epistemology for machine learning systems design

arxiv url: http://arxiv.org/abs/2310.13721v1
Date: Thu, 19 Oct 2023 13:01:37 GMT
ステータス: 処理完了
システム内更新日: 2023-10-25 05:47:22.552386
Title: Feminist epistemology for machine learning systems design
Title（参考訳）: 機械学習システム設計のためのフェミニスト認識論
Authors: Goda Klumbyte, Hannah Piehl, Claude Draude
Abstract要約: 本稿では,機械学習システム設計における批判的,説明的,文脈的アプローチを開発するためのツールとして,フェミニストの一連の概念を提案する。すなわち, 機械学習システム設計の分野で, 知識の配置, フィギュレーション, フィギュレーション, フィギュレーション, 回折, 回折, および批判的拡散, 投機が生産的に実現可能であることを示唆する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a series of feminist epistemological concepts as tools for developing critical, more accountable, and contextualised approaches to machine learning systems design. Namely, we suggest that the methods of situated knowledges or situating, figurations or figuring, diffraction or diffracting, and critical fabulation or speculation can be productively actualised in the field of machine learning systems design. We also suggest that the meta-method for doing this actualisation requires not so much translation but transposition - a creative and critical adaptation to speak to machine learning contexts.
Abstract（参考訳）: 本稿では, フェミニストの認識論的概念を, 批判的, 説明的, 文脈的アプローチによる機械学習システム設計のためのツールとして提示する。具体的には, 機械学習システム設計の分野において, 位置知識や位置, フィギュレーション, フィギュレーション, 回折, 回折, および批判的ファブリレーションや推測の方法が生産的に実現可能であることを示唆する。我々はまた、この現実化を行うためのメタメソッドは、翻訳だけでなくトランスポジション(機械学習の文脈に話すための創造的で批判的な適応)も必要だと提案する。

関連論文リスト

Beyond Model Interpretability: Socio-Structural Explanations in Machine Learning [5.159407277301709]
我々は、機械学習のアウトプットを規範的に健全な領域で解釈するには、第3のタイプの説明に訴える必要があると論じている。この説明型の関連性は、機械学習モデルが独立した実体ではなく、社会構造に埋め込まれて形成されているという事実によって動機付けられている。
論文参考訳（メタデータ） (2024-09-05T15:47:04Z)
A Catalog of Fairness-Aware Practices in Machine Learning Engineering [13.012624574172863]
機械学習は意思決定プロセスに広く採用されているため、公平性に対する懸念が高まる。マシンラーニングライフサイクル全体を通じて、エンジニアリングフェアネスに関するプラクティスの理解と分類には、依然としてギャップがあります。本稿では,体系的マッピング研究から得られた機械学習における公平性に対処するための新しいプラクティスカタログを提案する。
論文参考訳（メタデータ） (2024-08-29T16:28:43Z)
Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
A Systems Theoretic Approach to Online Machine Learning [3.6458439734112695]
オンライン学習の機械学習の定式化は、システム理論の観点からは不完全である。このフレームワークはインプット・アウトプット・システムの観点から定式化され、さらにシステム構造とシステム挙動に分けられる。この研究は、システム行動特性の一部として、コンセプトドリフトに正式にアプローチする。
論文参考訳（メタデータ） (2024-04-04T19:36:47Z)
Language Evolution with Deep Learning [49.879239655532324]
計算モデリングは言語の出現の研究において重要な役割を担っている。構造化言語の出現を誘発する可能性のある条件と学習プロセスをシミュレートすることを目的としている。この章では、最近機械学習の分野に革命をもたらした別の種類の計算モデル、ディープ・ラーニング・モデルについて論じる。
論文参考訳（メタデータ） (2024-03-18T16:52:54Z)
Designing Explainable Predictive Machine Learning Artifacts: Methodology and Practical Demonstration [0.0]
さまざまな業界の企業による意思決定者は、現代の機械学習アルゴリズムに基づくアプリケーションを採用することに、いまだに消極的だ。我々はこの問題を、高度な機械学習アルゴリズムを「ブラックボックス」として広く支持されている見解に当てはめている。本研究では,設計科学研究から方法論的知識を統一する手法を開発し,最先端の人工知能を用いた予測分析手法を提案する。
論文参考訳（メタデータ） (2023-06-20T15:11:26Z)
Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文参考訳（メタデータ） (2021-08-17T17:44:38Z)
Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。ディープラーニングは、独自の機械学習のサブフィールドになっている。生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文参考訳（メタデータ） (2021-05-29T21:02:44Z)
Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文参考訳（メタデータ） (2021-03-22T12:42:16Z)
Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文参考訳（メタデータ） (2021-01-11T15:54:48Z)
Machine Education: Designing semantically ordered and ontologically guided modular neural networks [5.018156030818882]
まず、機械教育と教育に関する選択された試みについて論じる。次に、人的教育から構造へ理論と方法論を結合させ、機械教育の授業設計における中核的な問題を数学的に定義する。
論文参考訳（メタデータ） (2020-02-07T09:43:40Z)

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。