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
- Interpretable and Explainable Machine Learning Methods for Predictive
Process Monitoring: A Systematic Literature Review [1.3812010983144802]
本稿では,機械学習モデル(ML)の予測プロセスマイニングの文脈における説明可能性と解釈可能性について,系統的に検討する。
我々は、様々なアプリケーション領域にまたがる現在の方法論とその応用の概要を概観する。
我々の研究は、プロセス分析のためのより信頼性が高く透明で効果的なインテリジェントシステムの開発と実装方法について、研究者や実践者がより深く理解することを目的としている。
論文 参考訳(メタデータ) (2023-12-29T12:43:43Z) - 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) - Learning with Limited Samples -- Meta-Learning and Applications to
Communication Systems [46.760568562468606]
メタ学習は、新しいタスクに迅速に適応できる学習アルゴリズムを最適化する。
このレビュー・モノグラフは、原則、アルゴリズム、理論、工学的応用をカバーし、メタラーニングの紹介を提供する。
論文 参考訳(メタデータ) (2022-10-03T17:15:36Z) - 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) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳(メタデータ) (2021-07-28T10:28:05Z) - 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) - Machine learning and deep learning [0.0]
機械学習は、問題固有のトレーニングデータから学習するシステムの能力を記述する。
ディープラーニングは、人工ニューラルネットワークに基づく機械学習の概念である。
論文 参考訳(メタデータ) (2021-04-12T09:54:12Z) - 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) - Causality Learning: A New Perspective for Interpretable Machine Learning [15.556963808865918]
解釈可能な機械学習は、現在、研究コミュニティで主要なトピックです。
本稿では,基礎的背景と重要な概念を用いた因果解析の概要を述べるとともに,直近の因果解析における因果解析手法を要約する。
論文 参考訳(メタデータ) (2020-06-27T13:01:28Z) - 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。
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。