Fugu-MT 論文翻訳(概要): Product Line Management with Graphical MBSE Views

論文の概要: Product Line Management with Graphical MBSE Views

arxiv url: http://arxiv.org/abs/2310.20396v1
Date: Tue, 31 Oct 2023 12:17:31 GMT
ステータス: 処理完了
システム内更新日: 2023-11-01 15:19:49.813941
Title: Product Line Management with Graphical MBSE Views
Title（参考訳）: 図形MBSEビューによる製品ライン管理
Authors: Pascal Krapf (Syscience), S\'ebastien Berthier (Syscience), Nicole Levy (CEDRIC-CNAM)
Abstract要約: 製品ラインエンジニアリングは、コストと開発時間を削減し、製品の品質を改善することを目的としています。我々は、機能ツリーで可能な決定を視覚的にするために、機能モデルにカラーコードを使用することを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Reducing the cost and delay and improving quality are major issues for product and software development, especially in the automotive domain. Product line engineering is a wellknown approach to engineer systems with the aim to reduce costs and development time as well as to improve the product quality. Feature models enable to make logical selection of features and obtain a filtered set of assets that compose the product. We propose to use a color code in feature models to make possible decisions visual in the feature tree. The color code is explained and its use is illustrated. The completeness of the approach is discussed.
Abstract（参考訳）: コストと遅延を減らし、品質を改善することは、製品とソフトウェア開発、特に自動車分野において大きな問題である。製品ラインエンジニアリングは、コストと開発時間を削減し、製品の品質を改善することを目的とした、エンジニアシステムに対するよく知られたアプローチである。特徴モデルは、特徴の論理的な選択と、その製品を構成する資産のフィルタセットの取得を可能にする。特徴木で可能な決定を視覚的に行うために,特徴モデルにカラーコードを使用することを提案する。色コードは説明され、使用例が示されている。アプローチの完全性について議論する。

関連論文リスト

DesignRepair: Dual-Stream Design Guideline-Aware Frontend Repair with Large Language Models [25.469369179998505]
DesignRepairは、コードアスペクトとレンダリングページアスペクトの両方から設計品質の問題を調べ、修復する、新しいデュアルストリーム設計ガイドライン対応システムである。提案手法の有効性と有効性を評価し, 設計ガイドライン, アクセシビリティ, ユーザエクスペリエンスの指標への適合性を著しく向上した。
論文参考訳（メタデータ） (2024-11-03T15:25:47Z)
Hierarchical Knowledge Graph Construction from Images for Scalable E-Commerce [17.97354500453661]
生の製品画像から構造化された製品知識グラフを構築するための新しい手法を提案する。この手法は視覚言語モデル(VLM)と大規模言語モデル(LLM)の最近の進歩を協調的に活用する。
論文参考訳（メタデータ） (2024-10-28T17:34:05Z)
G-Refine: A General Quality Refiner for Text-to-Image Generation [74.16137826891827]
G-Refineは,高画質画像の整合性を損なうことなく,低画質画像の高精細化を図った汎用画像精細機である。このモデルは、知覚品質指標、アライメント品質指標、一般的な品質向上モジュールの3つの相互接続モジュールで構成されている。大規模な実験により、G-Refine以降のAIGIは、4つのデータベースで10以上の品質指標でパフォーマンスが向上していることが明らかになった。
論文参考訳（メタデータ） (2024-04-29T00:54:38Z)
CogCoM: Train Large Vision-Language Models Diving into Details through Chain of Manipulations [61.21923643289266]
カオス・オブ・マニピュレーション(Chain of Manipulations)は、視覚言語モデル(Vision-Language Models)が、エビデンスを段階的に解決するメカニズムである。トレーニング後、モデルは外部ツールを介さずに、本質的な操作(グラウンド、ズームインなど)を積極的に行うことで、様々な視覚的問題を解決することができる。トレーニングされたモデルである textbfCogCoM は、4つのカテゴリの9つのベンチマークで最先端のパフォーマンスを実現しています。
論文参考訳（メタデータ） (2024-02-06T18:43:48Z)
A Comprehensive End-to-End Computer Vision Framework for Restoration and Recognition of Low-Quality Engineering Drawings [19.375278164300987]
本稿では,低品質なエンジニアリング図面の復元と認識に焦点を当てる。図面の品質を向上し,図面上の図形記号を識別するために,エンドツーエンドのフレームワークを提案する。実世界の電気図の実験では、提案されたフレームワークは98.98%の精度と99.33%のリコールを達成した。
論文参考訳（メタデータ） (2023-12-21T07:22:25Z)
CRITIC: Large Language Models Can Self-Correct with Tool-Interactive Critiquing [139.77117915309023]
CRITICは、大規模な言語モデルに対して、ツールとのヒューマンインタラクションに似た方法で、自分たちのアウトプットの検証と修正を可能にする。自由形式の質問応答、数学的プログラム合成、毒性低減を含む包括的評価は、CRITICがLLMの性能を一貫して向上することを証明している。
論文参考訳（メタデータ） (2023-05-19T15:19:44Z)
LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [80.61492265221817]
グラフィックレイアウトデザインは視覚コミュニケーションにおいて重要な役割を担っている。しかし、手作りのレイアウトデザインは、スキルを要求し、時間がかかり、バッチプロダクションではスケールできない。ジェネレーティブモデルは、設計自動化をスケーラブルにするために出現するが、デザイナの欲求に沿うデザインを作成することは、未だに容易ではない。
論文参考訳（メタデータ） (2022-12-19T21:57:35Z)
Material Prediction for Design Automation Using Graph Representation Learning [5.181429907321226]
本稿では,集合体の物質予測を支援するグラフ表現学習フレームワークを提案する。 CADモデルの集合グラフ表現上でのノードレベルの予測タスクとして材料選択タスクを定式化し、グラフニューラルネットワーク(GNN)を用いてそれに取り組む。提案するフレームワークは,大規模データセットにスケールアップし,デザイナの知識を学習プロセスに組み込む。
論文参考訳（メタデータ） (2022-09-26T15:49:35Z)
Personalized Entity Resolution with Dynamic Heterogeneous Knowledge Graph Representations [40.37976161857134]
製品ランキングの精度を向上させるためにパーソナライズされた機能を活用する新しいフレームワークを提案する。まず、顧客購入履歴と製品知識グラフからオープンソースの異種知識グラフを作成し、顧客と製品の埋め込みを共同で学習します。その後、プロダクト、顧客、履歴の表現をニューラルリランキングモデルに組み込んで、どの候補が特定の顧客に購入される可能性が最も高いかを予測します。
論文参考訳（メタデータ） (2021-04-06T16:58:27Z)
DirectDebug: Automated Testing and Debugging of Feature Models [55.41644538483948]
変数モデル(例えば、特徴モデル)は、ソフトウェアアーティファクトの変数と共通性を表現する一般的な方法である。複雑でしばしば大規模な機能モデルは欠陥になりうる、すなわち、ソフトウェアアーチファクトの期待される変動特性を表現しない。
論文参考訳（メタデータ） (2021-02-11T11:22:20Z)
Discovering Representations for Black-box Optimization [73.59962178534361]
ブラックボックス最適化符号化は手作業で行うのではなく,自動的に学習可能であることを示す。学習された表現は、標準的なMAP-Elitesよりも桁違いに少ない評価で高次元の問題を解くことができることを示す。
論文参考訳（メタデータ） (2020-03-09T20:06:20Z)

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。