論文の概要: Machine learning's own Industrial Revolution
- arxiv url: http://arxiv.org/abs/2311.02278v1
- Date: Sat, 4 Nov 2023 00:00:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 18:34:42.745530
- Title: Machine learning's own Industrial Revolution
- Title(参考訳): 機械学習の産業革命
- Authors: Yuan Luo, Song Han, Jingjing Liu
- Abstract要約: MLはまず、独自の産業革命を完了する必要がある、と私たちは主張する。
本稿では,MLのイノベーションフロンティアから大量生産・利用への迅速な翻訳を可能にする新たな機会について論じる。
- 参考スコア(独自算出の注目度): 23.317066385166918
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning is expected to enable the next Industrial Revolution.
However, lacking standardized and automated assembly networks, ML faces
significant challenges to meet ever-growing enterprise demands and empower
broad industries. In the Perspective, we argue that ML needs to first complete
its own Industrial Revolution, elaborate on how to best achieve its goals, and
discuss new opportunities to enable rapid translation from ML's innovation
frontier to mass production and utilization.
- Abstract(参考訳): 機械学習は次の産業革命を可能にすると期待されている。
しかし、標準化され自動化されたアセンブリネットワークが欠如しているMLは、成長を続ける企業需要に対処し、幅広い産業に力を与えるという大きな課題に直面している。
パースペクティブでは、MLはまず独自の産業革命を完遂し、その目標を最大限に達成する方法を精査し、MLのイノベーションフロンティアから大量生産と利用への迅速な翻訳を可能にする新たな機会について論じる必要がある。
関連論文リスト
- A Unified Industrial Large Knowledge Model Framework in Smart
Manufacturing [0.38850145898707145]
近年の大規模言語モデル(LLM)の出現は、人工知能の可能性を示している。
本稿では,スマートマニュファクチャリングにおける産業革命の可能性を強調したILKM(Industrial Large Knowledge Model)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-22T04:30:27Z) - MLCopilot: Unleashing the Power of Large Language Models in Solving
Machine Learning Tasks [31.733088105662876]
我々は、新しいフレームワークを導入することで、機械学習と人間の知識のギャップを埋めることを目指している。
本稿では、構造化された入力を理解するためのLLMの能力を拡張し、新しいMLタスクを解くための徹底的な推論を行う可能性を示す。
論文 参考訳(メタデータ) (2023-04-28T17:03:57Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳(メタデータ) (2023-04-28T10:27:38Z) - Open Environment Machine Learning [84.90891046882213]
従来の機械学習研究は、学習プロセスの重要な要素が不変であるような近世界のシナリオを想定している。
本稿では,新しいクラスを創出する技術,デクリメンタル/インクリメンタルな特徴,データ分散の変化,学習目標の変化,理論的諸問題について概説する。
論文 参考訳(メタデータ) (2022-06-01T11:57:56Z) - Tiny Robot Learning: Challenges and Directions for Machine Learning in
Resource-Constrained Robots [57.27442333662654]
機械学習(ML)は、コンピュータシステムにまたがる普及したツールとなっている。
ティニー・ロボット・ラーニング(Tiny Robot Learning)とは、リソースに制約された低コストの自律ロボットにMLを配置する手法である。
小型ロボット学習は、サイズ、重量、面積、パワー(SWAP)の制約によって困難にさらされる。
本稿では,小型ロボットの学習空間を簡潔に調査し,重要な課題を詳述し,MLシステム設計における将来的な仕事の機会を提案する。
論文 参考訳(メタデータ) (2022-05-11T19:36:15Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳(メタデータ) (2021-05-31T01:02:59Z) - Visoes da Industria 4.0 [0.0]
産業は高度に機械化された自動化された材料を生産する経済の一部である。
産業4.0という用語は、第4次産業革命のために設立された。
持続的な労働力訓練の側面や持続可能性資源の使用は広くは行われていない。
論文 参考訳(メタデータ) (2021-05-07T00:33:46Z) - Machine Learning for Massive Industrial Internet of Things [69.52379407906017]
モノのインターネット(IIoT)は、モノのインターネット技術を産業環境に統合することで、将来の製造施設に革命をもたらします。
大規模なIIoTデバイスのデプロイでは、無線ネットワークがさまざまなQoS(Quality-of-Service)要件でユビキタス接続をサポートすることは困難である。
まず、一般的な非クリティカルかつクリティカルなIIoTユースケースの要件を要約します。
次に、大規模なIIoTシナリオと対応する機械学習ソリューションのユニークな特性を、その制限と潜在的な研究方向で識別します。
論文 参考訳(メタデータ) (2021-03-10T20:10:53Z) - Artificial Intelligence and its impact on the Fourth Industrial
Revolution: A Review [0.0]
第4次産業革命はいくつかの新興技術を持ち、人類の歴史の先例なしに進展する可能性がある。
政府、アカデミック、産業、市民社会は、新興産業革命の多次元的影響を理解することに関心を示している。
専門家は、新興テクノロジーが人類に多大な利益をもたらす可能性があると考えている。
論文 参考訳(メタデータ) (2020-11-05T15:57:34Z) - Validate and Enable Machine Learning in Industrial AI [47.20869253934116]
産業用AIは、より効率的な将来の産業用制御システムを約束する。
Petuum Optimumシステムは、AIモデルの作成とテストの課題を示す例として使用される。
論文 参考訳(メタデータ) (2020-10-30T20:33:05Z)
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。