Fugu-MT 論文翻訳(概要): Machine learning's own Industrial Revolution

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

Large Language Models for Manufacturing [41.12098478080648]
大規模言語モデル(LLM)は製造業を変革する可能性があり、プロセスを最適化し、効率を改善し、革新を促進する新しい機会を提供する。本稿では,LLMを製造分野に統合し,製造のさまざまな側面を自動化・拡張する可能性に焦点を当てる。
論文参考訳（メタデータ） (2024-10-28T18:13:47Z)
MMAD: The First-Ever Comprehensive Benchmark for Multimodal Large Language Models in Industrial Anomaly Detection [66.05200339481115]
本稿では,産業異常検出における最初のフルスペクトルMLLMベンチマークであるMMADを提案する。産業検査におけるMLLMの7つの重要なサブタスクを定義し,MMADデータセットを生成するための新しいパイプラインを設計した。 MMADを用いて,様々な最先端MLLMの包括的,定量的評価を行った。
論文参考訳（メタデータ） (2024-10-12T09:16:09Z)
A Unified Industrial Large Knowledge Model Framework in Industry 4.0 and Smart Manufacturing [0.32885740436059047]
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,将来の産業に革命をもたらす可能性を強調する統一産業大知識モデル(ILKM)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)
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)
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。