論文の概要: Academic competitions
- arxiv url: http://arxiv.org/abs/2312.00268v1
- Date: Fri, 1 Dec 2023 01:01:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-04 16:02:31.726074
- Title: Academic competitions
- Title（参考訳）: 学術大会
- Authors: Hugo Jair Escalante and Aleksandra Kruchinina
- Abstract要約: この章では、機械学習とその関連分野の文脈における学術的課題について調査する。
ここ数年で最も影響力のあるコンペをレビューし、知識領域における課題を分析します。
科学的な課題,その目標,主要な成果,今後の数年間の期待を概観する。
- 参考スコア（独自算出の注目度）: 61.592427413342975
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Academic challenges comprise effective means for (i) advancing the state of
the art, (ii) putting in the spotlight of a scientific community specific
topics and problems, as well as (iii) closing the gap for under represented
communities in terms of accessing and participating in the shaping of research
fields. Competitions can be traced back for centuries and their achievements
have had great influence in our modern world. Recently, they (re)gained
popularity, with the overwhelming amounts of data that is being generated in
different domains, as well as the need of pushing the barriers of existing
methods, and available tools to handle such data. This chapter provides a
survey of academic challenges in the context of machine learning and related
fields. We review the most influential competitions in the last few years and
analyze challenges per area of knowledge. The aims of scientific challenges,
their goals, major achievements and expectations for the next few years are
reviewed.
- Abstract（参考訳）: 学術的課題は効果的な手段である
(i)最先端の美術品
(ii)科学コミュニティ固有の話題や問題にスポットライトを当てる
(iii)研究分野へのアクセス・参加という観点から、代表地域社会のギャップを縮めること。
競争は数世紀にわたってさかのぼることができ、その成果は現代の世界に大きな影響を与えた。
最近では、さまざまなドメインで生成される膨大な量のデータと、既存のメソッドの障壁を押し進める必要性、そのようなデータを扱うための利用可能なツールによって、人気が高まりました。
本章では、機械学習とその関連分野における学術的課題に関する調査を行う。
ここ数年で最も影響力のあるコンペをレビューし、知識領域における課題を分析します。
科学的な課題,その目標,主要な成果,今後の数年間の期待を概観する。
関連論文リスト
- AI Competitions and Benchmarks: The life cycle of challenges and
benchmarks [0.49478969093606673]
我々は、堅牢なイノベーションの軸として、科学研究とアルゴリズム開発コミュニティを創造的に活用する必要性を論じる。
高度に複雑で大規模なデータ分析における協調的なコミュニティの関与は、ロバストな方法論を見つけるための一つのアプローチとして現れてきた。
論文 参考訳（メタデータ） (2023-12-08T18:44:10Z) - Federated Learning for Generalization, Robustness, Fairness: A Survey
and Benchmark [55.898771405172155]
フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。
我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
論文 参考訳（メタデータ） (2023-11-12T06:32:30Z) - Knowledge Graphs for the Life Sciences: Recent Developments, Challenges
and Opportunities [11.35513523308132]
生命科学におけるグラフ技術の利用の進展と進歩について論じる。
我々は、知識グラフ(KG)の構築と管理、新しい知識の発見におけるKGとその関連技術の使用、説明を支援する人工知能アプリケーションにおけるKGの使用の3つの幅広いトピックに焦点を当てる。
論文 参考訳（メタデータ） (2023-09-29T14:03:34Z) - A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
蓄積とは、以前に獲得した知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
論文 参考訳（メタデータ） (2023-07-16T16:27:58Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - Knowledge-enhanced Neural Machine Reasoning: A Review [67.51157900655207]
既存の知識強化手法を2つの主要なカテゴリと4つのサブカテゴリに分類する新しい分類法を導入する。
我々は、現在のアプリケーションドメインを解明し、将来的な研究の展望について洞察を提供する。
論文 参考訳（メタデータ） (2023-02-04T04:54:30Z) - Parsing Objects at a Finer Granularity: A Survey [54.72819146263311]
微細な視覚解析は、農業、リモートセンシング、宇宙技術など、多くの現実世界の応用において重要である。
卓越した研究努力は、異なるパラダイムに従って、これらのきめ細かいサブタスクに取り組む。
我々は,パート関係を学習する新たな視点から,先進的な研究を深く研究する。
論文 参考訳（メタデータ） (2022-12-28T04:20:10Z) - Bridging Machine Learning and Sciences: Opportunities and Challenges [0.0]
機械学習の科学への応用は、近年、エキサイティングな進歩を遂げている。
近年,ディープ・ニューラルネットを用いたアウト・オブ・ディストリビューション検出は高次元データにおいて大きな進歩を遂げている。
我々は、データ普遍性、実験プロトコル、モデル堅牢性など、それらの適用可能性について批判的に考察する。
論文 参考訳（メタデータ） (2022-10-24T17:54:46Z) - Machine Learning Towards Intelligent Systems: Applications, Challenges,
and Opportunities [8.68311678910946]
機械学習(ML)は、人間が大量のデータを処理するためのメカニズムを提供する。
このレビューは教育、医療、ネットワークセキュリティ、銀行と金融、ソーシャルメディアといった分野と応用に焦点を当てている。
論文 参考訳（メタデータ） (2021-01-11T01:32:15Z) - Data Science: Challenges and Directions [42.98602883069444]
データサイエンスのタイトルを含む何百もの文献をレビューする。
議論の大部分は、統計、データマイニング、機械学習、ビッグデータ、あるいは広範なデータ分析に関するものだと考えています。
我々は、複雑なシステムとしてのデータサイエンス問題の性質にインスパイアされた研究とイノベーションの課題に焦点を当てる。
論文 参考訳（メタデータ） (2020-06-28T01:49:00Z)
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。