論文の概要: On the Challenges of Transforming UVL to IVML
- arxiv url: http://arxiv.org/abs/2403.01952v1
- Date: Mon, 4 Mar 2024 11:44:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 18:54:33.548799
- Title: On the Challenges of Transforming UVL to IVML
- Title（参考訳）: UVLからIVMLへの変換の課題について
- Authors: Prankur Agarwal, Kevin Feichtinger, Klaus Schmid, Holger Eichelberger
and Rick Rabiser
- Abstract要約: 変動モデル間の変換は、異なるモデリングアプローチの利点と欠点を理解するのに役立ちます。
本稿では,UVLとIVMLの変換の課題について論じる。
また、UVLからIVMLへの片道変換もできる限り情報損失が少ない。
- 参考スコア（独自算出の注目度）: 1.3624495460189863
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software product line techniques encourage the reuse and adaptation of
software components for creating customized products or software systems. These
different product variants have commonalities and differences, which are
managed by variability modeling. Over the past three decades, both academia and
industry have developed numerous variability modeling methods, each with its
own advantages and disadvantages. Many of these methods have demonstrated their
utility within specific domains or applications. However, comprehending the
capabilities and differences among these approaches to pinpoint the most
suitable one for a particular use case remains challenging. Thus, new modeling
techniques and tailored tools for handling variability are frequently created.
Transitioning between variability models through transformations from different
approaches can help in understanding the benefits and drawbacks of different
modeling approaches. However, implementing such transformations presents
challenges, such as semantic preservation and avoiding information loss.
TRAVART is a tool that helps with transitioning between different approaches by
enabling the transformation of variability models into other variability models
of different types. This paper discusses the challenges for such
transformations between UVL and IVML. It also presents a one-way transformation
from the UVL to IVML with as little information loss as possible.
- Abstract（参考訳）: ソフトウェア製品ライン技術は、カスタマイズされた製品やソフトウェアシステムを作成するためのソフトウェアコンポーネントの再利用と適応を促進する。
これらの異なる製品変種は共通点と相違点を持ち、変数モデリングによって管理される。
過去30年間、学界と産業は、それぞれ独自の長所と短所を持つ多くの変数モデリング手法を開発してきた。
これらの手法の多くは、特定のドメインやアプリケーションで有効性を実証している。
しかし、特定のユースケースに適したものを特定するためのこれらのアプローチの能力と違いを理解することは、依然として困難である。
このように、可変性を扱うための新しいモデリング技術や調整されたツールが頻繁に作成される。
異なるアプローチからの変換を通じて可変性モデル間の遷移は、異なるモデリングアプローチの利点と欠点を理解するのに役立つ。
しかし、このような変換の実装には意味保存や情報損失の回避といった課題がある。
TRAVARTは、変数モデルを異なるタイプの他の変数モデルに変換することで、異なるアプローチ間の移行を支援するツールである。
本稿では,UVLとIVMLの変換の課題について論じる。
また、UVLからIVMLへの片道変換もできる限り情報損失が少ない。
関連論文リスト
- Dynamic and Adaptive Feature Generation with LLM [10.142660254703225]
本稿では,特徴生成プロセスの解釈可能性を高める動的かつ適応的な特徴生成手法を提案する。
弊社のアプローチは、さまざまなデータタイプやタスクに適用可能性を広げ、戦略的柔軟性よりも優位性を引き出す。
論文 参考訳（メタデータ） (2024-06-04T20:32:14Z) - Learning multi-modal generative models with permutation-invariant encoders and tighter variational objectives [5.549794481031468]
マルチモーダルデータに対する深い潜伏変数モデルの開発は、機械学習研究において長年のテーマであった。
本研究では,データログ類似度を厳密に近似できる変動目標について考察する。
我々は,PoE や MoE のアプローチにおける帰納バイアスを回避するために,より柔軟なアグリゲーション手法を開発した。
論文 参考訳（メタデータ） (2023-09-01T10:32:21Z) - Learning Modulated Transformation in GANs [69.95217723100413]
生成逆数ネットワーク(GAN)のジェネレータに、変調変換モジュール(Modulated transformation module, MTM)と呼ばれるプラグアンドプレイモジュールを装備する。
MTMは、可変位置で畳み込み操作を適用可能な潜在符号の制御下で空間オフセットを予測する。
挑戦的なTaiChiデータセット上での人為的な生成に向けて、StyleGAN3のFIDを21.36から13.60に改善し、変調幾何変換の学習の有効性を実証した。
論文 参考訳（メタデータ） (2023-08-29T17:51:22Z) - MinT: Boosting Generalization in Mathematical Reasoning via Multi-View
Fine-Tuning [53.90744622542961]
数学領域における推論は、小言語モデル(LM)にとって重要な課題である。
多様なアノテーションスタイルで既存の数学的問題データセットを利用する新しい手法を提案する。
実験結果から,LLaMA-7Bモデルが先行手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-07-16T05:41:53Z) - Incremental Model Transformations with Triple Graph Grammars for
Multi-version Models [1.6371451481715191]
本稿では,ソースモデルの複数バージョンを対象モデルの対応するバージョンに変換する手法を提案する。
我々のアプローチは、トリプルグラフ文法のよく知られた形式主義と、マルチバージョンモデルと呼ばれるモデルバージョン履歴の符号化に基づいている。
論文 参考訳（メタデータ） (2023-07-05T08:26:18Z) - In Search for a Generalizable Method for Source Free Domain Adaptation [9.032468541589203]
ソースフリードメイン適応(SFDA)は、非ラベルデータのみを使用して、オフザシェルフモデルを新しいドメインに適応できるため、魅力的である。
本研究では,生物音響学における自然発生分布シフトの課題に対して,既存のSFDA技術を適用した。
既存の手法は、視力ベンチマークで観察されたものと異なる相対性を示し、時には適応が全くないよりも悪い場合もあります。
論文 参考訳（メタデータ） (2023-02-13T19:43:16Z) - Adaptive Image Transformations for Transfer-based Adversarial Attack [73.74904401540743]
適応画像変換学習(AITL)と呼ばれる新しいアーキテクチャを提案する。
精巧に設計した学習者は、入力画像固有の画像変換の最も効果的な組み合わせを適応的に選択する。
本手法は、通常訓練されたモデルと防衛モデルの両方において、各種設定下での攻撃成功率を大幅に向上させる。
論文 参考訳（メタデータ） (2021-11-27T08:15:44Z) - Exploring Complementary Strengths of Invariant and Equivariant
Representations for Few-Shot Learning [96.75889543560497]
多くの現実世界では、多数のラベル付きサンプルの収集は不可能です。
少ないショット学習はこの問題に対処するための主要なアプローチであり、目的は限られた数のサンプルの存在下で新しいカテゴリに迅速に適応することです。
幾何学的変換の一般集合に対する等分散と不変性を同時に強制する新しい訓練機構を提案する。
論文 参考訳（メタデータ） (2021-03-01T21:14:33Z) - 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) - FLAT: Few-Shot Learning via Autoencoding Transformation Regularizers [67.46036826589467]
本稿では,データ例のラベルを使わずに,変換の分布によって引き起こされる特徴表現の変化を学習することで,新たな正規化機構を提案する。
エンコードされた特徴レベルで変換強化されたバリエーションを検査することで、ベースカテゴリへのオーバーフィットのリスクを最小限に抑えることができる。
実験結果から,文学における現在の最先端手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2019-12-29T15:26:28Z)
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。