Fugu-MT 論文翻訳(概要): A Tool for Automated Reasoning About Traces Based on Configurable Formal Semantics

論文の概要: A Tool for Automated Reasoning About Traces Based on Configurable Formal Semantics

arxiv url: http://arxiv.org/abs/2403.06012v1
Date: Sat, 9 Mar 2024 21:23:40 GMT
ステータス: 処理完了
システム内更新日: 2024-03-13 11:26:34.167766
Title: A Tool for Automated Reasoning About Traces Based on Configurable Formal Semantics
Title（参考訳）: 構成可能な形式的意味論に基づくトレースの自動推論ツール
Authors: Ferhat Erata, Arda Goknil, Bedir Tekinerdogan, Geylani Kardas
Abstract要約: Tarskiはトレースセマンティクスを指定するツールで、トレースの自動推論を容易にする。自動車分野における3つの産業ケーススタディで評価されている。
参考スコア（独自算出の注目度）: 4.732769742263469
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present Tarski, a tool for specifying configurable trace semantics to facilitate automated reasoning about traces. Software development projects require that various types of traces be modeled between and within development artifacts. For any given artifact (e.g., requirements, architecture models and source code), Tarski allows the user to specify new trace types and their configurable semantics, while, using the semantics, it automatically infers new traces based on existing traces provided by the user, and checks the consistency of traces. It has been evaluated on three industrial case studies in the automotive domain (https://modelwriter.github.io/Tarski/).
Abstract（参考訳）: トレースの自動推論を容易にするために,設定可能なトレースセマンティクスを指定するツールであるtarskiを提案する。ソフトウェア開発プロジェクトでは、様々な種類のトレースを開発成果物間でモデル化する必要がある。任意のアーティファクト(要求、アーキテクチャモデル、ソースコードなど)に対して、Tarskiはユーザーが新しいトレースタイプと設定可能なセマンティクスを指定できるようにし、セマンティクスを使用して、ユーザが提供した既存のトレースに基づいて新しいトレースを自動的に推論し、トレースの一貫性をチェックする。自動車分野における3つの産業ケーススタディ(https://modelwriter.github.io/Tarski/)で評価されている。

関連論文リスト

Automated Configuration Synthesis for Machine Learning Models: A git-Based Requirement and Architecture Management System [5.095988654970361]
この作業では、ソフトウェアコードとともにgitリポジトリ(T-Reqs)にアーティファクトとして格納されたテキスト要求からランタイム設定を自動的に生成するツールを導入している。このツールは、T-Reqsでモデル化されたアーキテクチャ記述を利用して、人工知能(AI)対応ソフトウェアシステムのデプロイに必要な構成特性を特定する。
論文参考訳（メタデータ） (2024-04-26T08:35:02Z)
AlloyInEcore: Embedding of First-Order Relational Logic into Meta-Object Facility for Automated Model Reasoning [4.732769742263469]
AlloyInEcoreは静的セマンティクスでメタモデルを指定するツールである。自動車分野における3つの産業ケーススタディで評価されている。
論文参考訳（メタデータ） (2024-03-05T04:49:21Z)
LABELMAKER: Automatic Semantic Label Generation from RGB-D Trajectories [59.14011485494713]
この研究は、完全に自動化された2D/3Dラベリングフレームワークを導入し、RGB-Dスキャンのラベルを同等(あるいはそれ以上)の精度で生成できる。我々は、ScanNetデータセットのラベルを大幅に改善し、これまでラベル付けされていなかったARKitScenesデータセットを自動的にラベル付けすることで、LabelMakerパイプラインの有効性を実証する。
論文参考訳（メタデータ） (2023-11-20T20:40:24Z)
TrajectoryFormer: 3D Object Tracking Transformer with Predictive Trajectory Hypotheses [51.60422927416087]
3Dマルチオブジェクトトラッキング(MOT)は、自律走行車やサービスロボットを含む多くのアプリケーションにとって不可欠である。本稿では,新しいポイントクラウドベースの3DMOTフレームワークであるTrjectoryFormerを紹介する。
論文参考訳（メタデータ） (2023-06-09T13:31:50Z)
End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
論文参考訳（メタデータ） (2022-10-26T10:19:37Z)
Automatic Detection and Classification of Symbols in Engineering Drawings [3.1351527202068445]
この方法は、伝説のテーブルに存在するオブジェクトを自動的に見つけ、それらの位置、数え、関連する情報を見つける。このメソッドは、新しいテンプレートを表現するのに役立つ機能セットを学ぶために、いくつかの図面やデザインテンプレートで事前訓練されている。提案手法は, 設計バリデーション, オブジェクト数, コンポーネントの接続性など, 複数の産業アプリケーションで有用である。
論文参考訳（メタデータ） (2022-04-28T04:14:14Z)
Augmenting Modelers with Semantic Autocompletion of Processes [5.279475826661643]
ビジネスプロセスモデラーはドメインに関する専門知識を必要とします。本稿では,サブプロセスの意味的類似性に基づく設計時の自動補完手法を提案する。
論文参考訳（メタデータ） (2021-05-24T16:23:07Z)
TrTr: Visual Tracking with Transformer [29.415900191169587]
トランスフォーマーエンコーダデコーダアーキテクチャと呼ばれる強力な注意メカニズムに基づく新しいトラッカーネットワークを提案する。形状非依存アンカーに基づくターゲットのローカライズを行うトランスの出力を用いて,分類と回帰ヘッドを設計する。本手法は最先端のアルゴリズムに好適に作用する。
論文参考訳（メタデータ） (2021-05-09T02:32:28Z)
Low-Resource Task-Oriented Semantic Parsing via Intrinsic Modeling [65.51280121472146]
私たちは本質的にオントロジーラベルについて知っているものを利用して、効率的なセマンティック解析モデルを構築します。我々のモデルはTOPv2から派生した低リソースのベンチマークを用いて高効率である。
論文参考訳（メタデータ） (2021-04-15T04:01:02Z)
TrackFormer: Multi-Object Tracking with Transformers [92.25832593088421]
TrackFormerはエンコーダデコーダトランスフォーマーアーキテクチャに基づくエンドツーエンドのマルチオブジェクトトラッキングおよびセグメンテーションモデルです。新しいトラッククエリはDETRオブジェクト検出器によって生成され、時間とともに対応するオブジェクトの位置を埋め込む。 trackformerは新しいトラッキング・バイ・アテンションパラダイムでフレーム間のシームレスなデータ関連付けを実現する。
論文参考訳（メタデータ） (2021-01-07T18:59:29Z)
Synthesizing the Unseen for Zero-shot Object Detection [72.38031440014463]
そこで本研究では,視覚領域における視覚的特徴と視覚的対象の両方を学習するために,視覚的特徴を合成することを提案する。クラスセマンティックスを用いた新しい生成モデルを用いて特徴を生成するだけでなく,特徴を識別的に分離する。
論文参考訳（メタデータ） (2020-10-19T12:36:11Z)

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。