論文の概要: Proceedings Sixth Workshop on Models for Formal Analysis of Real Systems

• arxiv url: http://arxiv.org/abs/2403.17862v1
• Date: Tue, 26 Mar 2024 16:49:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-27 14:27:54.648184
• Title: Proceedings Sixth Workshop on Models for Formal Analysis of Real Systems
• Title（参考訳）: 6th Workshop on Models for Formal Analysis of Real Systems に参加して
• Authors: Frédéric Lang, Matthias Volk,
• Abstract要約: この巻には、European Joint Conference on Theory and Practice of Software である ETAPS 2024 の一部として開催されている Models for Formal Analysis of Real Systems の6番目のワークショップが含まれている。 MARSワークショップは、ネットワーク、サイバー物理システム、ハードウェア/ソフトウェアの共同設計、生物学など、複雑なモデルが発生する分野において、実際のシステムの形式モデルを開発している異なるコミュニティの研究者を集めている。 1 大規模ケーススタディは、仕様形式とモデリング技術が現実のシステムに適用可能であることを示すのに不可欠であるが、多くの研究論文ではおもちゃの例や小さなケースしか考慮していない。
• 参考スコア（独自算出の注目度）: 0.03946288852327085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This volume contains the proceedings of MARS 2024, the sixth workshop on Models for Formal Analysis of Real Systems, held as part of ETAPS 2024, the European Joint Conferences on Theory and Practice of Software. The MARS workshops bring together researchers from different communities who are developing formal models of real systems in areas where complex models occur, such as networks, cyber-physical systems, hardware/software co-design, biology, etc. The motivation and aim for MARS stem from the following two observations: (1) Large case studies are essential to show that specification formalisms and modelling techniques are applicable to real systems, whereas many research papers only consider toy examples or tiny case studies. (2) Developing an accurate model of a real system takes a large amount of time, often months or years. In most scientific papers, however, salient details of the model need to be skipped due to lack of space, and to leave room for formal verification methodologies and results. The MARS workshops aim at remedying these issues, emphasising modelling over verification, so as to retain lessons learnt from formal modelling, which are not usually discussed elsewhere.
• Abstract（参考訳）: この巻には、理論と実践に関する欧州合同会議であるETAPS 2024の一部として開催される、リアルシステムの形式分析モデルに関する第6回ワークショップであるMARS 2024の手続きが含まれている。 MARSワークショップは、ネットワーク、サイバー物理システム、ハードウェア/ソフトウェアの共同設計、生物学など、複雑なモデルが発生する分野において、実際のシステムの形式モデルを開発している異なるコミュニティの研究者を集めている。 1 大規模ケーススタディは、仕様形式とモデリング技術が実際のシステムに適用可能であることを示すのに不可欠であるが、多くの研究論文はおもちゃの例や小さなケーススタディのみを考察している。 2) 実システムの正確なモデルを開発するには,数ヶ月や数年を要することが多い。 しかし、ほとんどの科学論文では、空間不足のためにモデルの詳細な詳細を省略し、正式な検証手法と結果の余地を残す必要がある。 MARSワークショップはこれらの問題を解決することを目的としており、検証よりもモデリングを重視し、通常他の場所では議論されていない形式的なモデリングから学んだ教訓を維持することを目的としている。

関連論文リスト

• Towards Synthetic Trace Generation of Modeling Operations using In-Context Learning Approach [1.8874331450711404]
  本稿では,イベントログのモデリング,インテリジェントなモデリングアシスタント,モデリング操作の生成を組み合わせた概念的フレームワークを提案する。 特に、アーキテクチャは、設計者がシステムを指定するのを助け、その操作をグラフィカルなモデリング環境内で記録し、関連する操作を自動的に推奨する、モデリングコンポーネントから構成される。
  論文  参考訳（メタデータ） (2024-08-26T13:26:44Z)
• Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
  モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。 これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
  論文  参考訳（メタデータ） (2024-08-14T16:58:48Z)
• LLAVADI: What Matters For Multimodal Large Language Models Distillation [77.73964744238519]
  本研究では,新しい効率的なモデル構造を提案するのではなく,スクラッチから小規模MLLMを訓練する。 本研究は, 知識蒸留プロセスにおける学習戦略, モデル選択, 蒸留アルゴリズムに関するものである。 異なるベンチマークと適切な戦略を評価することで、2.7Bの小型モデルでも7Bまたは13Bのパラメータを持つ大型モデルと同等に動作することができる。
  論文  参考訳（メタデータ） (2024-07-28T06:10:47Z)
• Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry [1.1060425537315088]
  デジタルツイン(Digital Twins、DT)は、センサーデータと高度なデータベースまたは物理ベースのモデル、あるいはその組み合わせを組み合わせた物理製造システムの仮想レプリカで、プロセス監視、予測制御、意思決定支援など、さまざまな産業関連タスクに対処する。 DTのバックボーン、すなわち、これらのモデルをサポートする具体的なモデリング方法論とアーキテクチャフレームワークは、複雑で多様性があり、急速に進化し、最新の最先端の手法と競争の激しい市場のトップに留まる傾向を徹底的に理解する必要がある。
  論文  参考訳（メタデータ） (2024-07-02T14:05:10Z)
• What matters when building vision-language models? [52.8539131958858]
  我々は、80億のパラメータを持つ効率的な基礎的視覚言語モデルであるIdefics2を開発した。 Idefics2は、様々なマルチモーダルベンチマークで、そのサイズカテゴリ内で最先端のパフォーマンスを達成する。 トレーニング用に作成されたデータセットとともに、モデル(ベース、指示、チャット)をリリースします。
  論文  参考訳（メタデータ） (2024-05-03T17:00:00Z)
• Beyond development: Challenges in deploying machine learning models for structural engineering applications [2.6415688445750383]
  本稿では,2つの具体例を通して,デプロイメントに適した機械学習モデルを開発する上での課題について述べる。 様々な落とし穴の中で、提示された議論は、モデルの過度な適合と過小評価、トレーニングデータ代表性、変数の欠落バイアス、およびクロスバリデーションに焦点を当てている。 その結果、適応サンプリングによる厳密なモデル検証手法の実装の重要性、注意深い物理インフォームド特徴選択、モデルの複雑さと一般化可能性の両方について考察した。
  論文  参考訳（メタデータ） (2024-04-18T23:40:42Z)
• Large-scale Multi-Modal Pre-trained Models: A Comprehensive Survey [66.18478838828231]
  マルチモーダルな事前訓練型大型モデルは近年ますます注目を集めている。 本稿では, 自然言語処理, コンピュータビジョン, 音声処理における従来の深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・ 次に,マルチモーダル・プレトレーニング・モデル(MM-PTM)のタスク定義,課題,メリットを紹介し,データ,目的,ネットワーク,知識強化による事前トレーニングに着目して,MM-PTMについて議論する。
  論文  参考訳（メタデータ） (2023-02-20T15:34:03Z)
• Minimal Value-Equivalent Partial Models for Scalable and Robust Planning in Lifelong Reinforcement Learning [56.50123642237106]
  モデルに基づく強化学習における一般的な実践は、エージェントの環境のあらゆる側面をモデル化するモデルを学ぶことである。 このようなモデルは、生涯にわたる強化学習シナリオにおいて、スケーラブルで堅牢な計画を実行するのに特に適していない、と我々は主張する。 我々は,「最小値部分モデル」と呼ぶ,環境の関連する側面のみをモデル化する新しい種類のモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-24T16:40:01Z)
• Knowledge-Guided Dynamic Systems Modeling: A Case Study on Modeling River Water Quality [8.110949636804774]
  実世界の現象をモデル化することは、エコロジーモデリングや財務予測など、多くの科学と工学の取り組みの焦点である。 複雑な動的システムのための正確なモデルの構築は、基盤となるプロセスの理解を改善し、リソース効率に繋がる。 反対の極端に、データ駆動モデリングはデータから直接モデルを学び、広範囲なデータと潜在的に過剰なフィッティングを生成する。 中間的アプローチであるモデルリビジョンに注目し,事前知識とデータを組み合わせることで,両世界のベストを達成する。
  論文  参考訳（メタデータ） (2021-03-01T06:31:38Z)
• S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
  モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。 我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
  論文  参考訳（メタデータ） (2020-07-13T17:44:30Z)

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。