論文の概要: A Note On Lookahead In Real Life And Computing

• arxiv url: http://arxiv.org/abs/2403.17942v1
• Date: Fri, 2 Feb 2024 06:17:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-01 02:34:48.500133
• Title: A Note On Lookahead In Real Life And Computing
• Title（参考訳）: 実生活とコンピューティングの展望
• Authors: Burle Sharma, Rakesh Mohanty, Sucheta Panda,
• Abstract要約: Look-Ahead(LA)は、将来の情報予測と入力の処理を処理し、事前に出力を生成する。 本稿では,LAの概念を学習し,理解し,探求することを目的とする。 本稿では,LAがプロセス,システム,アルゴリズムの効率化に重要な役割を果たしている,興味深い実生活アプリケーションとよく知られた計算問題を紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Past, Present and Future are considered to be three temporal and logical concepts which are well defined by human beings for their existence and growth. We, as human beings, have the privilege of using our intelligence to mentally execute an activity before physical occurrence of the same in the real world. Knowledge of the past, aplomb of present and visualisation for the future correspond to three concepts such as look-back, look-at and look-ahead respectively in real life as well as in diversified domains of computing. Look-Ahead(LA) deals with the future prediction of information and processing of input to produce the output in advance. In this article, our main objective is to learn, understand and explore the concept of LA and design novel models as solution for real world problems. We present three well known algorithmic frameworks used in practice based on availability of input information such as offline, online and semi-online. We introduce interesting real life applications and well known computing problems where LA plays a significant role for making a process, system or algorithm efficient. We define new types of LA and propose a taxonomy for LA based on literature review for designing novel LA models in future. Using the concept of LA, We identify and present many interesting and non-trivial research challenges as future potential research directions. Intuitively, we observe that LA can be used as a powerful tool and framework for future researchers in design of efficient computational models and algorithms for solving non-trivial and challenging optimization problems.
• Abstract（参考訳）: 過去、現在、未来は、その存在と成長のために人間によって明確に定義された3つの時間的・論理的な概念であると考えられている。 我々は、人間として、現実世界で同じことが起こる前に、知性を使って精神的に行動を実行する特権を有する。 過去、現在、そして将来の視覚化の爆発は、それぞれ実生活におけるルックバック、ルックアット、ルックアヘッドの3つの概念と、コンピューティングの多様化した領域に対応している。 Look-Ahead(LA)は、将来の情報予測と入力の処理を処理し、事前に出力を生成する。 本稿では,LAの概念を学習し,理解し,探求することを目的とする。 本稿では,オフライン,オンライン,セミオンラインなどの入力情報の利用可能性に基づいて,実際に使用される3つのよく知られたアルゴリズムフレームワークを提案する。 本稿では,LAがプロセス,システム,アルゴリズムの効率化に重要な役割を果たしている,興味深い実生活アプリケーションとよく知られた計算問題を紹介する。 今後,新たなLAモデルを設計するための文献レビューに基づいて,LAの新しいタイプのLAを定義し,LAの分類法を提案する。 LAの概念を用いて、多くの興味深い、非自明な研究課題を将来の研究の方向性として特定し、提示する。 直感的には、LAは非自明で困難な最適化問題を解くための効率的な計算モデルとアルゴリズムの設計において、将来の研究者にとって強力なツールおよびフレームワークとして使用できることを観察する。

関連論文リスト

• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• ChatGPT Alternative Solutions: Large Language Models Survey [0.0]
  大規模言語モデル(LLM)はこの領域における研究貢献の急増に火をつけた。 近年、学術と産業のダイナミックな相乗効果が見られ、LLM研究の分野を新たな高地へと押し上げた。 この調査は、ジェネレーティブAIの現状をよく理解し、さらなる探索、強化、イノベーションの機会に光を当てている。
  論文  参考訳（メタデータ） (2024-03-21T15:16:50Z)
• A Survey on Service Route and Time Prediction in Instant Delivery: Taxonomy, Progress, and Prospects [58.746820564288846]
  Route&Time Prediction (RTP) は、労働者の到着時間だけでなく、将来のサービス経路を推定することを目的としている。 これまで多くのアルゴリズムが開発されてきたが、この領域の研究者を導くための体系的で包括的な調査は行われていない。 提案手法は,2つの基準に基づいて分類される: (i) タスクのタイプ, (i) 時間のみの予測, (ii) シーケンスベースモデルとグラフベースモデルを含むモデルアーキテクチャ, (iii) 教師付き学習(SL) とDeep Reinforcementを含む学習パラダイム。
  論文  参考訳（メタデータ） (2023-09-03T14:43:33Z)
• Continual Zero-Shot Learning through Semantically Guided Generative Random Walks [56.65465792750822]
  生成モデルを利用して、学習中に見えない情報が提供されない連続ゼロショット学習の課題に対処する。 本稿では,新しい意味誘導型生成ランダムウォーク(GRW)損失を用いた学習アルゴリズムを提案する。 提案アルゴリズムは,AWA1,AWA2,CUB,SUNデータセットの最先端性能を達成し,既存のCZSL手法を3～7%上回る結果を得た。
  論文  参考訳（メタデータ） (2023-08-23T18:10:12Z)
• Planning to Learn: A Novel Algorithm for Active Learning during Model-Based Planning [6.3318086812818475]
  我々は、計画中のアクティブラーニングをより完全に組み込んだSI(高度学習(SL))の拡張を提案する。 SLは、各方針の下で期待される将来の観測の下でモデルパラメータがどのように変化するかという信念を維持している。 これらの目的を達成するために,SLが独特なソリューションを提供する問題構造を強調するために,生物にインスパイアされた新しい環境を利用する。
  論文  参考訳（メタデータ） (2023-08-15T20:39:23Z)
• An Outlook into the Future of Egocentric Vision [35.98763217828443]
  この調査は、特定のハードウェアに依存しない、エゴセントリックなビジョンのためのソフトウェアモデルに焦点を当てている。 この論文は、常にオンでパーソナライズされ、生活を支えていくエゴセントリックなビジョンへの道を開くために、即時探査の分野を推奨することで締めくくります。
  論文  参考訳（メタデータ） (2023-08-14T13:10:48Z)
• VQA and Visual Reasoning: An Overview of Recent Datasets, Methods and Challenges [1.565870461096057]
  この結果、視覚と言語の統合が多くの注目を集めた。 タスクは、深層学習の概念を適切に実証するための方法で作られています。
  論文  参考訳（メタデータ） (2022-12-26T20:56:01Z)
• Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
  この本はコンピュータビジョンの分野における科学的進歩を批判している。 情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
  論文  参考訳（メタデータ） (2022-06-30T15:20:36Z)
• Lifelong Adaptive Machine Learning for Sensor-based Human Activity Recognition Using Prototypical Networks [0.0]
  連続学習は、生涯学習としても知られ、機械学習分野への関心が高まりつつある研究トピックである。 我々は,連続機械学習の分野における最近の進歩を基盤に,プロトタイプネットワーク(LPPNet-HAR)を用いた生涯適応型学習フレームワークを設計する。 LAPNet-HARは、タスクフリーなデータインクリメンタルな方法でセンサベースのデータストリームを処理する。
  論文  参考訳（メタデータ） (2022-03-11T00:57:29Z)
• Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview [72.79089075263985]
  配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。 機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
  論文  参考訳（メタデータ） (2022-02-28T06:28:44Z)
• A Survey on Large-scale Machine Learning [67.6997613600942]
  機械学習はデータに対する深い洞察を与え、マシンが高品質な予測を行うことを可能にする。 ほとんどの高度な機械学習アプローチは、大規模なデータを扱う場合の膨大な時間コストに悩まされる。 大規模機械学習は、ビッグデータからパターンを、同等のパフォーマンスで効率的に学習することを目的としている。
  論文  参考訳（メタデータ） (2020-08-10T06:07:52Z)

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。