Fugu-MT 論文翻訳(概要): Middle Architecture Criteria

論文の概要: Middle Architecture Criteria

arxiv url: http://arxiv.org/abs/2404.17757v1
Date: Sat, 27 Apr 2024 02:16:26 GMT
ステータス: 処理完了
システム内更新日: 2024-04-30 19:30:48.507464
Title: Middle Architecture Criteria
Title（参考訳）: ミドルアーキテクチャの基準
Authors: John Beverley, Giacomo De Colle, Mark Jensen, Carter Benson, Barry Smith,
Abstract要約: 与えられた与えられたものが中間レベルに数えられるかどうかを判断するための明確な基準はない。中程度の一般性に何が含まれるかという厳密な特徴はない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mid-level ontologies are used to integrate terminologies and data across disparate domains. There are, however, no clear, defensible criteria for determining whether a given ontology should count as mid-level, because we lack a rigorous characterization of what the middle level of generality is supposed to contain. Attempts to provide such a characterization have failed, we believe, because they have focused on the goal of specifying what is characteristic of those single ontologies that have been advanced as mid-level ontologies. Unfortunately, single ontologies of this sort are generally a mixture of top- and mid-level, and sometimes even of domain-level terms. To gain clarity, we aim to specify the necessary and sufficient conditions for a collection of one or more ontologies to inhabit what we call a mid-level architecture.
Abstract（参考訳）: 中レベルのオントロジーは、異なるドメインにまたがる用語とデータを統合するために使用される。しかしながら、あるオントロジーが中間レベルとして数えられるかどうかを決定するための明確な基準は存在しない。このような特徴を与える試みは失敗に終わり、中級オントロジーとして進歩してきたこれらの単一オントロジーの特徴の特定に焦点を絞ったものであると我々は信じている。残念なことに、この種の単一オントロジーは一般にトップレベルとミドルレベルの混合であり、時にはドメインレベルの用語の混合である。明確にするために、我々は1つ以上のオントロジーの集合体が中級アーキテクチャと呼ばれるものに生息するのに必要かつ十分な条件を特定することを目指している。

関連論文リスト

Mapping the Provenance Ontology to Basic Formal Ontology [0.0]
Provenance Ontology (PROV-O) はWorld Wide Web Consortium (W3C) で、さまざまなドメインにまたがる成果に関するデータを構造化するために使用される。
論文参考訳（メタデータ） (2024-08-02T16:50:17Z)
A Provably Efficient Option-Based Algorithm for both High-Level and Low-Level Learning [54.20447310988282]
異なる(高低と高低の)時間的抽象化において,後悔最小化アルゴリズムのメタアルゴリズムを交互に提案する。高いレベルでは、半マルコフ決定プロセス(SMDP)として、固定された低レベルポリシーで、低いレベルでは内部オプションポリシーを固定された高レベルポリシーで学習する。
論文参考訳（メタデータ） (2024-06-21T13:17:33Z)
Learning Hierarchical Semantic Classification by Grounding on Consistent Image Segmentations [37.80849457554078]
階層的な意味分類は、単一の平坦な木ではなく、分類木を予測する必要がある。フラットレベル認識のための階層的セグメンテーションの学習に関する最近の研究に基づいて構築する。木パスKL分割損失を導入し,各レベルに一貫した正確な予測を行う。
論文参考訳（メタデータ） (2024-06-17T14:56:51Z)
HD-Eval: Aligning Large Language Model Evaluators Through Hierarchical Criteria Decomposition [92.17397504834825]
HD-Evalは、大規模な言語モデル評価ツールと人間の好みを反復的に調整するフレームワークである。 HD-Evalは、人間の専門家の評価思想から本質を継承し、LLMに基づく評価器のアライメントを強化する。 3つの評価領域に関する広範囲な実験は、HD-Evalのさらなる整合状態評価器の優位性を実証している。
論文参考訳（メタデータ） (2024-02-24T08:01:32Z)
Provable Hierarchy-Based Meta-Reinforcement Learning [50.17896588738377]
HRLをメタRL設定で解析し、下流タスクで使用するメタトレーニング中に学習者が潜在階層構造を学習する。我々は、この自然階層の標本効率の回復を保証し、抽出可能な楽観主義に基づくアルゴリズムとともに「多様性条件」を提供する。我々の境界は、時間的・状態的・行動的抽象化などのHRL文献に共通する概念を取り入れており、我々の設定と分析が実際にHRLの重要な特徴を捉えていることを示唆している。
論文参考訳（メタデータ） (2021-10-18T17:56:02Z)
ProcessCO v1.3's Terms, Properties, Relationships and Axioms - A Core Ontology for Processes [0.0]
このプレプリントはプロセスコアオントロジーのすべての用語、性質、関係、公理を定義し定義する。これは5段階のオントロジアーキテクチャであり、ファンデーショナルコア、ドメイン、インスタンスのレベルを考慮に入れている。本論文の最後には,ProcessCO vs. ThingFOノンタコノミクス関係検証行列について述べる。
論文参考訳（メタデータ） (2021-08-05T19:03:59Z)
SituationCO v1.2's Terms, Properties, Relationships and Axioms -- A Core Ontology for Particular and Generic Situations [0.0]
プレプリントはAudieCO v1.1(Situation Core Ontology)のアップデートであり、新しいバージョン1.2を表す。状況 v1.2 のすべての項、性質、関係、公理を定義し、定義する。
論文参考訳（メタデータ） (2021-07-21T13:54:40Z)
Measuring Fine-Grained Domain Relevance of Terms: A Hierarchical Core-Fringe Approach [24.04238065663009]
我々は,ある用語が広い領域(例えば,計算機科学)や狭い領域(例えば,ディープラーニング)に関係している程度を測定することを提案する。長い尾の項を扱うために、コアアンコレート・セマンティックグラフを構築します。調整用コーパスに頼らずにきめ細かなドメインをサポートするため,階層型コアフロンティア学習を開発した。私たちのアプローチは、大きなドメインや小さなドメインに適用され、頭や尾の用語をカバーし、人間の努力をほとんど必要としません。
論文参考訳（メタデータ） (2021-05-27T15:52:34Z)
Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
論文参考訳（メタデータ） (2020-10-22T15:58:35Z)
Exploring the Hierarchy in Relation Labels for Scene Graph Generation [75.88758055269948]
提案手法は,Recall@50において,複数の最先端ベースラインを大きなマージン(最大33%の相対利得)で改善することができる。実験により,提案手法により,最先端のベースラインを大きなマージンで改善できることが示された。
論文参考訳（メタデータ） (2020-09-12T17:36:53Z)
Fair Hierarchical Clustering [92.03780518164108]
従来のクラスタリングにおける過剰表現を緩和する公平性の概念を定義する。我々のアルゴリズムは、目的に対して無視できない損失しか持たない、公平な階層的なクラスタリングを見つけることができることを示す。
論文参考訳（メタデータ） (2020-06-18T01:05:11Z)

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。