Fugu-MT 論文翻訳(概要): AHA! Strategies for Gaining Insights into Software Design

論文の概要: AHA! Strategies for Gaining Insights into Software Design

arxiv url: http://arxiv.org/abs/2406.05210v1
Date: Fri, 7 Jun 2024 18:50:01 GMT
ステータス: 処理完了
システム内更新日: 2024-06-11 22:45:56.357396
Title: AHA! Strategies for Gaining Insights into Software Design
Title（参考訳）: AHA! ソフトウェア設計に関する洞察を得るための戦略
Authors: Mary Shaw,
Abstract要約: これらのパターンは、私がソフトウェア設計と研究の領域において、新しい、または非正統な洞察を見つけるために使う戦略を記述しています。パターンは、私たちが何を言っているのかと何をしているのかの矛盾によって駆動され、これらの矛盾に対処するための実用的な洞察を見つけるための技術を提供します。
参考スコア（独自算出の注目度）: 1.2691047660244337
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: These patterns describe the strategies I use to find novel or unorthodox insights in the area of software design and research. The patterns are driven by inconsistencies between what we say and what we do, and they provide techniques for finding actionable insights to address these inconsistencies. These insights may help to identify research opportunities; they may stimulate critiques of either research or practice; they may suggest new methods.
Abstract（参考訳）: これらのパターンは、私がソフトウェア設計と研究の領域において、新しい、または非正統な洞察を見つけるために使う戦略を記述しています。パターンは、私たちが何を言っているのかと何をしているのかの矛盾によって駆動され、これらの矛盾に対処するための実用的な洞察を見つけるための技術を提供します。これらの洞察は研究の機会の特定に役立ち、研究または実践の批評を刺激し、新しい方法を提案する。

関連論文リスト

Towards a Unified View of Preference Learning for Large Language Models: A Survey [88.66719962576005]
大きな言語モデル(LLM)は、非常に強力な能力を示す。成功するための重要な要因の1つは、LLMの出力を人間の好みに合わせることである。選好学習のすべての戦略を、モデル、データ、フィードバック、アルゴリズムの4つの構成要素に分解する。
論文参考訳（メタデータ） (2024-09-04T15:11:55Z)
Defogger: A Visual Analysis Approach for Data Exploration of Sensitive Data Protected by Differential Privacy [5.117818675551463]
我々は、基礎となる要件や利用可能な探査戦略を含む、対応する調査シナリオを説明する上で、主導権を握る。提案手法は,ユーザの探索意図に応じて多様な探索戦略を提案するために,強化学習モデルを適用した。相関パターンの不確かさを表す新しいビジュアルデザインを,提案手法をサポートするために試作システムに統合した。
論文参考訳（メタデータ） (2024-07-28T02:14:12Z)
Action Research with Industrial Software Engineering -- An Educational Perspective [0.5257115841810258]
アクションリサーチは、産業環境でのソフトウェアエンジニアリング手法の有用性とユーザビリティを探求する機会を提供する。ソフトウェア開発組織と異なる種類のインタラクションが必要です。本章は、行動研究の学習と指導を支援することを目的としている。
論文参考訳（メタデータ） (2024-07-05T17:05:06Z)
Guidelines for Using Mixed Methods Research in Software Engineering [51.22583433491887]
混合手法の研究はソフトウェア工学でよく用いられるが、社会科学や人間科学以外の研究者は、これらの設計を使用する際に経験を欠いていることが多い。本稿では,混合手法の研究を設計するためのガイドラインとアドバイスを提供し,ソフトウェア工学における混合手法の意図的,厳密かつ革新的な利用を促す。
論文参考訳（メタデータ） (2024-04-09T04:34:25Z)
Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。また,課題と将来的な研究方向性について,より詳細な展望を述べる。
論文参考訳（メタデータ） (2024-02-21T13:19:58Z)
Systematic Mapping Protocol -- UX Design role in software development process [55.2480439325792]
ソフトウェア開発プロセスにおけるUXデザイナの役割を調べるための体系的なマッピングプロトコルを提案する。本研究は,地図作成に使用する研究課題,スコープ,ソース,検索戦略,選択基準,データ抽出,分析方法を定義する。
論文参考訳（メタデータ） (2024-02-20T16:56:46Z)
Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文参考訳（メタデータ） (2023-10-28T06:31:06Z)
Deep Insights of Learning based Micro Expression Recognition: A Perspective on Promises, Challenges and Research Needs [7.218497970427467]
マイクロ表現認識(MER)の高性能化のために,Deep Learning(DL)に基づく技術が採用されている。本稿では, ネットワークモデル設計, 実験戦略, 課題, 研究ニーズの約束を視点として, DLベースのMERフレームワークに関する深い洞察を提供することを目的とする。
論文参考訳（メタデータ） (2022-10-10T18:08:24Z)
Reinforcement Learning as Iterative and Amortised Inference [62.997667081978825]
我々は、この制御を推論フレームワークとして使用し、償却および反復推論に基づく新しい分類スキームを概説する。この観点から、比較的探索されていないアルゴリズム設計空間の一部を特定できることを示す。
論文参考訳（メタデータ） (2020-06-13T16:10:03Z)

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。