Fugu-MT 論文翻訳(概要): An Automated SQL Query Grading System Using An Attention-Based Convolutional Neural Network

論文の概要: An Automated SQL Query Grading System Using An Attention-Based Convolutional Neural Network

arxiv url: http://arxiv.org/abs/2406.15936v1
Date: Sat, 22 Jun 2024 20:52:17 GMT
ステータス: 処理完了
システム内更新日: 2024-06-25 19:53:14.102573
Title: An Automated SQL Query Grading System Using An Attention-Based Convolutional Neural Network
Title（参考訳）: 意識に基づく畳み込みニューラルネットワークを用いたSQLクエリ自動解析システム
Authors: Donald R. Schwartz, Pablo Rivas,
Abstract要約: 本稿では、グレーディングsqlクエリのプロセスを自動化する新しいアプローチについて述べる。我々は、異なる機械学習タスクに対してパラメータ共有アプローチを採用する独自の畳み込みニューラルネットワークアーキテクチャを採用している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Grading SQL queries can be a time-consuming, tedious and challenging task, especially as the number of student submissions increases. Several systems have been introduced in an attempt to mitigate these challenges, but those systems have their own limitations. This paper describes our novel approach to automating the process of grading SQL queries. Unlike previous approaches, we employ a unique convolutional neural network architecture that employs a parameter-sharing approach for different machine learning tasks that enables the architecture to induce different knowledge representations of the data to increase its potential for understanding SQL statements.
Abstract（参考訳）: SQLクエリのグラディングは、特に学生の応募数が増加するにつれて、時間がかかり、面倒で困難なタスクになる可能性がある。これらの課題を軽減するために、いくつかのシステムが導入されたが、これらのシステムには独自の制限がある。本稿では,SQLクエリのグレード処理を自動化する新しいアプローチについて述べる。従来のアプローチとは異なり、我々は独自の畳み込みニューラルネットワークアーキテクチャを採用しており、異なる機械学習タスクに対してパラメータ共有アプローチを用いて、アーキテクチャがデータの異なる知識表現を誘導し、SQL文を理解する可能性を高めることができる。

関連論文リスト

Homological Neural Networks: A Sparse Architecture for Multivariate Complexity [0.0]
我々は,基礎となるデータのホモロジー構造上に構築された,疎密な高階グラフィカルアーキテクチャを特徴とする,新しいディープニューラルネットワークユニットを開発する。その結果、この新しい設計の利点は、ごく少数のパラメータだけで最先端の機械学習モデルとディープラーニングモデルの結果を結び付けるか、克服することができる。
論文参考訳（メタデータ） (2023-06-27T09:46:16Z)
AutoTransfer: AutoML with Knowledge Transfer -- An Application to Graph Neural Networks [75.11008617118908]
AutoML技術は、各タスクをスクラッチから独立して考慮し、高い計算コストをもたらす。本稿では,従来の設計知識を新たな関心事に伝達することで,検索効率を向上させるAutoTransferを提案する。
論文参考訳（メタデータ） (2023-03-14T07:23:16Z)
Design Automation for Fast, Lightweight, and Effective Deep Learning Models: A Survey [53.258091735278875]
本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
論文参考訳（メタデータ） (2022-08-22T12:12:43Z)
Neural Architecture Search for Dense Prediction Tasks in Computer Vision [74.9839082859151]
ディープラーニングは、ニューラルネットワークアーキテクチャエンジニアリングに対する需要の高まりにつながっている。ニューラルネットワーク検索(NAS)は、手動ではなく、データ駆動方式でニューラルネットワークアーキテクチャを自動設計することを目的としている。 NASはコンピュータビジョンの幅広い問題に適用されている。
論文参考訳（メタデータ） (2022-02-15T08:06:50Z)
Avoiding Catastrophe: Active Dendrites Enable Multi-Task Learning in Dynamic Environments [0.5277756703318046]
AIの鍵となる課題は、動的に変化する環境で動作する組み込みシステムを構築することだ。標準的なディープラーニングシステムは、しばしば動的なシナリオで苦労する。本稿では生物学的にインスパイアされたアーキテクチャをソリューションとして検討する。
論文参考訳（メタデータ） (2021-12-31T19:52:42Z)
Differentiable Architecture Pruning for Transfer Learning [6.935731409563879]
本研究では,与えられた大規模モデルからサブアーキテクチャを抽出するための勾配に基づくアプローチを提案する。我々のアーキテクチャ・プルーニング・スキームは、異なるタスクを解くために再訓練を成功させることができるトランスファー可能な新しい構造を生成する。理論的収束保証を提供し、実データ上で提案した伝達学習戦略を検証する。
論文参考訳（メタデータ） (2021-07-07T17:44:59Z)
A neural anisotropic view of underspecification in deep learning [60.119023683371736]
ニューラルネットが問題の未特定化を扱う方法が,データ表現に大きく依存していることを示す。深層学習におけるアーキテクチャ的インダクティブバイアスの理解は,これらのシステムの公平性,堅牢性,一般化に対処する上で基本的であることを強調した。
論文参考訳（メタデータ） (2021-04-29T14:31:09Z)
Graphs for deep learning representations [1.0152838128195467]
グラフ信号処理(GSP)の最近の進歩に基づくグラフ形式化について紹介します。すなわち、ディープニューラルネットワークの潜在空間を表すためにグラフを使用します。このグラフ形式化によって,頑健性の確保,学習プロセスの設計における任意の選択量の削減,入力に付加された小さな一般化の改善,計算複雑性の低減など,さまざまな質問に答えることができることが示されています。
論文参考訳（メタデータ） (2020-12-14T11:51:23Z)
Automated Search for Resource-Efficient Branched Multi-Task Networks [81.48051635183916]
我々は,多タスクニューラルネットワークにおける分岐構造を自動的に定義する,微分可能なニューラルネットワーク探索に根ざした原理的アプローチを提案する。本手法は,限られた資源予算内で高い性能の分岐構造を見いだすことができる。
論文参考訳（メタデータ） (2020-08-24T09:49:19Z)
Neuroevolution of Neural Network Architectures Using CoDeepNEAT and Keras [0.0]
機械学習プロジェクトに関わる作業の大部分は、与えられた問題を解決するのに最適なタイプのアルゴリズムを定義することである。与えられた問題に対する最適なネットワークトポロジと設定を見つけることは、ドメインの知識とテストの努力を必要とする課題です。
論文参考訳（メタデータ） (2020-02-11T19:03:34Z)
A System for Real-Time Interactive Analysis of Deep Learning Training [66.06880335222529]
現在利用可能なシステムは、トレーニングプロセスが始まる前に指定しなければならないログデータのみを監視することに限定されている。本稿では,リアルタイム情報を生成するライブプロセス上で対話型クエリを実行可能にするシステムを提案する。
論文参考訳（メタデータ） (2020-01-05T11:33:31Z)

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。