論文の概要: MSEval: A Dataset for Material Selection in Conceptual Design to Evaluate Algorithmic Models

• arxiv url: http://arxiv.org/abs/2407.09719v1
• Date: Fri, 12 Jul 2024 23:27:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-16 21:08:35.980671
• Title: MSEval: A Dataset for Material Selection in Conceptual Design to Evaluate Algorithmic Models
• Title（参考訳）: MSEval:アルゴリズムモデルを評価する概念設計における材料選択のためのデータセット
• Authors: Yash Patawari Jain, Daniele Grandi, Allin Groom, Brandon Cramer, Christopher McComb,
• Abstract要約: MSEvalは,多種多様な設計要領と基準にまたがって,専門家による資料評価からなる新しいデータセットである。 このデータは、概念設計のための材料選択の文脈における機械学習モデルの評価と修正を容易にするためのベンチマークとして機能するように設計されている。
• 参考スコア（独自算出の注目度）: 0.7651363144274104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Material selection plays a pivotal role in many industries, from manufacturing to construction. Material selection is usually carried out after several cycles of conceptual design, during which designers iteratively refine the design solution and the intended manufacturing approach. In design research, material selection is typically treated as an optimization problem with a single correct answer. Moreover, it is also often restricted to specific types of objects or design functions, which can make the selection process computationally expensive and time-consuming. In this paper, we introduce MSEval, a novel dataset which is comprised of expert material evaluations across a variety of design briefs and criteria. This data is designed to serve as a benchmark to facilitate the evaluation and modification of machine learning models in the context of material selection for conceptual design.
• Abstract（参考訳）: 材料選択は製造業から建設まで、多くの産業において重要な役割を担っている。 材料選択は通常、設計者が設計ソリューションと意図した製造アプローチを反復的に洗練する、いくつかの概念設計のサイクル後に行われる。 デザイン研究において、材料選択は一般に1つの正解を持つ最適化問題として扱われる。 さらに、特定の種類のオブジェクトや設計関数に制限されることも少なくないため、選択プロセスの計算コストと時間を要する可能性がある。 本稿では,多種多様なデザインブリーフィングと基準にまたがって,専門家による資料評価からなる新しいデータセットであるMSEvalを紹介する。 このデータは、概念設計のための材料選択の文脈における機械学習モデルの評価と修正を容易にするためのベンチマークとして機能するように設計されている。

関連論文リスト

• GLDesigner: Leveraging Multi-Modal LLMs as Designer for Enhanced Aesthetic Text Glyph Layouts [53.568057283934714]
  コンテンツ対応のテキストロゴレイアウトを生成するVLMベースのフレームワークを提案する。 本稿では,複数のグリフ画像の同時処理における計算量を削減するための2つのモデル手法を提案する。 アウトモデルのインストラクションチューニングを支援するために,既存の公開データセットよりも5倍大きい2つの拡張テキストロゴデータセットを構築した。
  論文  参考訳（メタデータ） (2024-11-18T10:04:10Z)
• What makes a good BIM design: quantitative linking between design behavior and quality [0.6088110776359856]
  本研究は,デザイン行動と品質の関係を初めて同定し,定量的に記述する新しいアプローチを提案する。 リアルタイム収集とログマイニングが統合され、設計行動の生データを収集する。 結果は、様々なモデルで学習できる既存の量的関係を確認した。
  論文  参考訳（メタデータ） (2024-11-14T14:37:15Z)
• Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
  SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。 本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。 適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T22:35:03Z)
• OLMES: A Standard for Language Model Evaluations [64.85905119836818]
  再現可能な言語モデル評価のための実用的でオープンな標準であるOLMESを提案する。 我々は,コミュニティが採用する評価実践において,様々な要因を特定し,検討する。 OLMESは、複数の質問の非自然な「閉じた」定式化を必要とする小さなベースモデル間の有意義な比較をサポートする。
  論文  参考訳（メタデータ） (2024-06-12T17:37:09Z)
• Diversified Batch Selection for Training Acceleration [68.67164304377732]
  オンラインバッチ選択として知られる一般的な研究ラインでは、トレーニングプロセス中の情報サブセットの選択について検討している。 バニラ参照モデルフリーメソッドは、独立してデータをサンプリング的にスコア付けし、選択する。 DivBS(Diversified Batch Selection)を提案する。
  論文  参考訳（メタデータ） (2024-06-07T12:12:20Z)
• Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
  本調査では,コンピュータ支援設計における学習手法の概要について概観する。 類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。 ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)
• VAE for Modified 1-Hot Generative Materials Modeling, A Step Towards Inverse Material Design [0.0]
  材料設計において, 所定の特性を持つ材料を設計しようとする場合, 提案する新素材の合成可能性を確保することが重要な課題である。 私たちは、暗黙のデータセット関係、すなわち、ある物質をデータセット内の他の物質に分解することができることをエンコードします。 本稿では,この特性を潜在空間に保持し,新しいサンプルを生成可能なVAEモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-25T04:04:47Z)
• Representation Learning for Sequential Volumetric Design Tasks [11.702880690338677]
  本稿では,設計知識を専門家や高性能な設計シーケンスの集合から符号化することを提案する。 学習した表現の密度を推定して選好モデルを開発する。 逐次設計生成のための自己回帰変換モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-05T21:21:06Z)
• Data-Driven Design for Metamaterials and Multiscale Systems: A Review [15.736695579155047]
  メタマテリアル(Metamaterials)は、自然界にある物質を超える効果的な物質パラメータを示すために設計された人工材料である。 メタマテリアルの可能性を最大限に発揮できる魅力的なパラダイムとして、データ駆動設計(Data-driven Design)が生まれています。 我々は、データ駆動モジュールに関する既存の研究を組織し、データ取得、機械学習ベースの単位セル設計、データ駆動型マルチスケール最適化を含む。
  論文  参考訳（メタデータ） (2023-07-01T22:36:40Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Uncertainty-aware Mixed-variable Machine Learning for Materials Design [9.259285449415676]
  我々は、混合変数による機械学習の不確実性定量化に対する頻繁なアプローチとベイズ的アプローチを調査した。 数学的関数の最適化における2つのモデルの有効性と,構造的および機能的材料の性質について検討する。 材料設計における多変量BOの頻繁性とベイズ不確実性を考慮した機械学習モデルの選択に関する実践的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2022-07-11T16:37:17Z)

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。