論文の概要: Quantifying the value of positive transfer: An experimental case study

• arxiv url: http://arxiv.org/abs/2407.14342v1
• Date: Fri, 19 Jul 2024 14:23:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 17:15:09.221160
• Title: Quantifying the value of positive transfer: An experimental case study
• Title（参考訳）: ポジティブトランスファーの価値の定量化:実験的検討
• Authors: Aidan J. Hughes, Giulia Delo, Jack Poole, Nikolaos Dervilis, Keith Worden,
• Abstract要約: 人口ベースの構造的健康モニタリングは、トランスファーラーニングのような技術を通じて、類似した構造からのデータ/情報を活用することで、課題を克服しようとしている。 本報告では,情報伝達の価値を運用と保守の意思決定の文脈で定量化する手法について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In traditional approaches to structural health monitoring, challenges often arise associated with the availability of labelled data. Population-based structural health monitoring seeks to overcomes these challenges by leveraging data/information from similar structures via technologies such as transfer learning. The current paper demonstrate a methodology for quantifying the value of information transfer in the context of operation and maintenance decision-making. This demonstration, based on a population of laboratory-scale aircraft models, highlights the steps required to evaluate the expected value of information transfer including similarity assessment and prediction of transfer efficacy. Once evaluated for a given population, the value of information transfer can be used to optimise transfer-learning strategies for newly-acquired target domains.
• Abstract（参考訳）: 構造的健康モニタリングに対する従来のアプローチでは、ラベル付きデータの可用性に関する課題がしばしば発生します。 人口ベースの構造的健康モニタリングは、トランスファーラーニングなどの技術を通じて、同様の構造からのデータ/情報を活用することで、これらの課題を克服しようとしている。 本報告では,情報伝達の価値を運用と保守の意思決定の文脈で定量化する手法について述べる。 この実験は,実験室規模の航空機模型の個体数に基づいて,類似性評価や伝達効率の予測を含む情報伝達の期待値を評価するために必要なステップを強調した。 与えられた人口に対して評価すると、情報伝達の価値は、新しく取得されたターゲットドメインに対する伝達学習戦略の最適化に利用することができる。

関連論文リスト

• Quantifying the value of information transfer in population-based SHM [0.0]
  人口ベース構造健康モニタリング(PBSHM)は、データ不足に関連するいくつかの制限に対処しようと試みている。 本論文は, シミュレーションされた構造物群を対象とした分類課題の移動戦略決定過程を実証することを目的とする。
  論文  参考訳（メタデータ） (2023-11-06T13:10:38Z)
• A decision framework for selecting information-transfer strategies in population-based SHM [0.0]
  人口ベースの構造的健康モニタリングは、データ不足の影響を軽減することを目指している。 本稿では,新しい概念に基づく転送戦略を選択するための決定枠組みを提案する。
  論文  参考訳（メタデータ） (2023-07-13T14:36:16Z)
• An Exploration of Data Efficiency in Intra-Dataset Task Transfer for Dialog Understanding [65.75873687351553]
  本研究は,対話領域における逐次移動学習における目標タスク訓練データ量の影響について検討する。 非意図的に、我々のデータでは、タスクトレーニングデータのサイズを目標とする場合、シーケンシャルトランスファーラーニングがトランスファーラーニングなしで同じモデルと比較した場合、最小限の効果が示される。
  論文  参考訳（メタデータ） (2022-10-21T04:36:46Z)
• Transfer Learning on Heterogeneous Feature Spaces for Treatment Effects Estimation [103.55894890759376]
  本稿では,不均一な特徴空間を扱うために表現学習を利用するビルディングブロックを紹介する。 本稿では,これらのビルディングブロックを用いて,標準CATE学習者の伝達学習の等価性を回復する方法を示す。
  論文  参考訳（メタデータ） (2022-10-08T16:41:02Z)
• A Variational Bayesian Approach to Learning Latent Variables for Acoustic Knowledge Transfer [55.20627066525205]
  本稿では,ディープニューラルネットワーク(DNN)モデルにおける潜伏変数の分布を学習するための変分ベイズ(VB)アプローチを提案する。 我々の提案するVBアプローチは,ターゲットデバイスにおいて良好な改善が得られ,しかも,13の最先端知識伝達アルゴリズムを一貫して上回っている。
  論文  参考訳（メタデータ） (2021-10-16T15:54:01Z)
• Frustratingly Easy Transferability Estimation [64.42879325144439]
  本稿では,TransRate という,シンプルで効率的かつ効果的な転送可能性尺度を提案する。 TransRateは、事前訓練されたモデルによって抽出された対象サンプルの特徴とそれらのラベルとの間の相互情報として、転送可能性を測定する。 10行のコードで並外れた単純さにもかかわらず、TransRateは、22の事前訓練されたモデルと16のダウンストリームタスクに対する広範囲な評価において、非常にうまく機能している。
  論文  参考訳（メタデータ） (2021-06-17T10:27:52Z)
• A Concise Review of Transfer Learning [1.5771347525430772]
  転送学習は、他の関連するソースデータを適用することで、ターゲット学習者のパフォーマンスを高めることを目的としている。 従来の機械学習とデータマイニングのテクニックは、トレーニングとテストのデータは同じ特徴空間と分布から来ていると仮定する。
  論文  参考訳（メタデータ） (2021-04-05T20:34:55Z)
• Interpretable Off-Policy Evaluation in Reinforcement Learning by Highlighting Influential Transitions [48.91284724066349]
  強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。 信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。 我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
  論文  参考訳（メタデータ） (2020-02-10T00:26:43Z)
• Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
  代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。 我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。 これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
  論文  参考訳（メタデータ） (2020-01-21T10:16:33Z)

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。