論文の概要: Representation Learning of Complex Assemblies, An Effort to Improve Corporate Scope 3 Emissions Calculation

• arxiv url: http://arxiv.org/abs/2409.03769v1
• Date: Wed, 21 Aug 2024 06:21:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-15 05:41:23.413203
• Title: Representation Learning of Complex Assemblies, An Effort to Improve Corporate Scope 3 Emissions Calculation
• Title（参考訳）: 複合集合体の表現学習 : コーポレートスコープ3エミッション計算の改善に向けて
• Authors: Ajay Chatterjee, Srikanth Ranganathan,
• Abstract要約: 政府、企業、市民も同様に、製造品やサービスの提供による気候への影響を正確に評価する必要がある。 プロセスライフサイクル分析(pLCA)は、生産、使用、廃棄の気候への影響を評価するために用いられる。 代用部品を特定するための半教師付き学習ベースフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.276240219662896
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Climate change is a pressing global concern for governments, corporations, and citizens alike. This concern underscores the necessity for these entities to accurately assess the climate impact of manufacturing goods and providing services. Tools like process life cycle analysis (pLCA) are used to evaluate the climate impact of production, use, and disposal, from raw material mining through end-of-life. pLCA further enables practitioners to look deeply into material choices or manufacturing processes for individual parts, sub-assemblies, assemblies, and the final product. Reliable and detailed data on the life cycle stages and processes of the product or service under study are not always available or accessible, resulting in inaccurate assessment of climate impact. To overcome the data limitation and enhance the effectiveness of pLCA to generate an improved environmental impact profile, we are adopting an innovative strategy to identify alternative parts, products, and components that share similarities in terms of their form, function, and performance to serve as qualified substitutes. Focusing on enterprise electronics hardware, we propose a semi-supervised learning-based framework to identify substitute parts that leverages product bill of material (BOM) data and a small amount of component-level qualified substitute data (positive samples) to generate machine knowledge graph (MKG) and learn effective embeddings of the components that constitute electronic hardware. Our methodology is grounded in attributed graph embeddings and introduces a strategy to generate biased negative samples to significantly enhance the training process. We demonstrate improved performance and generalization over existing published models.
• Abstract（参考訳）: 気候変動は、政府、企業、市民にとって、世界的に懸念されている。 この懸念は、これらの団体が製造品の気候への影響を正確に評価し、サービスを提供することの必要性を浮き彫りにしている。 プロセスライフサイクル分析(英語版) (pLCA) のようなツールは、生産、使用、廃棄の気候への影響を生鉱から終生まで評価するために用いられる。 pLCAはまた、実践者が個々の部品、サブアセンブリ、アセンブリ、最終製品に対する材料選択や製造プロセスについて深く調べることを可能にする。 研究中の製品やサービスのライフサイクルの段階やプロセスに関する信頼性と詳細なデータは、必ずしも利用可能あるいはアクセス可能であるとは限らない。 データ制限を克服し、pLCAによる環境影響プロファイルの改善効果を高めるため、我々は、その形態、機能、性能の面で類似点を共有する代替部品、製品、部品を識別し、適切な代替品として機能する革新的な戦略を採用しています。 企業電子ハードウェアに着目し,製品請求書(BOM)データと少量のコンポーネントレベルの適格代用データ(正サンプル)を活用して,機械知識グラフ(MKG)を生成し,電子ハードウェアを構成するコンポーネントの効果的な埋め込みを学習する,半教師付き学習ベースのフレームワークを提案する。 提案手法は属性グラフの埋め込みに基礎を置いており, 偏りのある負のサンプルを生成し, トレーニングプロセスを大幅に強化する戦略を導入している。 既存のモデルよりも優れた性能と一般化を実証する。

関連論文リスト

• Measuring the Recyclability of Electronic Components to Assist Automatic Disassembly and Sorting Waste Printed Circuit Boards [4.0998481751764]
  本稿では, 廃プリント基板(WPCB)からの廃電子部品(WEC)のリサイクル性の測定に, 数学的革新モデルを用いて着目する。 この革新的なアプローチは、WECのリサイクルとリサイクルの難しさを評価し、分解とソートを改善するAIモデルを統合する。
  論文  参考訳（メタデータ） (2024-06-24T12:33:56Z)
• Evaluating the Energy Efficiency of Few-Shot Learning for Object Detection in Industrial Settings [6.611985866622974]
  本稿では、下流タスクに標準オブジェクト検出モデルを適用するための微調整手法を提案する。 開発モデルにおけるエネルギー需要のケーススタディと評価について述べる。 最後に、このトレードオフを、カスタマイズされた効率係数測定によって定量化する新しい方法を紹介する。
  論文  参考訳（メタデータ） (2024-03-11T11:41:30Z)
• An explainable machine learning-based approach for analyzing customers' online data to identify the importance of product attributes [0.6437284704257459]
  本稿では,製品開発におけるデザインの包括的意味を抽出するゲーム理論機械学習(ML)手法を提案する。 提案手法をKaggleの実際のラップトップのデータセットに適用し,結果に基づいて設計上の意味を導出する。
  論文  参考訳（メタデータ） (2024-02-03T20:50:48Z)
• Client-side Gradient Inversion Against Federated Learning from Poisoning [59.74484221875662]
  フェデレートラーニング(FL)により、分散参加者は、データを中央サーバに直接共有することなく、グローバルモデルをトレーニングできる。 近年の研究では、FLは元のトレーニングサンプルの再構築を目的とした勾配反転攻撃(GIA)に弱いことが判明している。 本稿では,クライアント側から起動可能な新たな攻撃手法であるクライアント側中毒性グレーディエント・インバージョン(CGI)を提案する。
  論文  参考訳（メタデータ） (2023-09-14T03:48:27Z)
• Efficiency Pentathlon: A Standardized Arena for Efficiency Evaluation [82.85015548989223]
  Pentathlonは、モデル効率の総合的で現実的な評価のためのベンチマークである。 Pentathlonは、モデルライフサイクルにおける計算の大部分を占める推論に焦点を当てている。 レイテンシ、スループット、メモリオーバーヘッド、エネルギー消費など、さまざまな効率面をターゲットにしたメトリクスが組み込まれている。
  論文  参考訳（メタデータ） (2023-07-19T01:05:33Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
  認知のための行動認識型身体学習(ALP)について紹介する。 ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。 ALPは、複数の下流認識タスクにおいて、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T21:51:04Z)
• Machine Learning Approaches in Agile Manufacturing with Recycled Materials for Sustainability [2.132096006921048]
  本研究は, リサイクル・再生材料を用いたアジャイル製造における意思決定支援を通じて, 材料科学における環境持続可能性について論じる。 本稿では,機械学習モデルを用いて予測分析を行い,製造における意思決定支援を支援することによって,AIにおけるデータ駆動手法を提案する。
  論文  参考訳（メタデータ） (2023-03-15T00:39:31Z)
• Striving for data-model efficiency: Identifying data externalities on group performance [75.17591306911015]
  信頼できる、効果的で責任ある機械学習システムの構築は、トレーニングデータとモデリング決定の違いが、予測パフォーマンスにどのように影響するかを理解することに集中する。 我々は、特定のタイプのデータモデル非効率性に注目し、一部のソースからトレーニングデータを追加することで、集団の重要なサブグループで評価されるパフォーマンスを実際に低下させることができる。 以上の結果から,データ効率が正確かつ信頼性の高い機械学習の鍵となることが示唆された。
  論文  参考訳（メタデータ） (2022-11-11T16:48:27Z)
• Making Machine Learning Datasets and Models FAIR for HPC: A Methodology and Case Study [0.0]
  FAIR Guiding Principlesは、デジタルコンテンツの発見可能性、アクセシビリティ、相互運用性、再利用性を改善することを目的としている。 これらの原則は、ハイパフォーマンスコンピューティングのための機械学習ベースのプログラム分析と最適化の分野において、まだ広く採用されていない。 我々は、既存のFAIRness評価と改善技術を調査した後、HPCデータセットと機械学習モデルFAIRを作成する手法を設計する。
  論文  参考訳（メタデータ） (2022-11-03T18:45:46Z)
• DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks [88.62288327934499]
  線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。 本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
  論文  参考訳（メタデータ） (2020-11-03T07:49:15Z)

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。