論文の概要: Towards certification: A complete statistical validation pipeline for supervised learning in industry

• arxiv url: http://arxiv.org/abs/2411.02075v1
• Date: Mon, 04 Nov 2024 13:27:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 21:27:24.197693
• Title: Towards certification: A complete statistical validation pipeline for supervised learning in industry
• Title（参考訳）: 認定に向けて:業界における教師あり学習のための完全な統計的検証パイプライン
• Authors: Lucas Lacasa, Abel Pardo, Pablo Arbelo, Miguel Sánchez, Pablo Yeste, Noelia Bascones, Alejandro Martínez-Cava, Gonzalo Rubio, Ignacio Gómez, Eusebio Valero, Javier de Vicente,
• Abstract要約: 本稿では,ディープラーニング,最適化,統計的手法を統合した完全検証パイプラインについて概説する。 本稿では,このパイプラインの空調設計における現実的な教師付き問題への適用について述べる。
• 参考スコア（独自算出の注目度）: 32.97052224433939
• License:
• Abstract: Methods of Machine and Deep Learning are gradually being integrated into industrial operations, albeit at different speeds for different types of industries. The aerospace and aeronautical industries have recently developed a roadmap for concepts of design assurance and integration of neural network-related technologies in the aeronautical sector. This paper aims to contribute to this paradigm of AI-based certification in the context of supervised learning, by outlining a complete validation pipeline that integrates deep learning, optimization and statistical methods. This pipeline is composed by a directed graphical model of ten steps. Each of these steps is addressed by a merging key concepts from different contributing disciplines (from machine learning or optimization to statistics) and adapting them to an industrial scenario, as well as by developing computationally efficient algorithmic solutions. We illustrate the application of this pipeline in a realistic supervised problem arising in aerostructural design: predicting the likelikood of different stress-related failure modes during different airflight maneuvers based on a (large) set of features characterising the aircraft internal loads and geometric parameters.
• Abstract（参考訳）: 機械学習とディープラーニングの手法は、異なるタイプの産業において異なる速度で、徐々に産業業務に統合されつつある。 航空宇宙産業と航空産業は、最近、航空宇宙分野におけるニューラルネットワーク関連の技術の設計保証と統合の概念のロードマップを開発した。 本稿では,ディープラーニング,最適化,統計的手法を統合した完全検証パイプラインの概要を述べることによって,教師あり学習の文脈におけるAIベースの認証のパラダイムに寄与することを目的とする。 このパイプラインは、10ステップのグラフィカルモデルによって構成されている。 これらのステップは、さまざまなコントリビューション分野(機械学習や最適化から統計まで)のキーコンセプトをマージして、産業シナリオに適応し、計算効率のよいアルゴリズムソリューションを開発することで解決される。 本稿では, 航空機の内部荷重とパラメータを特徴付ける特徴のセットに基づいて, 異なる飛行操作において, 異なるストレス関連故障モードのシリコッドの予測を行う。

関連論文リスト

• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• A Logic Programming Approach to Global Logistics in a Co-Design Environment [0.0]
  本稿では,旅客機構築のためのグローバルロジスティクスシステムの構築と最適化の課題について考察する。 問題の製品は、世界中の複数の場所で製造される複数の部品からなる航空機である。 目標は、産業システムの要件を考慮して航空機を構築するための最適な方法を見つけることである。
  論文  参考訳（メタデータ） (2023-08-30T09:06:34Z)
• PASTA: Pretrained Action-State Transformer Agents [10.654719072766495]
  自己教師型学習は、様々なコンピューティング領域において革命的なパラダイムシフトをもたらした。 最近のアプローチでは、大量のラベルのないデータに基づいて、トランスフォーマーモデルを事前訓練する。 強化学習において、研究者は最近これらのアプローチに適応し、専門家の軌道で事前訓練されたモデルを開発した。
  論文  参考訳（メタデータ） (2023-07-20T15:09:06Z)
• Unifying Synergies between Self-supervised Learning and Dynamic Computation [53.66628188936682]
  SSLとDCのパラダイム間の相互作用に関する新しい視点を提示する。 SSL設定において、スクラッチから高密度かつゲートされたサブネットワークを同時に学習することは可能であることを示す。 密集エンコーダとゲートエンコーダの事前学習における共進化は、良好な精度と効率のトレードオフをもたらす。
  論文  参考訳（メタデータ） (2023-01-22T17:12:58Z)
• Investigation of Physics-Informed Deep Learning for the Prediction of Parametric, Three-Dimensional Flow Based on Boundary Data [0.0]
  熱水車シミュレーションにおける3次元流れ場予測のためのパラメータ化サロゲートモデルを提案する。 物理インフォームドニューラルネットワーク (PINN) の設計は, 幾何学的変動に応じて, 流れ解の族を学習することを目的としている。
  論文  参考訳（メタデータ） (2022-03-17T09:54:22Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Automated Evolutionary Approach for the Design of Composite Machine Learning Pipelines [48.7576911714538]
  提案手法は、複合機械学習パイプラインの設計を自動化することを目的としている。 パイプラインをカスタマイズ可能なグラフベースの構造で設計し、得られた結果を分析して再生する。 このアプローチのソフトウェア実装は、オープンソースフレームワークとして紹介されている。
  論文  参考訳（メタデータ） (2021-06-26T23:19:06Z)
• Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
  航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。 最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
  論文  参考訳（メタデータ） (2020-08-24T22:40:26Z)

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。