論文の概要: Executable QR codes with Machine Learning for Industrial Applications
- arxiv url: http://arxiv.org/abs/2411.13400v1
- Date: Wed, 20 Nov 2024 15:38:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-21 16:10:02.382394
- Title: Executable QR codes with Machine Learning for Industrial Applications
- Title（参考訳）: 産業応用のための機械学習を用いた実行可能QRコード
- Authors: Stefano Scanzio, Francesco Velluto, Matteo Rosani, Lukasz Wisniewski, Gianluca Cena,
- Abstract要約: 実行可能QRコード(Executable QR codes)またはeQRコード(eQR codes)または単にsQRy(sQRy)は、スマートフォンなどのモバイルデバイスで動作するプログラムを埋め込む特別なQRコードである。
この技術の応用は多様体であり、スマートユーザガイドからアドバイザリシステムまで様々である。
eQRで利用可能な最初のプログラミング言語はQRtreeであり、複雑な機械の操作や保守、あるいは特定の場所に到達するための決定ツリーの実装を可能にする。
本研究では,産業向けに特別に考案されたQRindという,新たな言語を提案する。
- 参考スコア（独自算出の注目度）: 0.8388591755871733
- License:
- Abstract: Executable QR codes, also known as eQR codes or just sQRy, are a special kind of QR codes that embed programs conceived to run on mobile devices like smartphones. Since the program is directly encoded in binary form within the QR code, it can be executed even when the reading device is not provided with Internet access. The applications of this technology are manifold, and range from smart user guides to advisory systems. The first programming language made available for eQR is QRtree, which enables the implementation of decision trees aimed, for example, at guiding the user in operating/maintaining a complex machinery or for reaching a specific location. In this work, an additional language is proposed, we term QRind, which was specifically devised for Industry. It permits to integrate distinct computational blocks into the QR code, e.g., machine learning models to enable predictive maintenance and algorithms to ease machinery usage. QRind permits the Industry 4.0/5.0 paradigms to be implemented, in part, also in those cases where Internet is unavailable.
- Abstract（参考訳）: 実行可能QRコード(Executable QR codes)またはeQRコード(eQR codes)または単にsQRy(sQRy)は、スマートフォンなどのモバイルデバイスで動作するプログラムを埋め込む特別なQRコードである。
プログラムはQRコード内のバイナリ形式で直接符号化されるので、読み出し装置にインターネットアクセスが提供されていない場合でも実行できる。
この技術の応用は多様体であり、スマートユーザガイドからアドバイザリシステムまで様々である。
eQRで利用可能な最初のプログラミング言語はQRtreeであり、複雑な機械の操作や保守、特定の場所への到達などを目的とした決定ツリーの実装を可能にする。
本研究では,産業用に特別に考案されたQRindという,新たな言語を提案する。
異なる計算ブロックをQRコード、例えば機械学習モデルに統合することで、予測メンテナンスとアルゴリズムにより機械の使用が容易になる。
QRind は産業用 4.0/5.0 パラダイムの実装を許可している。
関連論文リスト
- EgoQR: Efficient QR Code Reading in Egocentric Settings [9.522585805664233]
本稿では,エゴセントリック画像からQRコードを読み取る新しいシステムであるEgoQRを紹介する。
当社のアプローチは,デバイス上で高解像度の画像を操作するために設計された,検出と復号の2つの主要コンポーネントで構成されている。
我々は,エゴセントリックな画像のデータセットに対するアプローチを評価し,既存のQRコードリーダの状況と比較して,コードの読みやすさが34%向上したことを示す。
論文 参考訳（メタデータ） (2024-10-07T21:06:59Z) - QRscript: Embedding a Programming Language in QR codes to support Decision and Management [2.34863357088666]
本稿では,高レベルプログラミング言語で書かれたプログラムをQRコードで符号化されたバイナリ表現に変換するために必要なすべてのステップについて述べる。
提案されたプログラミング言語はQRscriptと呼ばれ、新しい機能を統合するために簡単に拡張できる。
産業シナリオの他に、これは他の多くのアプリケーション分野で有用である。
論文 参考訳（メタデータ） (2024-04-07T21:02:55Z) - Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit [63.82016263181941]
コードインテリジェンスは、機械学習技術を活用して、広範なコードコーパスから知識を抽出する。
現在、コードインテリジェンスに重点を置く研究コミュニティは活発です。
論文 参考訳（メタデータ） (2023-12-30T17:48:37Z) - Recursive Visual Programming [53.76415744371285]
本稿では、生成ルーチンを単純化し、より効率的な問題解決を提供し、より複雑なデータ構造を管理するRecursive Visual Programming (RVP)を提案する。
本稿では,VSR,COVR,GQA,NextQAなどのベンチマークにおいて,RVPの有効性を示す。
論文 参考訳（メタデータ） (2023-12-04T17:27:24Z) - Online Clustered Codebook [100.1650001618827]
オンラインコードブック学習のための簡単な代替手法であるClustering VQ-VAE(CVQ-VAE)を提案する。
弊社のアプローチでは、コード化された機能をアンカーとして選択し、デッドのコードベクタを更新すると同時に、元の損失によって生存しているコードブックを最適化する。
私たちのCVQ-VAEは、ほんの数行のコードで既存のモデルに簡単に統合できます。
論文 参考訳（メタデータ） (2023-07-27T18:31:04Z) - QParallel: Explicit Parallelism for Programming Quantum Computers [62.10004571940546]
並列量子プログラミングのための言語拡張を提案する。
QParallelは、現在の量子プログラミング言語における並列性に関する曖昧さを取り除く。
並列化によって最も利益を上げるサブルーチンを識別し,並列領域の配置にプログラマを誘導するツールを提案する。
論文 参考訳（メタデータ） (2022-10-07T16:35:16Z) - Implementation of an Automated Learning System for Non-experts [26.776682627968476]
本稿では,YMIRと呼ばれる自動機械学習システムの実装について詳述する。
トレーニング/検証データをシステムにインポートした後、AI知識のないユーザは、データをラベル付けし、モデルをトレーニングし、単にボタンをクリックするだけでデータマイニングと評価を行うことができる。
システムのコードはGitHubにすでにリリースされている。
論文 参考訳（メタデータ） (2022-03-26T00:28:29Z) - Improving Compositionality of Neural Networks by Decoding
Representations to Inputs [83.97012077202882]
我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。
本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
論文 参考訳（メタデータ） (2021-06-01T20:07:16Z) - An End-to-end Method for Producing Scanning-robust Stylized QR Codes [45.35370585928748]
そこで我々はArtCoderという新しいエンドツーエンド手法を提案し,QRコードをスタイリングする。
実験の結果,スタイリングQRコードは視覚効果とスキャニング・ロバスト性の両方において高品質であることがわかった。
論文 参考訳（メタデータ） (2020-11-16T09:38:27Z) - Quasi-orthonormal Encoding for Machine Learning Applications [0.0]
共通符号化方式の利点と欠点を簡潔に述べる。
ワンホット符号化は、いくつかの無関係なカテゴリを持つ属性に対して一般的に使用される。
準正規符号化(QOE)はギャップを埋める。
論文 参考訳（メタデータ） (2020-05-29T19:07:38Z)
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。