論文の概要: HyperGraphOS: A Meta Operating System for Science and Engineering

• arxiv url: http://arxiv.org/abs/2412.04923v1
• Date: Fri, 06 Dec 2024 10:21:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:55:32.065113
• Title: HyperGraphOS: A Meta Operating System for Science and Engineering
• Title（参考訳）: HyperGraphOS:科学と工学のためのメタオペレーティングシステム
• Authors: Antonello Ceravola, Frank Joublin, Ahmed R. Sadik, Bram Bolder, Juha-Pekka Tolvanen,
• Abstract要約: 本稿では,科学技術分野を対象とした革新的なオペレーティングシステムHyperGraphOSを提案する。 ウェブベースのアーキテクチャを使用すると、HyperGraphOSは知識、ドキュメント、コンテンツを相互接続されたモデルにまとめるために、ブラウザのみを必要とする。 その結果、柔軟性、データ管理、計算、ドキュメント処理が大幅に改善された。
• 参考スコア（独自算出の注目度）: 1.0985060632689174
• License:
• Abstract: This paper presents HyperGraphOS, an innovative Operating System designed for the scientific and engineering domains. It combines model based engineering, graph modeling, data containers, and computational tools, offering users a dynamic workspace for creating and managing complex models represented as customizable graphs. Using a web based architecture, HyperGraphOS requires only a modern browser to organize knowledge, documents, and content into interconnected models. Domain Specific Languages drive workspace navigation, code generation, AI integration, and process organization.The platform models function as both visual drawings and data structures, enabling dynamic modifications and inspection, both interactively and programmatically. HyperGraphOS was evaluated across various domains, including virtual avatars, robotic task planning using Large Language Models, and meta modeling for feature based code development. Results show significant improvements in flexibility, data management, computation, and document handling.
• Abstract（参考訳）: 本稿では,科学技術分野を対象とした革新的なオペレーティングシステムHyperGraphOSを提案する。 モデルベースのエンジニアリング、グラフモデリング、データコンテナ、計算ツールを組み合わせて、ユーザがカスタマイズ可能なグラフとして表現される複雑なモデルを作成し管理するための動的ワークスペースを提供する。 Webベースのアーキテクチャを使用すると、HyperGraphOSは知識、ドキュメント、コンテンツを相互接続されたモデルにまとめるために、現代的なブラウザのみを必要とする。 ドメイン特化言語はワークスペースナビゲーション、コード生成、AI統合、プロセス組織を駆動し、プラットフォームモデルは視覚的描画とデータ構造の両方として機能し、インタラクティブかつプログラム的に動的修正と検査を可能にする。 HyperGraphOSは、仮想アバター、大規模言語モデルを用いたロボットタスク計画、機能ベースのコード開発のためのメタモデリングなど、さまざまな領域で評価された。 その結果、柔軟性、データ管理、計算、ドキュメント処理が大幅に改善された。

関連論文リスト

• HyperGraphOS: A Modern Meta-Operating System for the Scientific and Engineering Domains [1.4469725791865982]
  本稿では,オペレーティングシステムの領域における重要なイノベーションであるHyperGraphOSについて述べる。 モデルベースのエンジニアリング、グラフモデリング、データコンテナ、ドキュメント、および計算要素を扱うツールを組み合わせることを目的としている。
  論文  参考訳（メタデータ） (2024-12-13T15:18:39Z)
• Aguvis: Unified Pure Vision Agents for Autonomous GUI Interaction [69.57190742976091]
  自律型GUIエージェントのための統合視覚ベースのフレームワークであるAguvisを紹介する。 提案手法は,画像に基づく観察と,自然言語の接地命令を視覚要素に活用する。 これまでの作業の限界に対処するため、モデル内に明確な計画と推論を統合する。
  論文  参考訳（メタデータ） (2024-12-05T18:58:26Z)
• Intelligent Spark Agents: A Modular LangGraph Framework for Scalable, Visualized, and Enhanced Big Data Machine Learning Workflows [1.4582633500696451]
  LangGraphフレームワークは、スケーラビリティ、視覚化、インテリジェントなプロセス最適化を通じて機械学習を強化するように設計されている。 このフレームワークの中核となるのは、Sparkの分散コンピューティング機能を活用する重要なイノベーションであるAgent AIだ。 フレームワークにはLangChainエコシステムを通じて大きな言語モデルも組み込まれており、構造化されていないデータとのインタラクションが強化されている。
  論文  参考訳（メタデータ） (2024-12-02T13:41:38Z)
• EDGE: Enhanced Grounded GUI Understanding with Enriched Multi-Granularity Synthetic Data [15.801018643716437]
  本稿では,大規模視覚言語モデル(LVLM)のGUI理解と対話能力を,データ駆動型アプローチにより向上することを目的とする。 本稿では,Web上のWebページから大規模で粒度の高いトレーニングデータを自動的に生成する汎用データ合成フレームワークEDGEを提案する。 提案手法は,手動アノテーションへの依存を著しく低減し,研究者がWeb上で利用可能な膨大な公開リソースを活用して作業を進めることを可能にする。
  論文  参考訳（メタデータ） (2024-10-25T10:46:17Z)
• Flex: End-to-End Text-Instructed Visual Navigation with Foundation Models [59.892436892964376]
  本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。 この知見はFlex (Fly-lexically) で合成され,VLM(Vision Language Models) をフリーズしたパッチワイド特徴抽出器として利用するフレームワークである。 本研究では,本手法が4段階のフライ・トゥ・ターゲットタスクにおいて有効であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T19:59:31Z)
• An Interactive Agent Foundation Model [49.77861810045509]
  本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。 トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。 私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
  論文  参考訳（メタデータ） (2024-02-08T18:58:02Z)
• Relax: Composable Abstractions for End-to-End Dynamic Machine Learning [19.49594014072385]
  本稿では、エンドツーエンドの動的機械学習ワークロードを最適化するためのコンパイラ抽象化であるRelaxを紹介する。 Relaxは計算グラフ、ループレベルテンソルプログラム、外部ライブラリ呼び出しを単一の表現でカプセル化するクロスレベル抽象化である。 動的形状モデルを最適化するために提案手法を用いて,エンドツーエンドのコンパイルフレームワークを構築した。
  論文  参考訳（メタデータ） (2023-11-01T23:03:59Z)
• 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)
• TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
  我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。 我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
  論文  参考訳（メタデータ） (2021-05-17T15:33:25Z)
• GraphFormers: GNN-nested Transformers for Representation Learning on Textual Graph [53.70520466556453]
  階層的にGNNコンポーネントを言語モデルのトランスフォーマーブロックと一緒にネストするGraphFormerを提案する。 提案したアーキテクチャでは、テキストエンコーディングとグラフ集約を反復的なワークフローに融合する。 さらに、プログレッシブ・ラーニング・ストラテジーを導入し、そのモデルが操作されたデータと元のデータに基づいて連続的に訓練され、グラフ上の情報を統合する能力を強化する。
  論文  参考訳（メタデータ） (2021-05-06T12:20:41Z)
• Dynamic Emotion Modeling with Learnable Graphs and Graph Inception Network [0.0]
  本稿では,感情認識と動的データの基盤となるグラフ構造を共同で学習するLearable Graph Inception Network(L-GrIN)を提案する。 提案アーキテクチャを3つの異なるモードにまたがる5つのベンチマーク感情認識データベース上で評価する。
  論文  参考訳（メタデータ） (2020-08-06T13:51:31Z)

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。