Fugu-MT 論文翻訳(概要): A Survey on Recent Advances in Self-Organizing Maps

論文の概要: A Survey on Recent Advances in Self-Organizing Maps

arxiv url: http://arxiv.org/abs/2501.08416v1
Date: Tue, 10 Dec 2024 16:40:02 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-02 07:48:16.393329
Title: A Survey on Recent Advances in Self-Organizing Maps
Title（参考訳）: 自己組織化マップの最近の進歩に関する調査研究
Authors: Axel Guérin, Pierre Chauvet, Frédéric Saubion,
Abstract要約: このレビューは、セミナルSOMアルゴリズムの主な進化を概観するために、過去10年間に焦点をあてる。我々は、特定のデータ管理を伴うSOMの商用利用に関連する、特定のかつ重要なアプリケーション分野を強調します。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Self-organising maps are a powerful tool for cluster analysis in a wide range of data contexts. From the pioneer work of Kohonen, many variants and improvements have been proposed. This review focuses on the last decade, in order to provide an overview of the main evolution of the seminal SOM algorithm as well as of the methodological developments that have been achieved in order to better fit to various application contexts and users' requirements. We also highlight a specific and important application field that is related to commercial use of SOM, which involves specific data management.
Abstract（参考訳）: 自己組織化マップは、幅広いデータコンテキストにおけるクラスタ分析の強力なツールである。古法然の先駆的な業績から、多くの変種や改良案が提案されている。本総説では, 各種アプリケーションコンテキストやユーザ要件に適合するため, セミナルなSOMアルゴリズムの進化と方法論開発について概観する。また、特定のデータ管理を伴うSOMの商用利用に関連する、特定かつ重要なアプリケーション分野についても強調する。

関連論文リスト

Graph Foundation Models for Recommendation: A Comprehensive Survey [55.70529188101446]
大規模言語モデル(LLM)は自然言語を処理し、理解するために設計されており、どちらも非常に効果的で広く採用されている。最近の研究はグラフ基礎モデル(GFM)に焦点を当てている。 GFM は GNN と LLM の強みを統合し,複雑な RS 問題をより効率的にモデル化する。
論文参考訳（メタデータ） (2025-02-12T12:13:51Z)
GUI Agents with Foundation Models: A Comprehensive Survey [91.97447457550703]
この調査は(M)LLMベースのGUIエージェントに関する最近の研究を集約する。重要な課題を特定し,今後の研究方向性を提案する。この調査が(M)LLMベースのGUIエージェントの分野におけるさらなる進歩を促すことを願っている。
論文参考訳（メタデータ） (2024-11-07T17:28:10Z)
A Survey on Multimodal Benchmarks: In the Era of Large AI Models [13.299775710527962]
MLLM(Multimodal Large Language Models)は、人工知能に大きな進歩をもたらした。この調査は、4つのコアドメイン(理解、推論、生成、アプリケーション)にわたるMLLMを評価する211のベンチマークを体系的にレビューする。
論文参考訳（メタデータ） (2024-09-21T15:22:26Z)
Recent Advances in Multi-Choice Machine Reading Comprehension: A Survey on Methods and Datasets [19.021200954913482]
この分析は、30の既存のクローゼスタイルとマルチチョイスMCCベンチマークデータセットに展開されている。本稿では,最近の手法を細調整法とプロンプト調整法に分類する。
論文参考訳（メタデータ） (2024-08-04T18:57:21Z)
GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
論文参考訳（メタデータ） (2024-06-01T08:01:05Z)
A Survey of Decomposition-Based Evolutionary Multi-Objective Optimization: Part I-Past and Future [5.074835777266041]
進化的多目的最適化の文脈では分解は適切に研究されなかった。 MoEA/Dは、この領域の最新の開発をレビューするために、分解ベースのEMOの代表である。第1部では,MOEA/Dの発展を起源から現在までの包括的調査を行う。最終段階では、今後の発展に向けての新たな方向性に光を当てています。
論文参考訳（メタデータ） (2024-04-22T20:34:46Z)
Improving Retrieval in Theme-specific Applications using a Corpus Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。 ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文参考訳（メタデータ） (2024-03-07T02:34:54Z)
Explore-Instruct: Enhancing Domain-Specific Instruction Coverage through Active Exploration [64.58185031596169]
Explore-Instructは、ドメイン固有の命令チューニングで使用されるデータカバレッジを強化する新しいアプローチである。データ中心分析は、ドメイン固有の命令カバレッジを改善するために提案手法の有効性を検証する。我々の発見は、特にドメイン固有の文脈において、命令カバレッジを改善するための有望な機会を提供する。
論文参考訳（メタデータ） (2023-10-13T15:03:15Z)
A Comprehensive Survey on Source-free Domain Adaptation [69.17622123344327]
ソースフリードメイン適応(SFDA)の研究は近年注目を集めている。 SFDAの最近の進歩を包括的に調査し、それらを統一的な分類体系に整理する。一般的な3つの分類基準で30以上のSFDA法を比較検討した。
論文参考訳（メタデータ） (2023-02-23T06:32:09Z)
A Survey of Intent Classification and Slot-Filling Datasets for Task-Oriented Dialog [4.224157527132053]
この分野の文献の多くは、比較的少数のベンチマークデータセットの分析に限られている。我々は、意図分類とスロット充足のタスクのための公開データセットの調査を行った。
論文参考訳（メタデータ） (2022-07-26T23:20:03Z)

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。