Fugu-MT 論文翻訳(概要): SQL4NN: Validation and expressive querying of models as data

論文の概要: SQL4NN: Validation and expressive querying of models as data

arxiv url: http://arxiv.org/abs/2502.14745v1
Date: Thu, 20 Feb 2025 17:16:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-21 14:26:45.065467
Title: SQL4NN: Validation and expressive querying of models as data
Title（参考訳）: SQL4NN: データとしてのモデルの検証と表現型クエリ
Authors: Mark Gerarts, Juno Steegmans, Jan Van den Bussche,
Abstract要約: 私たちは、データから学習した機械学習モデルを、それ自体において重要で、強迫的なデータの一種だと考えています。モデル上の様々な分析タスクは、トレーニングや検証のためのデータのような拡張データと組み合わせて、この強迫的データに対するクエリとみなすことができる。
参考スコア（独自算出の注目度）: 0.5530212768657544
License:
Abstract: We consider machine learning models, learned from data, to be an important, intensional, kind of data in themselves. As such, various analysis tasks on models can be thought of as queries over this intensional data, often combined with extensional data such as data for training or validation. We demonstrate that relational database systems and SQL can actually be well suited for many such tasks.
Abstract（参考訳）: 私たちは、データから学習した機械学習モデルを、それ自体において重要で、強迫的なデータの一種だと考えています。このように、モデル上の様々な分析タスクは、トレーニングや検証のためのデータのような拡張データと組み合わせて、この強迫的なデータに対するクエリとみなすことができる。我々は、リレーショナルデータベースシステムとSQLが実際に多くのタスクに適していることを示します。

関連論文リスト

The Duck's Brain: Training and Inference of Neural Networks in Modern Database Engines [9.450046371705927]
ニューラルネットワークのinsqlをトレーニングするための関係表現にデータを変換する方法を示す。実行時およびメモリ消費の観点からの評価は、行列代数に対する現代のデータベースシステムの適合性を証明している。
論文参考訳（メタデータ） (2023-12-28T20:45:06Z)
Relational Deep Learning: Graph Representation Learning on Relational Databases [69.7008152388055]
複数のテーブルにまたがって配置されたデータを学ぶために、エンドツーエンドの表現アプローチを導入する。メッセージパッシンググラフニューラルネットワークは、自動的にグラフを学習して、すべてのデータ入力を活用する表現を抽出する。
論文参考訳（メタデータ） (2023-12-07T18:51:41Z)
GFS: Graph-based Feature Synthesis for Prediction over Relational Databases [39.975491511390985]
グラフベース特徴合成(GFS)と呼ばれる新しいフレームワークを提案する。 GFSは関係データベースを異種グラフデータベースとして定式化する。 4つの実世界のマルチテーブルリレーショナルデータベースに対する実験では、GFSはリレーショナルデータベース用に設計された従来の手法よりも優れていた。
論文参考訳（メタデータ） (2023-12-04T16:54:40Z)
Synthetic Model Combination: An Instance-wise Approach to Unsupervised Ensemble Learning [92.89846887298852]
ラベル付きデータのトレーニングセットから学ぶ機会のない、新しいテストデータに対する予測を検討する。専門家モデルのセットと予測へのアクセスと、トレーニングに使用するデータセットに関する制限された情報を提供すること。
論文参考訳（メタデータ） (2022-10-11T10:20:31Z)
Learning to be a Statistician: Learned Estimator for Number of Distinct Values [54.629042119819744]
列内の異なる値の数(NDV)を推定することは、データベースシステムにおける多くのタスクに有用である。本研究では、ランダム(オンライン/オフライン)サンプルから正確なNDV推定を導出する方法に焦点を当てる。教師付き学習フレームワークにおいて,NDV推定タスクを定式化し,モデルを推定対象として学習することを提案する。
論文参考訳（メタデータ） (2022-02-06T15:42:04Z)
A Unified Deep Model of Learning from both Data and Queries for Cardinality Estimation [28.570086492742035]
本稿では,データと問合せ作業負荷の両方から共同データ分布を学習する統合された深部自己回帰モデルUAEを提案する。 UAEは1桁の乗算誤差を尾で達成し、最先端の手法よりも精度が良く、空間も時間も効率的である。
論文参考訳（メタデータ） (2021-07-26T16:09:58Z)
When Can Models Learn From Explanations? A Formal Framework for Understanding the Roles of Explanation Data [84.87772675171412]
個々のデータポイントの説明がモデリング性能を向上させる状況について検討する。 e-SNLI、TACRED、SemEvalの3つの既存のデータセットを使って説明します。
論文参考訳（メタデータ） (2021-02-03T18:57:08Z)
Data from Model: Extracting Data from Non-robust and Robust Models [83.60161052867534]
この研究は、データとモデルの関係を明らかにするために、モデルからデータを生成する逆プロセスについて検討する。本稿では,データ・トゥ・モデル(DtM)とデータ・トゥ・モデル(DfM)を連続的に処理し,特徴マッピング情報の喪失について検討する。以上の結果から,DtMとDfMの複数シーケンスの後にも,特にロバストモデルにおいて精度低下が制限されることが示唆された。
論文参考訳（メタデータ） (2020-07-13T05:27:48Z)
Have you forgotten? A method to assess if machine learning models have forgotten data [20.9131206112401]
ディープラーニングの時代において、複数のソースからのデータの集約は、データの多様性を保証するための一般的なアプローチである。本稿では、モデルによってデータが忘れられたかどうかという課題に対処する。我々は、ターゲットの出力と異なるデータセットで訓練されたモデルの出力を比較する統計的手法を確立する。
論文参考訳（メタデータ） (2020-04-21T16:13:45Z)
Learning Over Dirty Data Without Cleaning [12.892359722606681]
実世界のデータセットは汚く、多くのエラーを含んでいる。汚いデータベース上での学習は、不正確なモデルをもたらす可能性がある。本稿では,新しい関係学習システムDLearnを提案する。
論文参考訳（メタデータ） (2020-04-05T20:21:13Z)
DeGAN : Data-Enriching GAN for Retrieving Representative Samples from a Trained Classifier [58.979104709647295]
我々は、トレーニングされたネットワークの将来の学習タスクのために、利用可能なデータの豊富さと関連するデータの欠如の間のギャップを埋める。利用可能なデータは、元のトレーニングデータセットまたは関連するドメインデータセットの不均衡なサブセットである可能性があるため、代表サンプルを検索するために使用します。関連ドメインからのデータを活用して最先端のパフォーマンスを実現することを実証する。
論文参考訳（メタデータ） (2019-12-27T02:05:45Z)

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。