論文の概要: Statistical complexity of software systems represented as multi-layer networks

• arxiv url: http://arxiv.org/abs/2503.23058v1
• Date: Sat, 29 Mar 2025 12:33:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:37:47.248436
• Title: Statistical complexity of software systems represented as multi-layer networks
• Title（参考訳）: 多層ネットワークとして表されるソフトウェアシステムの統計的複雑さ
• Authors: Jan Žižka,
• Abstract要約: 本稿では,ソフトウェアシステムの複雑性を評価するための経験的尺度として,統計複雑性の採用を提案する。 提案手法は,シミュレーションと理論的比較によって検証された多層ネットワークとしてモデル化されたソフトウェアシステムの統計的複雑性を計算することを含む。 この尺度は、ソフトウェアシステムの組織構造に関する洞察を提供し、理論的な期待に合う有望な一貫性を示し、複雑なソフトウェアシステムの理解を深めるためのツールとして統計複雑性を活用する方法を舗装する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Software systems are expansive, exhibiting behaviors characteristic of complex systems, such as self-organization and emergence. These systems, highlighted by advancements in Large Language Models (LLMs) and other AI applications developed by entities like DeepMind and OpenAI showcase remarkable properties. Despite these advancements, there is a notable absence of effective tools for empirically measuring software system complexity, hindering our ability to compare these systems or assess the impact of modifications on their properties. Addressing this gap, we propose the adoption of statistical complexity, a metric already applied in fields such as physics, biology, and economics, as an empirical measure for evaluating the complexity of software systems. Our approach involves calculating the statistical complexity of software systems modeled as multi-layer networks validated by simulations and theoretical comparisons. This measure offers insights into the organizational structure of software systems, exhibits promising consistency with theoretical expectations, and paves the way for leveraging statistical complexity as a tool to deepen our understanding of complex software systems and into their plausible and unplausible emergent behaviors.
• Abstract（参考訳）: ソフトウェアシステムは拡張性があり、自己組織化や出現といった複雑なシステム特有の振る舞いを示す。 これらのシステムは、大規模言語モデル(LLM)の進歩と、DeepMindやOpenAIといったエンティティによって開発された他のAIアプリケーションによって強調される。 これらの進歩にもかかわらず、ソフトウェアシステムの複雑さを経験的に測定する効果的なツールが欠如しており、これらのシステムを比較したり、修正が特性に与える影響を評価するのを妨げています。 このギャップに対処するため,ソフトウェアシステムの複雑性を評価するための実証的な尺度として,物理,生物学,経済学などの分野にすでに適用されているメトリクスである統計複雑性の導入を提案する。 提案手法は,シミュレーションと理論的比較によって検証された多層ネットワークとしてモデル化されたソフトウェアシステムの統計的複雑性を計算することを含む。 この尺度は、ソフトウェアシステムの組織構造に関する洞察を提供し、理論的な期待と有望な整合性を示し、複雑なソフトウェアシステムの理解を深めるツールとして統計複雑性を活用する方法と、その証明不可能な創発的行動への道を開く。

関連論文リスト

• Meta-Statistical Learning: Supervised Learning of Statistical Inference [59.463430294611626]
  この研究は、大きな言語モデル(LLM)の成功を駆動するツールと原則が、分散レベルのタスクに取り組むために再利用可能であることを実証している。 本稿では,統計的推論タスクを教師付き学習問題として再構成するマルチインスタンス学習に触発されたメタ統計学習を提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:04:39Z)
• A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
  本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。 コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
  論文  参考訳（メタデータ） (2025-01-20T15:30:09Z)
• Architectural Patterns for Designing Quantum Artificial Intelligence Systems [25.42535682546052]
  人工知能システムを強化するために量子コンピューティング技術を利用することで、トレーニングと推論時間を改善し、ノイズや敵攻撃に対する堅牢性を高め、精度を損なうことなくパラメータの数を減らすことが期待されている。 しかし、概念実証やシミュレーションを超えてこれらのシステムの実用的な応用を開発することは、量子ハードウェアの限界とそのようなシステムのソフトウェア工学における未発達の知識基盤によって大きな課題に直面している。 我々は、量子化人工知能システムのソフトウェアアーキテクチャに関連する課題と解決策を特定するために、体系的なマッピング研究を行った。
  論文  参考訳（メタデータ） (2024-11-14T05:09:07Z)
• Unsupervised Learning in Complex Systems [0.0]
  この論文は、自然および人工システムにおける学習と適応を研究するための複雑なシステムの使用を探求する。 目標は、監督なしで学習し、自分自身で開発し、時間が経つにつれてますます複雑化する自律システムを開発することである。
  論文  参考訳（メタデータ） (2023-07-11T19:48:42Z)
• Multi-Scale Simulation of Complex Systems: A Perspective of Integrating Knowledge and Data [25.582280429427833]
  我々は、知識とデータの観点から、複雑なシステムのマルチスケールシミュレーションに関する文献を体系的にレビューする。 我々は,マルチスケールモデリングとシミュレーションの主な目的を,明瞭なスケールのシナリオと不明瞭なスケールのシナリオを考慮し,5つのカテゴリに分けた。 本稿では,一般的な物質システムや社会システムにおけるマルチスケールシミュレーションの適用について紹介する。
  論文  参考訳（メタデータ） (2023-06-17T06:46:42Z)
• Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
  トレーニングセットとその構造が長期予測の品質に与える影響を考察する。 トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2021-12-15T20:09:20Z)
• Online Learning Probabilistic Event Calculus Theories in Answer Set Programming [70.06301658267125]
  イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。 本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。 その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
  論文  参考訳（メタデータ） (2021-03-31T23:16:29Z)
• The 4th International Workshop on Smart Simulation and Modelling for Complex Systems [4.489415125484399]
  コンピュータベースのモデリングとシミュレーションは、人間が異なるドメインのシステムを理解するのに役立つツールとなっている。 マルチエージェントシステムのようなスマートシステムは、複雑なシステムのモデリングとシミュレーションにおいて、利点と大きなポテンシャルを示してきた。
  論文  参考訳（メタデータ） (2021-02-01T21:40:28Z)
• Self-organizing Democratized Learning: Towards Large-scale Distributed Learning Systems [71.14339738190202]
  民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。 本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。 提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-07-07T08:34:48Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。