論文の概要: The (C)omprehensive (A)rchitecture (P)attern (I)ntegration method: Navigating the sea of technology
- arxiv url: http://arxiv.org/abs/2508.16341v1
- Date: Fri, 22 Aug 2025 12:37:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-25 16:42:36.38186
- Title: The (C)omprehensive (A)rchitecture (P)attern (I)ntegration method: Navigating the sea of technology
- Title（参考訳）: C)網羅的(A)断裂的(P)断裂的(I)断裂法:技術の海を航海する
- Authors: Sebastian Copei, Oliver Hohlfeld, Jens Kosiol,
- Abstract要約: ユーザのニーズに応じてアーキテクチャパターンを提案する診断決定木であるCAPIを紹介する。
我々はCAPIを反復的に開発し,その理解性とユーザビリティを学術的参加者との小さな研究で評価した。
技術選択は、主に試行錯誤によって行われ、CAPIが一様に有用であると認識され、CAPIが我々の参加者の生産的なアーキテクチャ環境を再現できることがわかった。
- 参考スコア（独自算出の注目度）: 0.9831489366502297
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The technological landscape changes daily, making it nearly impossible for a single person to be aware of all trends or available tools that may or may not be suitable for their software project. This makes tool selection and architectural design decisions a complex problem, especially for large-scale software systems. To tackle this issue, we introduce CAPI, the Comprehensive Architecture Pattern Integration method that uses a diagnostic decision tree to suggest architectural patterns depending on user needs. By suggesting patterns instead of tools, the overall complexity for further decisions is lower as there are fewer architectural patterns than tools due to the abstract nature of patterns. Moreover, since tools implement patterns, each non-proposed pattern reduces the number of tools to choose from, reducing complexity. We iteratively developed CAPI, evaluating its understandability and usability in small studies with academic participants. When satisfied with the outcome, we performed a user-study with industry representatives to investigate the state-of-the-art in technology selection and the effectiveness of our proposed method. We find that technology selection is largely performed via trial and error, that CAPI is uniformly perceived as helpful, and that CAPI is able to reproduce the productive architectural environments of our participants.
- Abstract（参考訳）: 技術的な状況は日々変化し、ひとりの人がソフトウェアプロジェクトに適さないかもしれないすべてのトレンドや利用可能なツールに気付くことはほとんど不可能です。
これにより、特に大規模ソフトウェアシステムにおいて、ツールの選択とアーキテクチャ設計の決定が複雑な問題となる。
この問題に対処するために,ユーザのニーズに応じてアーキテクチャパターンを提案する診断木を用いた包括的アーキテクチャパターン統合手法であるCAPIを紹介する。
ツールではなくパターンを提案することで、パターンの抽象的な性質のため、アーキテクチャパターンがツールよりも少ないため、さらなる決定のための全体的な複雑さが低下します。
さらに、ツールはパターンを実装するので、提案されていない各パターンは、選択するツールの数を減らし、複雑さを減らします。
我々はCAPIを反復的に開発し,その理解性とユーザビリティを学術的参加者との小さな研究で評価した。
この結果に満足すると,技術選択の最先端と提案手法の有効性を検討するために,産業代表者とのユーザスタディを行った。
技術選択は、主に試行錯誤によって行われ、CAPIが一様に有用であると認識され、CAPIが我々の参加者の生産的なアーキテクチャ環境を再現できることがわかった。
関連論文リスト
- Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - Achieving Trustworthy Real-Time Decision Support Systems with Low-Latency Interpretable AI Models [26.65052167103414]
本稿では,低遅延AIモデルを利用したリアルタイム意思決定支援システムについて検討する。
これは、包括的なAI駆動意思決定ツール、エッジ-IoTテクノロジとの統合、効果的なヒューマン-AIチームワークのためのアプローチの最近の進歩をまとめるものだ。
結論は、この急速に変化する領域における将来のブレークスルーの舞台となった。
論文 参考訳（メタデータ） (2025-06-24T21:22:25Z) - A Systematic Literature Review of Parameter-Efficient Fine-Tuning for Large Code Models [2.171120568435925]
コードのための大規模言語モデル(LLM)は、訓練と微調整のためにかなりの計算資源を必要とする。
この問題に対処するため,研究コミュニティは,より効率的なファインチューニング(PEFT)へと移行している。
PEFTは、モデル全体ではなく、パラメータの小さなサブセットだけを更新することで、大きなモデルの適応を可能にする。
本研究は,28の査読論文から得られた知見を合成し,構成戦略のパターンと適応トレードオフを同定する。
論文 参考訳（メタデータ） (2025-04-29T16:19:25Z) - OntoAligner: A Comprehensive Modular and Robust Python Toolkit for Ontology Alignment [0.4499833362998487]
オントロジーアライメント(OA)は、多様な知識システム間の相互運用性を実現するための基礎である。
私たちはOAアライメントのための包括的でモジュール的で堅牢なPythonツールキットであるOntoAlignerを紹介します。
論文 参考訳（メタデータ） (2025-03-27T18:28:11Z) - 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) - A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。
これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。
本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
論文 参考訳（メタデータ） (2024-12-18T14:11:15Z) - Geometric Deep Learning for Computer-Aided Design: A Survey [76.3325417461511]
幾何学的深層学習技術は、コンピュータ支援設計の分野における変革の原動力となっている。
幾何データで表されるCAD設計を処理し、それらの符号化された特徴を解析することで、類似性を識別することができる。
本調査は, コンピュータ支援設計における学習手法の総合的な概要を, 様々なカテゴリーにまたがって紹介する。
論文 参考訳（メタデータ） (2024-02-27T17:11:35Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - Design Automation for Fast, Lightweight, and Effective Deep Learning
Models: A Survey [53.258091735278875]
本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。
これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。
この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
論文 参考訳（メタデータ） (2022-08-22T12:12:43Z) - Decision Models for Selecting Federated Learning Architecture Patterns [7.468413169676602]
フェデレートされた機械学習アーキテクチャ設計のためのパターン選択のための一連の決定モデルを提案する。
各決定モデルは、フェデレートされた機械学習システムの機能的および非機能的要件を一連のパターンにマッピングする。
論文 参考訳（メタデータ） (2022-04-28T05:07:26Z) - Which Design Decisions in AI-enabled Mobile Applications Contribute to
Greener AI? [7.194465440864905]
このレポートは、AI対応アプリケーションの性能に対する設計決定の影響を定量化する実証的研究を行う計画で構成されている。
我々は、複数の画像分類とテキスト分類問題を解決するために、モバイルアプリケーションに画像ベースニューラルネットワークと言語ベースニューラルネットワークの両方を実装します。
論文 参考訳（メタデータ） (2021-09-28T07:30:28Z) - Redefining Neural Architecture Search of Heterogeneous Multi-Network
Models by Characterizing Variation Operators and Model Components [71.03032589756434]
複素領域における異なる変動演算子の効果について検討する。
モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
論文 参考訳（メタデータ） (2021-06-16T17:12:26Z) - CAAI -- A Cognitive Architecture to Introduce Artificial Intelligence in
Cyber-Physical Production Systems [1.5701326192371183]
CAAIは、サイバー物理生産システムにおける人工知能の認知アーキテクチャである。
CAAIの中核は、ユーザの宣言的な目標を処理する認知モジュールである。
パイプラインの性能を評価する性能基準に対する一定の観察と評価を行う。
論文 参考訳（メタデータ） (2020-02-26T16:27:07Z)
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。