論文の概要: A Multi-objective Optimization Approach for Feature Selection in Gentelligent Systems

• arxiv url: http://arxiv.org/abs/2512.05971v1
• Date: Thu, 20 Nov 2025 23:50:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 04:16:52.483847
• Title: A Multi-objective Optimization Approach for Feature Selection in Gentelligent Systems
• Title（参考訳）: 知的システムにおける特徴選択のための多目的最適化手法
• Authors: Mohammadhossein Ghahramani, Yan Qiao, NaiQi Wu, Mengchu Zhou,
• Abstract要約: 本稿では,固有成分情報と自動機構を組み込んだシステムを指すために,ジェネリジェントシステム(Gentelligent system)という用語を用いる。 信頼性の高い故障検出手法を実装することで、製造業者は製品品質の向上、収量の増加、生産コストの削減など、いくつかのメリットを享受できる。
• 参考スコア（独自算出の注目度）: 62.08647860272078
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of advanced technologies, such as Artificial Intelligence (AI), into manufacturing processes is attracting significant attention, paving the way for the development of intelligent systems that enhance efficiency and automation. This paper uses the term "Gentelligent system" to refer to systems that incorporate inherent component information (akin to genes in bioinformatics-where manufacturing operations are likened to chromosomes in this study) and automated mechanisms. By implementing reliable fault detection methods, manufacturers can achieve several benefits, including improved product quality, increased yield, and reduced production costs. To support these objectives, we propose a hybrid framework with a dominance-based multi-objective evolutionary algorithm. This mechanism enables simultaneous optimization of feature selection and classification performance by exploring Pareto-optimal solutions in a single run. This solution helps monitor various manufacturing operations, addressing a range of conflicting objectives that need to be minimized together. Manufacturers can leverage such predictive methods and better adapt to emerging trends. To strengthen the validation of our model, we incorporate two real-world datasets from different industrial domains. The results on both datasets demonstrate the generalizability and effectiveness of our approach.
• Abstract（参考訳）: 人工知能(AI)のような先進的な技術が製造プロセスに組み入れられ、効率性と自動化を高めるインテリジェントシステム開発への道が開けている。 本稿では,生物情報(バイオインフォマティクスにおける遺伝子に類似する)と自動メカニズムを組み込んだシステムを指すために,ジェネリジェントシステム (Gentelligent system) という用語を用いる。 信頼性の高い故障検出手法を実装することで、製造業者は製品品質の向上、収量の増加、生産コストの削減など、いくつかのメリットを享受できる。 これらの目的を達成するために,支配に基づく多目的進化アルゴリズムを用いたハイブリッドフレームワークを提案する。 この機構は,パレート最適解を単一ランで探索することにより,特徴選択と分類性能の同時最適化を可能にする。 このソリューションは、さまざまな製造作業の監視に役立ち、最小化する必要のあるさまざまな目的に対処する。 製造業者はこのような予測手法を活用でき、新たなトレンドに適応できる。 モデルの有効性を高めるために,異なる産業領域の2つの実世界のデータセットを組み込んだ。 両データセットの結果は,我々のアプローチの一般化可能性と有効性を示している。

関連論文リスト

• From Automation to Autonomy in Smart Manufacturing: A Bayesian Optimization Framework for Modeling Multi-Objective Experimentation and Sequential Decision Making [3.6811136816751513]
  現在の発見アプローチは、しばしば遅いため、最適な組み合わせを見つけるために多くの試行が必要である。 本稿では,製造の進展に応じて実験をインテリジェントに選択できるベイズ的多目的意思決定フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-05T18:21:20Z)
• A Multi-AI Agent System for Autonomous Optimization of Agentic AI Solutions via Iterative Refinement and LLM-Driven Feedback Loops [3.729242965449096]
  本稿では,産業間におけるエージェントAIソリューションを自律的に最適化するフレームワークを提案する。 このフレームワークは、仮説を自律的に生成し、テストすることで、人間の入力なしに最適な性能を達成する。 ケーススタディでは、アウトプットの品質、妥当性、動作性が大幅に改善された。
  論文  参考訳（メタデータ） (2024-12-22T20:08:04Z)
• 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)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• 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 Optimizer for Planar Soft-Growing Robot Manipulators [1.1888144645004388]
  本研究は,ソフト成長ロボットの設計最適化のための新しいアプローチを提案する。 ソフトマニピュレータのキネマティックチェーンを最適化し、ターゲットに到達し、材料や資源の不要な過剰使用を避ける。 提案手法を最適性にアクセスするために, 提案手法を検証したところ, 解法の性能は著しく向上した。
  論文  参考訳（メタデータ） (2023-10-05T08:23:17Z)
• AutonoML: Towards an Integrated Framework for Autonomous Machine Learning [9.356870107137095]
  Reviewは、自動化された自動MLシステムを構成するものに関して、より広範な視点を動機付けようとしている。 その上で、以下の研究領域の開発状況を調査します。 我々は、各トピックによって拡張されたレビューを通して概念的枠組みを開発し、高レベルなメカニズムを自律mlシステムに融合する方法を1つ紹介する。
  論文  参考訳（メタデータ） (2020-12-23T11:01:10Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)

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。