論文の概要: Have I Solved This Before? Retrieving Similar Segmentation Problems for Evolutionary Learning

• arxiv url: http://arxiv.org/abs/2606.08155v1
• Date: Sat, 06 Jun 2026 13:10:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.880243
• Title: Have I Solved This Before? Retrieving Similar Segmentation Problems for Evolutionary Learning
• Title（参考訳）: 前に解決したことがあるか? 進化的学習における類似のセグメンテーション問題
• Authors: Andreas Margraf, Henning Cui, Jörg Hähner,
• Abstract要約: 本研究は,従来のモニタリングシステム開発プロセスから逸脱する研究の方向性について考察する。 本稿では,従来の設計サイクルとは対照的に,知識を徐々に収集し,抽象システムモデルに格納することを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Reliable integration and solid configuration of monitoring systems constitute a fundamental prerequisites for achieving high efficiency and productivity in contemporary manufacturing environments. Design decisions on sensor type and system architecture have to be made at an early stage and under comparably high uncertainty. This work investigates a research direction that deviates from the traditional monitoring-system development process by shifting the attention from algorithm design to a deeper analysis of the inspection problem. In contrast to traditional design cycles, this paper proposes to gradually collect knowledge and store it in an abstract system model. This enables the retrieval of similar solutions for future use cases, preventing the need for expensive model training from scratch and allowing instead for the incremental refinement of existing base configurations. Reuse of previously generated pipelines reduces the risk of late and costly revisions. As there is little knowledge on cross-domain transferability of filter pipelines, this study analyzes the potential of retrieving filter pipelines to transfer them to different but similar segmentation problems. Finally, we statistically analyze the benefits of this `transfer learning' variant which is predominantly applied to image segmentation problems. In addition, we discuss how simple models help balancing the trade-off between complexity, technical requirements, and reliability in the design process.
• Abstract（参考訳）: モニタリングシステムの信頼性の高い統合とソリッドな構成は、現代の製造環境において高い効率と生産性を達成するための基本的な前提条件となっている。 センサタイプとシステムアーキテクチャの設計決定は、早期に行う必要があり、かつ相容れないほど高い不確実性の下で行う必要がある。 本研究では,従来の監視システム開発プロセスから逸脱する研究の方向性を,アルゴリズム設計から検査問題のより深い分析へ注目を移すことにより検討する。 本稿では,従来の設計サイクルとは対照的に,知識を徐々に収集し,抽象システムモデルに格納することを提案する。 これにより、将来のユースケースに対する同様のソリューションの検索が可能になり、高価なモデルトレーニングをスクラッチから不要にし、代わりに既存のベース構成の漸進的な改善を可能にします。 以前生成されたパイプラインの再利用は、遅れてコストがかかるリビジョンのリスクを低減する。 フィルタパイプラインのクロスドメイン転送性についてはほとんど知識がないため、フィルタパイプラインを検索して異なるが類似のセグメンテーション問題に転送する可能性を分析する。 最後に,この「トランスファーラーニング」変異の利点を統計的に分析し,画像分割問題に主に適用する。 さらに、シンプルなモデルが、設計プロセスにおける複雑さ、技術的要求、信頼性の間のトレードオフのバランスにどのように役立つかについて議論する。

関連論文リスト

• Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
  大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。 本稿では,再構築による理解という,新しいパラダイムを提案する。 マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-11T09:23:20Z)
• LLM-Inspired Pretrain-Then-Finetune for Small-Data, Large-Scale Optimization [7.8639568562295965]
  我々は、企業が同時に多くの運用上の決定をしなければならない、小規模で大規模な意思決定問題を考える。 本稿では,この課題に対処するために,設計したトランスフォーマーモデル上に構築したプレトレイン-then-finetuneアプローチを提案する。
  論文  参考訳（メタデータ） (2026-02-03T16:08:33Z)
• SMRS: advocating a unified reporting standard for surrogate models in the artificial intelligence era [0.8866016545928136]
  我々は、サロゲートモデルのための構造化レポート標準を確立する緊急の必要性を論じる。 標準化されながらフレキシブルなフレームワークを推進することによって、サロゲートモデリングの信頼性を向上させることを目指している。
  論文  参考訳（メタデータ） (2025-02-10T18:31:15Z)
• Machine learning for structural design models of continuous beam systems via influence zones [3.284878354988896]
  この研究は、逆問題の観点から連続ビームシステムのための機械学習構造設計モデルを開発する。 本研究の目的は,任意のシステムサイズを持つ連続ビームシステムの断面積要求を予測できる非定常構造設計モデルを概念化することである。
  論文  参考訳（メタデータ） (2024-03-14T14:53:18Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)

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。