I.2.6」カテゴリーアーカイブ

Subgraph-Aware Training of Text-based Methods for Knowledge Graph Completion

要約 最近、事前トレーニング済み言語モデル (PLM) を微調整すると、ナレッジ … 続きを読む

カテゴリー: 68T30, 68T45, 68T50, cs.CL, I.2.6 | Subgraph-Aware Training of Text-based Methods for Knowledge Graph Completion はコメントを受け付けていません

NITRO-D: Native Integer-only Training of Deep Convolutional Neural Networks

要約 量子化は、ディープ ニューラル ネットワーク (DNN) の着実に増加する … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG, cs.NE, I.2.6 | NITRO-D: Native Integer-only Training of Deep Convolutional Neural Networks はコメントを受け付けていません

NeSIG: A Neuro-Symbolic Method for Learning to Generate Planning Problems

要約 自動計画の分野では、機械学習のトレーニング データとして使用したり、計画競 … 続きを読む

カテゴリー: cs.AI, I.2.6 | NeSIG: A Neuro-Symbolic Method for Learning to Generate Planning Problems はコメントを受け付けていません

Left/Right Brain, human motor control and the implications for robotics

要約 ニューラル ネットワーク動作コントローラーは、従来の制御方法に比べてさまざ … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.NE, cs.RO, I.2.6, q-bio.NC | Left/Right Brain, human motor control and the implications for robotics はコメントを受け付けていません

Planetary Causal Inference: Implications for the Geography of Poverty

要約 衛星画像のような地球観測データは、機械学習と組み合わせることで、特に政府由 … 続きを読む

カテゴリー: 62H11, cs.CV, cs.LG, I.2.6, stat.ME, stat.ML | Planetary Causal Inference: Implications for the Geography of Poverty はコメントを受け付けていません

The Shortcomings of Force-from-Motion in Robot Learning

要約 ロボット操作には、正確な動作と物理的インタラクション制御が必要である。しか … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.RO, I.2.6 | The Shortcomings of Force-from-Motion in Robot Learning はコメントを受け付けていません

How Reliable and Stable are Explanations of XAI Methods?

要約 社会生活を営む人間の日常生活において、ブラックボックスモデルの利用が増加し … 続きを読む

カテゴリー: cs.AI, cs.LG, I.2.6 | How Reliable and Stable are Explanations of XAI Methods? はコメントを受け付けていません

Combining AI Control Systems and Human Decision Support via Robustness and Criticality

要約 AIを活用した能力は、実世界で展開するのに必要な成熟度に達しているが、常に … 続きを読む

カテゴリー: 68T07, cs.AI, cs.LG, cs.NE, I.2.6 | Combining AI Control Systems and Human Decision Support via Robustness and Criticality はコメントを受け付けていません

Natural Language Can Help Bridge the Sim2Real Gap

要約 画像条件付きロボット ポリシーを学習する際の主な課題は、低レベルの制御に役 … 続きを読む

カテゴリー: cs.CL, cs.CV, cs.LG, cs.RO, I.2.6 | Natural Language Can Help Bridge the Sim2Real Gap はコメントを受け付けていません

How to Boost Any Loss Function

要約 ブースティングは、ML 生まれの最適化設定で非常に成功しています。この設定 … 続きを読む

カテゴリー: cs.LG, I.2.6, stat.ML | How to Boost Any Loss Function はコメントを受け付けていません