学術ニューラルネットワークダイアグラムを改善するためのフレームワーク【JST・京大機械翻訳】

Marshall Guy Clarke; Freitas Andre; Jay Caroline

プレプリント

J-GLOBAL ID：202202202520423121 整理番号：22P0185731

学術ニューラルネットワークダイアグラムを改善するためのフレームワーク【JST・京大機械翻訳】

A Framework for Improving Scholarly Neural Network Diagrams

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年08月28日プレプリントサーバーでの情報更新日： 2022年11月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ニューラルネットワークは,一般的で有効な機械学習成分であり,それらの応用は,多くのドメインで重要な科学的進歩をもたらす。ニューラルネットワークシステムの分野が高速成長しているので,進歩がどのように伝達されるかを理解することが重要である。ダイアグラムは,この新しいシステムを記述するほとんどすべての論文で現れる。本論文は,生態学的に派生した事例のまわりで,インタビュー,カードソーティング,および定性的フィードバック構造を通して,ニューラルネットワークシステム図の使用に関する研究について報告する。著者らは,既存の設計,情報可視化,およびユーザ経験ガイドラインの文脈において,図表の創造と解釈の両方における使用,知覚および好みの高い多様性を発見した。このインタビュー研究を用いて,既存のダイアグラムを改善するフレームワークを導いた。このフレームワークは,混合法実験研究と,フレームワークを引用する出版されたダイアグラムの性質を調べる「corpベースのアプローチによって評価される。研究は,このフレームワークが,学術的NNダイアグラムのコミュニケーション効果に関する側面を捉え,それらの実行のための簡単なステップを提供することを示唆する。【JST・京大機械翻訳】

, , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

前のページに戻る