Jul, 2023

使用模型驱动工程和 SysML 进行机器学习的代码生成

PDF
TL;DR本文提出了一种通过将模型转换集成到形式化机器学习任务中，以生成可执行代码来扩展以前的工作的方法，以便在不需要修改代码生成器的情况下集成代码生成的扩展和更改。通过对天气预报的案例研究进行可行性评估，并评估和讨论模型转换的质量属性，表明了该方法的灵活性和简单性，减少了实施的工作量，并为标准化实践中的数据驱动工程实现建立了理论基础。
发现论文，激发创造
  • 支持使用 SysML 形式化机器学习的模型驱动工程方法

    使用模型驱动工程的系统建模语言 SysML 对机器学习任务进行协同定义的方法能够整合不同数据源，定义语义连接、数据处理步骤，从而将机器学习的特性整合到系统工程技术中，促进了各个领域的知识整合，实现了将机器学习引入工业界的目标。

    Jul, 2023

  • 为基于模型的 AI 工程开启自动化机器学习

    本文提出了一种新方法，支持自动化机器学习，帮助软件工程师在不需要深入了解人工智能的情况下，选择适当的机器学习模型、算法和技术以及适当的超参数来开发人工智能密集型系统，并进行智能能源领域的案例研究。

    Mar, 2022

  • 系统工程的自然语言处理：系统建模语言图表的自动生成

    该论文提出了一种利用自然语言处理技术从无结构自然语言文本中自动生成系统图的方法，其目的是为系统工程师提供更加标准、全面和自动化的起点，并在六个案例中进行了验证。

    Aug, 2022

  • 基于模型驱动的机器学习组件工程：一项系统性文献综述

    这项系统文献综述研究了 MDE 和机器学习（MDE4ML）交叉领域，分析了现有的研究动机、MDE 解决方案、评估技术、关键优势和局限性，并提供了未来研究的建议。

    Nov, 2023

  • 面向人工智能的模型驱动工程：一项系统文献综述

    研究发现 MDE 对 AI 的使用仍处于早期阶段，并且没有广泛应用的单一工具或方法，当前的方法主要注重具体的开发阶段而非整个开发过程，因此，该研究提出了几个研究方向，以进一步改进 MDE 在 AI 方面的应用，并引导未来的研究。

    Jul, 2023

  • 机器学习增强的系统工程中的问题命名

    通过国际调查，本研究提供了机器学习应用系统工程的现状和问题，推动软件工程实践的进一步应用和传播，以提升机器学习应用系统的工程水平。

    May, 2024

  • 物联网的机器学习和软件建模的模型驱动方法

    本研究旨在提出一种综合方法，将软件工程和人工智能社区的模型结合起来，实现驱动智能系统的模型驱动软件开发，主要着重于物联网领域，并通过案例研究和用户评估验证了该方法的可行性和性能提升。

    Jul, 2021

  • 一种建模机器学习工程过程的框架

    为解决机器学习软件开发复杂性和多学科团队间的沟通问题，本文介绍了基于领域专用语言的机器学习软件开发流程模型框架，该框架通过标准化任务编排、促进沟通、培养协作环境等方式减轻挑战。

    Apr, 2024

  • 工程中融合先验知识的机器学习路径

    本研究介绍一个三级知识集成机器学习方法，在工程领域平衡整体主义和还原主义的视角，以在数据驱动的过程中转移和利用领域知识。

    Jul, 2023

  • 软件工程中机器学习的系统文献综述

    应用机器学习技术研究软件工程领域的现状，特别关注软件质量保证、软件维护、软件理解和软件文档等方面。

    Jun, 2024