面向机器学习赋能软件系统的 MDE：MontiAnna 与 ML-Quadrat 的案例研究与比较
软件工程
2022-12-06 v1 机器学习
摘要
在本文中，我们提议采用 MDE（模型驱动工程）范式来开发机器学习（ML）赋能的软件系统，重点关注物联网（IoT）领域。我们通过一个案例研究演示了两个最先进的开源建模工具，即 MontiAnna 和 ML-Quadrat，如何用于此目的。该案例研究展示了使用 ML（特别是深度人工神经网络（ANNs））基于 MNIST 参考数据集对手写数字进行自动图像识别，并将机器学习组件集成到 IoT 系统中。随后，我们对两个框架进行功能比较，提出一个涵盖广泛设计考虑的分析基础，例如问题域、ML 集成到更大系统的方法、受支持的 ML 方法，以及 ML 社区近期高度关注的主题，如 AutoML 和 MLOps。据此，本文聚焦于阐明 MDE 方法在 ML 领域的潜力。这支持 ML 工程师开发（ML/软件）模型而非实现代码，并通过使 ML 功能作为 IoT 或信息物理系统的组件实现开箱即用集成，额外强化了设计的可重用性与模块化。
引用
@article{arxiv.2209.07282,
title = {MDE for Machine Learning-Enabled Software Systems: A Case Study and Comparison of MontiAnna & ML-Quadrat},
author = {Jörg Christian Kirchhof and Evgeny Kusmenko and Jonas Ritz and Bernhard Rumpe and Armin Moin and Atta Badii and Stephan Günnemann and Moharram Challenger},
journal= {arXiv preprint arXiv:2209.07282},
year = {2022}
}
备注
ACM / IEEE 25th International Conference on Model Driven Engineering Languages and Systems (MODELS 2022) Companion - MDE Intelligence Workshop