論文の概要: Context-Aware Design of Cyber-Physical Human Systems (CPHS)

• arxiv url: http://arxiv.org/abs/2001.01918v1
• Date: Tue, 7 Jan 2020 07:31:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 20:26:18.142426
• Title: Context-Aware Design of Cyber-Physical Human Systems (CPHS)
• Title（参考訳）: サイバー物理ヒューマンシステム(CPHS)のコンテキスト認識設計
• Authors: Supratik Mukhopadhyay, Qun Liu, Edward Collier, Yimin Zhu, Ravindra Gudishala, Chanachok Chokwitthaya, Robert DiBiano, Alimire Nabijiang, Sanaz Saeidi, Subhajit Sidhanta, Arnab Ganguly
• Abstract要約: 我々は、設計中の物理インフラの意思決定プロセスが、サイバーインフラ上の分散リソースにインテリジェントに接続される新しい設計環境、サイバー物理ヒューマンシステム(CPHS)を構想する。 このフレームワークは、既存のデザインモデルと、新しいデザインにおけるヒューマン・インフラクチャー相互作用を含むコンテキスト認識設計固有のデータを組み合わせて、機械学習アプローチを使用して、予測能力を改善した拡張デザインモデルを作成する。
• 参考スコア（独自算出の注目度）: 11.367471035783742
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, it has been widely accepted by the research community that interactions between humans and cyber-physical infrastructures have played a significant role in determining the performance of the latter. The existing paradigm for designing cyber-physical systems for optimal performance focuses on developing models based on historical data. The impacts of context factors driving human system interaction are challenging and are difficult to capture and replicate in existing design models. As a result, many existing models do not or only partially address those context factors of a new design owing to the lack of capabilities to capture the context factors. This limitation in many existing models often causes performance gaps between predicted and measured results. We envision a new design environment, a cyber-physical human system (CPHS) where decision-making processes for physical infrastructures under design are intelligently connected to distributed resources over cyberinfrastructure such as experiments on design features and empirical evidence from operations of existing instances. The framework combines existing design models with context-aware design-specific data involving human-infrastructure interactions in new designs, using a machine learning approach to create augmented design models with improved predictive powers.
• Abstract（参考訳）: 近年,人間とサイバー物理インフラの相互作用が,後者の性能決定に重要な役割を果たしていることが研究コミュニティから広く受け入れられている。 サイバー物理システムを最適性能に設計するための既存のパラダイムは、歴史的データに基づくモデルの開発に焦点を当てている。 ヒューマンシステムインタラクションを駆動するコンテキスト要因の影響は困難であり、既存の設計モデルでキャプチャと複製が困難である。 その結果、多くの既存モデルは、コンテキスト要素をキャプチャする能力の欠如のために、新しい設計のコンテキスト要素に対処する、あるいは部分的にのみ対処する。 多くの既存モデルでのこの制限は、しばしば予測結果と測定結果の間のパフォーマンスギャップを引き起こす。 我々は,設計対象の物理インフラの意思決定プロセスが,設計特徴の実験や既存インスタンスの操作による実証的証拠など,サイバーインフラ上の分散リソースとインテリジェントに結びついている,新しい設計環境,サイバー物理ヒューマンシステム(CPHS)を構想する。 このフレームワークは、既存のデザインモデルと、新しいデザインにおけるヒューマン・インフラクチャー相互作用を含むコンテキスト認識設計固有のデータを組み合わせて、機械学習アプローチを使用して、予測能力を改善した拡張デザインモデルを作成する。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• 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)
• ContPhy: Continuum Physical Concept Learning and Reasoning from Videos [86.63174804149216]
  ContPhyは、マシン物理常識を評価するための新しいベンチマークである。 私たちは、さまざまなAIモデルを評価し、ContPhyで満足なパフォーマンスを達成するのに依然として苦労していることがわかった。 また、近年の大規模言語モデルとパーティクルベースの物理力学モデルを組み合わせるためのオラクルモデル(ContPRO)を導入する。
  論文  参考訳（メタデータ） (2024-02-09T01:09:21Z)
• Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective [64.04617968947697]
  より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。 具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
  論文  参考訳（メタデータ） (2023-12-03T13:50:24Z)
• Generative Structural Design Integrating BIM and Diffusion Model [4.619347136761891]
  本研究では,ビルディング情報モデリング(BIM)をインテリジェントな構造設計に適用し,BIMと生成AIを統合した構造設計パイプラインを確立する。 人図作成のプロセスにインスパイアされた生成フレームワークでは,AIモデルの生成困難を軽減するため,新たな2段階生成フレームワークが提案されている。 生成型AIツールでは、広く使われているGANベースのモデルを置き換えるために拡散モデル(DM)を導入し、新しい物理ベースの条件付き拡散モデル(PCDM)を提案し、異なる設計の前提条件を検討する。
  論文  参考訳（メタデータ） (2023-11-07T15:05:19Z)
• Latent Diffusion Models for Structural Component Design [11.342098118480802]
  本稿では,構造部品の生成設計のための枠組みを提案する。 我々は、問題固有の負荷条件のセットを満たすことができるコンポーネントの潜在的な設計を生成するために、遅延拡散モデルを用いる。
  論文  参考訳（メタデータ） (2023-09-20T19:28:45Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Graph Learning based Generative Design for Resilience of Interdependent Network Systems [3.6930948691311007]
  本研究では,グラフ学習アルゴリズムを用いた生成設計手法を提案する。 ジェネレータは、既存のシステムから優れた特性をインテリジェントにマイニングし、事前に定義された性能基準を満たす新しい設計を出力することができる。 IEEEデータセットの電力システムに基づくケーススタディでは,提案手法の適用性を示した。
  論文  参考訳（メタデータ） (2022-07-03T01:35:08Z)
• Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
  トレーニングセットとその構造が長期予測の品質に与える影響を考察する。 トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2021-12-15T20:09:20Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)

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。