Fugu-MT 論文翻訳(概要): Automatic Inference of High-Level Network Intents by Mining Forwarding Patterns

論文の概要: Automatic Inference of High-Level Network Intents by Mining Forwarding Patterns

arxiv url: http://arxiv.org/abs/2002.02423v2
Date: Fri, 7 Feb 2020 19:05:15 GMT
ステータス: 処理完了
システム内更新日: 2023-01-03 13:14:03.358836
Title: Automatic Inference of High-Level Network Intents by Mining Forwarding Patterns
Title（参考訳）: マイニングフォワードパターンによる高レベルネットワークインテントの自動推論
Authors: Ali Kheradmand
Abstract要約: ネットワークオペレータの高レベルな意図と、その意図を達成する低レベルな構成との間には意味的なギャップがある。本稿では,低レベルのネットワーク行動から高レベルの意図を推測する,ギャップを埋めるための代替手法について論じる。
参考スコア（独自算出の注目度）: 0.6980076213134384
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: There is a semantic gap between the high-level intents of network operators and the low-level configurations that achieve the intents. Previous works tried to bridge the gap using verification or synthesis techniques, both requiring formal specifications of the intended behavior which are rarely available or even known in the real world. This paper discusses an alternative approach for bridging the gap, namely to infer the high-level intents from the low-level network behavior. Specifically, we provide Anime, a framework and a tool that given a set of observed forwarding behavior, automatically infers a set of possible intents that best describe all observations. Our results show that Anime can infer high-quality intents from the low-level forwarding behavior with acceptable performance.
Abstract（参考訳）: ネットワークオペレータの高レベルな意図と、その意図を達成する低レベルな構成との間には意味的なギャップがある。これまでの研究は、検証や合成技術を使ってギャップを埋めようと試みていたが、どちらも意図された振る舞いの正式な仕様を必要とした。本稿では,低レベルのネットワーク行動から高レベルの意図を推測する,ギャップを埋めるための代替手法について論じる。具体的には、観測された転送動作のセットを付与するフレームワークとツールであるAnimeが、すべての観測を最もよく記述する可能なインテントのセットを自動的に推論する。その結果,animeは低レベルのフォワーディング行動から高い品質のインテントを推測できることがわかった。

関連論文リスト

Generalized Robot 3D Vision-Language Model with Fast Rendering and Pre-Training Vision-Language Alignment [55.11291053011696]
本研究は,ラベル付きシーンが極めて限定された場合の3次元シーン理解のためのフレームワークを提案する。事前学習された視覚言語モデルから新しいカテゴリーの知識を抽出するために,階層的特徴整合型事前学習と知識蒸留戦略を提案する。限定的な再構築の場合、提案手法はWS3D++と呼ばれ、大規模なScanNetベンチマークで1位にランクインした。
論文参考訳（メタデータ） (2023-12-01T15:47:04Z)
Dynamic Perceiver for Efficient Visual Recognition [87.08210214417309]
特徴抽出手順と早期分類タスクを分離する動的知覚器(Dyn-Perceiver)を提案する。特徴ブランチは画像の特徴を抽出し、分類ブランチは分類タスクに割り当てられた遅延コードを処理する。早期出口は分類枝に限られており、低レベルの特徴において線形分離性は不要である。
論文参考訳（メタデータ） (2023-06-20T03:00:22Z)
ReVoLT: Relational Reasoning and Voronoi Local Graph Planning for Target-driven Navigation [1.0896567381206714]
Embodied AIは、知的な実体と現実世界の相互作用を強調する必然的なトレンドである。グラフニューラルネットワーク(GNN)によるレイアウト関係の活用に関する研究このタスクを分離し、階層的なフレームワークであるReVoLTを提案する。
論文参考訳（メタデータ） (2023-01-06T05:19:56Z)
RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks [53.15260967235835]
本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
論文参考訳（メタデータ） (2021-06-29T20:29:29Z)
A Streaming End-to-End Framework For Spoken Language Understanding [11.58499117295424]
オンラインおよびインクリメンタルな方法で複数の意図を処理できるストリーミング・エンド・ツー・エンドのフレームワークを提案する。提案手法はFluent Speech Commandsデータセット上で評価し,意図検出精度は全マルチインテント設定で約97%である。
論文参考訳（メタデータ） (2021-05-20T21:37:05Z)
Hierarchical Modeling for Out-of-Scope Domain and Intent Classification [55.23920796595698]
本稿では,対話システムにおけるスコープ外意図分類に焦点をあてる。ドメインとインテントを同時に分類する共同モデルに基づく階層型マルチタスク学習手法を提案する。実験により、モデルが既存の手法よりも精度、スコープ外リコール、F1で優れていることが示された。
論文参考訳（メタデータ） (2021-04-30T06:38:23Z)
Explainability-aided Domain Generalization for Image Classification [0.0]
説明可能性文献から手法やアーキテクチャを適用することで、ドメインの一般化という困難な課題に対して最先端のパフォーマンスを達成できることを示す。そこで我々は,勾配に基づくクラスアクティベーションマップを用いて学習中にネットワークが指導を受ける手法であるDivCAMを含む新しいアルゴリズムを開発し,多様な識別機能に焦点をあてる。これらの手法は、説明可能性に加えて競合性能を提供するため、深層ニューラルネットワークアーキテクチャのロバスト性を改善するツールとして使用できると論じる。
論文参考訳（メタデータ） (2021-04-05T02:27:01Z)
Contrastively Learning Visual Attention as Affordance Cues from Demonstrations for Robotic Grasping [1.5727276506140881]
我々は、深層ニューラルネットワークに基づくエンドツーエンドの模倣学習フレームワークに、アプライアンス発見とアプライアンスに基づくポリシー学習を統合する。本稿では,Siameseエンコーダとtrajectory decoderからなるコントラスト学習フレームワークを提案する。実験結果から,3重項損失と組み合わせたモデルにより,シミュレーションロボット環境での把握成功率が最も高いことがわかった。
論文参考訳（メタデータ） (2021-04-02T04:18:53Z)
Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
利用可能な注釈付き発話が不足しているため、インテント検出は困難である。セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
論文参考訳（メタデータ） (2020-10-06T05:16:38Z)
AGIF: An Adaptive Graph-Interactive Framework for Joint Multiple Intent Detection and Slot Filling [69.59096090788125]
本稿では,多目的検出とスロットフィリングを併用する適応グラフ対話フレームワーク(AGIF)を提案する。スロットとインテントの強い相関関係をモデル化するために,インテント-スロットグラフ相互作用層を導入する。このような相互作用層が各トークンに適応的に適用され、関連する意図情報を自動抽出する利点がある。
論文参考訳（メタデータ） (2020-04-21T15:07:34Z)

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。