論文の概要: The Adaptive Stress Testing Formulation
- arxiv url: http://arxiv.org/abs/2004.04293v1
- Date: Wed, 8 Apr 2020 23:04:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 08:46:12.992150
- Title: The Adaptive Stress Testing Formulation
- Title(参考訳): アダプティブストレステストの定式化
- Authors: Mark Koren, Anthony Corso, and Mykel J. Kochenderfer
- Abstract要約: シミュレーションはしばしば、堅牢なバリデーションを提供するには単純すぎるか、難解に計算するには複雑すぎるかのどちらかである。
本稿では、適応ストレステスト(AST)というブラックボックスアプローチの背景にある理論について述べる。
- 参考スコア(独自算出の注目度): 33.470486257476544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Validation is a key challenge in the search for safe autonomy. Simulations
are often either too simple to provide robust validation, or too complex to
tractably compute. Therefore, approximate validation methods are needed to
tractably find failures without unsafe simplifications. This paper presents the
theory behind one such black-box approach: adaptive stress testing (AST). We
also provide three examples of validation problems formulated to work with AST.
- Abstract(参考訳): 検証は安全な自律性を求める上で重要な課題である。
シミュレーションはしばしば、堅牢なバリデーションを提供するには単純すぎるか、難解に計算するには複雑すぎる。
そのため,安全性を損なうことなく障害を気軽に発見するためには,近似的な検証手法が必要となる。
本稿では、適応ストレステスト(AST)というブラックボックス手法の背景にある理論について述べる。
また、ASTを扱うために定式化されたバリデーション問題の3つの例を示す。
関連論文リスト
- Few-Shot Scenario Testing for Autonomous Vehicles Based on Neighborhood
Coverage and Similarity [9.51438685788858]
大規模展開の前には、自律走行車(AV)の安全性能の試験と評価が不可欠である。
本稿では,この課題に対処するためのFST(Few-shot Testing)問題を初めて定式化し,体系的なFSTフレームワークを提案する。
FST法によるカットインシナリオの実験では,従来の試験法と比較して,テスト誤差と分散の顕著な低減が示されている。
論文 参考訳(メタデータ) (2024-02-02T04:47:14Z) - Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。
線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
論文 参考訳(メタデータ) (2023-11-01T04:41:16Z) - Deep anytime-valid hypothesis testing [29.273915933729057]
非パラメトリックなテスト問題に対する強力なシーケンシャルな仮説テストを構築するための一般的なフレームワークを提案する。
テスト・バイ・ベッティング・フレームワーク内で、機械学習モデルの表現能力を活用するための原則的なアプローチを開発する。
合成および実世界のデータセットに関する実証的な結果は、我々の一般的なフレームワークを用いてインスタンス化されたテストが、特殊なベースラインと競合することを示している。
論文 参考訳(メタデータ) (2023-10-30T09:46:19Z) - Better Practices for Domain Adaptation [62.70267990659201]
ドメイン適応(DA)は、ラベルを使わずに、モデルを配置データに適用するためのフレームワークを提供することを目的としている。
DAの明確な検証プロトコルは、文献の悪い実践につながっている。
ドメイン適応手法の3つの分野にまたがる課題を示す。
論文 参考訳(メタデータ) (2023-09-07T17:44:18Z) - On Pitfalls of Test-Time Adaptation [82.8392232222119]
TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。
TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
論文 参考訳(メタデータ) (2023-06-06T09:35:29Z) - Efficient Test-Time Model Adaptation without Forgetting [60.36499845014649]
テストタイム適応は、トレーニングとテストデータの間の潜在的な分散シフトに取り組むことを目指している。
信頼性および非冗長なサンプルを同定するためのアクティブなサンプル選択基準を提案する。
また、重要なモデルパラメータを劇的な変化から制約するFisher regularizerを導入します。
論文 参考訳(メタデータ) (2022-04-06T06:39:40Z) - Finding Failures in High-Fidelity Simulation using Adaptive Stress
Testing and the Backward Algorithm [35.076062292062325]
適応ストレステスト(アダプティブストレステスト、英: Adaptive stress testing、AST)は、強化学習を用いてシステムの最も起こりそうな障害を見つける手法である。
深い強化学習の解法を持つASTは、様々なシステムにまたがる障害を見つけるのに有効であることが示されている。
効率を向上させるために,まず低忠実度シミュレータで故障を検知する手法を提案する。
次に、単一の専門家によるデモンストレーションを使用してディープニューラルネットワークポリシーをトレーニングするバックワードアルゴリズムを使用して、低忠実度障害を高忠実度に適応させる。
論文 参考訳(メタデータ) (2021-07-27T16:54:04Z) - Cross-validation Confidence Intervals for Test Error [83.67415139421448]
この研究は、クロスバリデーションのための中心極限定理と、学習アルゴリズムの弱い安定性条件下での分散の一貫した推定器を開発する。
結果は、一般的な1対1のクロスバリデーションの選択にとって、初めてのものだ。
論文 参考訳(メタデータ) (2020-07-24T17:40:06Z) - Efficient statistical validation with edge cases to evaluate Highly
Automated Vehicles [6.198523595657983]
自動運転車の大規模展開は、まだ解決されていない多くの安全上の課題にもかかわらず、差し迫っているようだ。
既存の標準は、検証が要求をカバーするテストケースのセットだけを必要とする決定論的プロセスに焦点を当てています。
本稿では, 自動生成テストケースを最悪のシナリオに偏り付け, システムの挙動の統計的特性を計算するための新しい手法を提案する。
論文 参考訳(メタデータ) (2020-03-04T04:35:22Z)
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。