論文の概要: Neuromorphic AI Empowered Root Cause Analysis of Faults in Emerging Networks

• arxiv url: http://arxiv.org/abs/2005.01472v1
• Date: Mon, 4 May 2020 13:26:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 01:40:29.855954
• Title: Neuromorphic AI Empowered Root Cause Analysis of Faults in Emerging Networks
• Title（参考訳）: ニューロモルフィックaiによる新興ネットワークにおける障害の根本原因分析
• Authors: Shruti Bothe, Usama Masood, Hasan Farooq, Ali Imran
• Abstract要約: 我々は、完全に自動化された自己修復システムに向けた重要なステップを提供する、AIベースの障害診断ソリューションを提案する。 提案手法の性能を,文学における最先端解と比較する。 その結果,ニューロモルフィック・コンピューティング・モデルは,他のモデルと比較して高い分類精度が得られた。
• 参考スコア（独自算出の注目度）: 3.710841042000923
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile cellular network operators spend nearly a quarter of their revenue on network maintenance and management. A significant portion of that budget is spent on resolving faults diagnosed in the system that disrupt or degrade cellular services. Historically, the operations to detect, diagnose and resolve issues were carried out by human experts. However, with diversifying cell types, increased complexity and growing cell density, this methodology is becoming less viable, both technically and financially. To cope with this problem, in recent years, research on self-healing solutions has gained significant momentum. One of the most desirable features of the self-healing paradigm is automated fault diagnosis. While several fault detection and diagnosis machine learning models have been proposed recently, these schemes have one common tenancy of relying on human expert contribution for fault diagnosis and prediction in one way or another. In this paper, we propose an AI-based fault diagnosis solution that offers a key step towards a completely automated self-healing system without requiring human expert input. The proposed solution leverages Random Forests classifier, Convolutional Neural Network and neuromorphic based deep learning model which uses RSRP map images of faults generated. We compare the performance of the proposed solution against state-of-the-art solution in literature that mostly use Naive Bayes models, while considering seven different fault types. Results show that neuromorphic computing model achieves high classification accuracy as compared to the other models even with relatively small training data
• Abstract（参考訳）: モバイルセルラーネットワークオペレーターは、ネットワークのメンテナンスと管理に売上の約4分の1を費やしている。 その予算の大部分は、セルサービスを破壊したり分解したりするシステムで診断された障害の解決に費やされています。 歴史的に、問題を検出し、診断し、解決する操作は、人間の専門家によって行われた。 しかし、細胞の種類が多様化し、複雑さが増し、細胞密度が増加するにつれて、この手法は技術的にも経済的にも実現不可能になりつつある。 この問題を解決するため、近年では自己修復ソリューションの研究が大きな勢いで進んでいる。 自己修復パラダイムの最も望ましい特徴の1つは、自動障害診断である。 近年、いくつかの障害検出および診断機械学習モデルが提案されているが、これらの手法は、障害の診断と予測に人間の専門家による貢献に依存するという共通点がある。 本稿では,人手による入力を必要とせず,完全に自動化された自己修復システムに向けた重要なステップを提供するAIベースの障害診断ソリューションを提案する。 提案手法はランダムフォレスト分類器,畳み込みニューラルネットワーク,およびRSRPマップ画像を用いたニューロモルフィックに基づくディープラーニングモデルを利用する。 提案手法の性能を,7つの異なる故障タイプを考慮しつつ,主にナイーブベイズモデルを用いた文献における最先端ソリューションと比較した。 その結果,ニューロモルフィック計算モデルは,比較的少ないトレーニングデータでも,他のモデルと比較して高い分類精度を達成できることがわかった。

関連論文リスト

• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• A Reusable AI-Enabled Defect Detection System for Railway Using Ensembled CNN [5.381374943525773]
  欠陥検出は、鉄道システムの信頼性を確保するために不可欠である。 現在のアプローチは、CNNのような単一のディープラーニングモデルに依存している。 再利用可能なAI対応欠陥検出手法を提案する。
  論文  参考訳（メタデータ） (2023-11-24T19:45:55Z)
• Ecosystem-level Analysis of Deployed Machine Learning Reveals Homogeneous Outcomes [72.13373216644021]
  本研究では,機械学習の社会的影響を,特定の文脈に展開されるモデルの集合を考慮し検討する。 デプロイされた機械学習はシステム障害を起こしやすいため、利用可能なすべてのモデルに排他的に誤分類されているユーザもいます。 これらの例は、エコシステムレベルの分析が、機械学習の社会的影響を特徴づける独自の強みを持っていることを示している。
  論文  参考訳（メタデータ） (2023-07-12T01:11:52Z)
• Personalized Federated Learning for Multi-task Fault Diagnosis of Rotating Machinery [6.442377498489894]
  本稿では,複数の工場にまたがるマルチタスク故障診断手法を実現するための,個人化されたフェデレーション学習フレームワークを提案する。 畳み込みニューラルネットワークに基づくマルチタスク深層学習モデルを構築し、異種情報融合による機械の故障を診断する。 実機から収集したデータのケーススタディにより,提案手法の有効性が検証された。
  論文  参考訳（メタデータ） (2022-11-17T08:28:25Z)
• Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic Reinforcement Learning [9.274138493400436]
  医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。 これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。 生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-08T03:06:16Z)
• Bayesian Structural Learning for an Improved Diagnosis of Cyber-Physical Systems [0.8379286663107844]
  本稿では,構造化診断モデルの自動学習のためのスケーラブルアルゴリズムを提案する。 比較アルゴリズムと同等のパフォーマンスを提供し、解釈性を向上させます。
  論文  参考訳（メタデータ） (2021-04-02T11:14:05Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Residual Generation Using Physically-Based Grey-Box Recurrent Neural Networks For Engine Fault Diagnosis [1.0152838128195467]
  物理モデルと利用可能なトレーニングデータを組み合わせたハイブリッド故障診断手法は有望な結果を示した。 システムモデルの二部グラフ表現を用いて自動残差設計を行い、グレーボックス再帰ニューラルネットワークを設計する。 内燃機関テストベンチからのデータは、機械学習とモデルに基づく故障診断技術を組み合わせる可能性を示すために使用される。
  論文  参考訳（メタデータ） (2020-08-11T11:59:48Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。