論文の概要: A Multi-step and Resilient Predictive Q-learning Algorithm for IoT with
Human Operators in the Loop: A Case Study in Water Supply Networks
- arxiv url: http://arxiv.org/abs/2006.03899v1
- Date: Sat, 6 Jun 2020 15:51:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 21:34:34.118741
- Title: A Multi-step and Resilient Predictive Q-learning Algorithm for IoT with
Human Operators in the Loop: A Case Study in Water Supply Networks
- Title（参考訳）: ループ内の操作者によるIoTのための多段階・弾力性予測Q-ラーニングアルゴリズム:給水ネットワークを事例として
- Authors: Maria Grammatopoulou, Aris Kanellopoulos, Kyriakos G.~Vamvoudakis,
Nathan Lau
- Abstract要約: 障害のあるコンポーネントが存在する場合、IoTネットワークに対してレジリエントで予測可能なアクションを推奨する問題を考察する。
我々はバージニア州アーリントン郡の匿名化データを用いて、スマート給水システムのための予測的かつレジリエントなスケジューリングポリシーを計算します。
- 参考スコア（独自算出の注目度）: 4.9550706407171585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider the problem of recommending resilient and predictive actions for
an IoT network in the presence of faulty components, considering the presence
of human operators manipulating the information of the environment the agent
sees for containment purposes. The IoT network is formulated as a directed
graph with a known topology whose objective is to maintain a constant and
resilient flow between a source and a destination node. The optimal route
through this network is evaluated via a predictive and resilient Q-learning
algorithm which takes into account historical data about irregular operation,
due to faults, as well as the feedback from the human operators that are
considered to have extra information about the status of the network concerning
locations likely to be targeted by attacks. To showcase our method, we utilize
anonymized data from Arlington County, Virginia, to compute predictive and
resilient scheduling policies for a smart water supply system, while avoiding
(i) all the locations indicated to be attacked according to human operators
(ii) as many as possible neighborhoods detected to have leaks or other faults.
This method incorporates both the adaptability of the human and the computation
capability of the machine to achieve optimal implementation containment and
recovery actions in water distribution.
- Abstract（参考訳）: エージェントが封じ込めるために見ている環境の情報を操作する人間のオペレータの存在を考慮して,iotネットワークの故障コンポーネントの存在下でのレジリエントで予測的な動作を推奨する問題を考える。
IoTネットワークは、ソースと宛先ノードの間の一定かつレジリエントなフローを維持することを目的とした、既知のトポロジを持つ有向グラフとして定式化されている。
このネットワークを経由する最適な経路は、障害による不規則な操作に関する履歴データと、攻撃の対象となる可能性のある場所に関するネットワークの状態に関する追加情報を有すると考えられる人間オペレータからのフィードバックを考慮した予測と回復性を備えたq-learningアルゴリズムによって評価される。
本手法を紹介するために, バージニア州アーリントン郡の匿名データを用いて, スマート給水システムのための予測および回復性のあるスケジューリングポリシーを計算し, 回避する。
(i)人手による攻撃が示唆されるすべての場所
(二)漏洩その他の故障が検出された地区の数は可能な限り多い。
この方法は、人間の適応性と機械の計算能力の両方を組み込んで、水分布における最適な実装封じ込めと回収動作を実現する。
関連論文リスト
- Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [94.2860766709971]
統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。
我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
論文 参考訳（メタデータ） (2024-04-04T06:24:11Z) - Privacy-Preserving Distributed Learning for Residential Short-Term Load
Forecasting [11.185176107646956]
電力システムの負荷データは、住宅ユーザの日常のルーチンを不注意に明らかにし、彼らの財産のセキュリティにリスクを及ぼす可能性がある。
我々はマルコフスイッチ方式の分散学習フレームワークを導入し、その収束は厳密な理論的解析によって実証される。
実世界の電力系統負荷データを用いたケーススタディにより,提案アルゴリズムの有効性を検証した。
論文 参考訳（メタデータ） (2024-02-02T16:39:08Z) - Efficient Network Representation for GNN-based Intrusion Detection [2.321323878201932]
過去数十年間、深刻な経済とプライバシーの被害を受けたサイバー攻撃の数が増加している。
本稿では,侵入検知タスクのトポロジ情報の提供を目的とした,フローのグラフとしての新しいネットワーク表現を提案する。
提案するグラフ構造を利用したグラフニューラルネットワーク(GNN)に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-11T16:10:12Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Compressed Regression over Adaptive Networks [58.79251288443156]
分散エージェントのネットワークによって達成可能な性能を導出し,通信制約や回帰問題を解消し,適応的に解決する。
エージェントによって最適化に必要なパラメータをオンラインで学習できる最適化アロケーション戦略を考案する。
論文 参考訳（メタデータ） (2023-04-07T13:41:08Z) - Adversarial training with informed data selection [53.19381941131439]
アドリアリトレーニングは、これらの悪意のある攻撃からネットワークを守るための最も効率的なソリューションである。
本研究では,ミニバッチ学習に適用すべきデータ選択戦略を提案する。
シミュレーションの結果,ロバスト性および標準精度に関して良好な妥協が得られることがわかった。
論文 参考訳（メタデータ） (2023-01-07T12:09:50Z) - A Reinforcement Learning Approach for Scheduling in mmWave Networks [24.46948464551684]
我々は、mWaveネットワーク上で、所望の速度で目的地と通信したいソースについて検討する。
リンクとノード障害に対するレジリエンスを実現するために,我々は最先端のSoft Actor-Critic(SAC)深部強化学習アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2021-08-01T21:47:47Z) - Resilient Identification of Distribution Network Topology [0.0]
本稿では,DERMSで利用可能な測定値のみに依存するネットワークTI関数を提案する。
提案手法は,ネットワークスイッチング構成と保護装置の状態を同定する。
計算負荷が低いため、このアプローチは高速トラックであり、リアルタイムアプリケーションに適用できる。
論文 参考訳（メタデータ） (2020-11-16T14:23:56Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - ARC-Net: Activity Recognition Through Capsules [0.0]
我々はARC-Netを導入し、複数の慣性測定ユニット(IMU)からの情報を融合して被験者の行動を予測するカプセルの利用を提案する。
トレーニングされたネットワークによる各データソースの利用状況を可視化するために,ネットワークによって学習された事前のヒートマップを提供する。
論文 参考訳（メタデータ） (2020-07-06T21:03:04Z) - Forgetting Outside the Box: Scrubbing Deep Networks of Information
Accessible from Input-Output Observations [143.3053365553897]
本稿では、訓練された深層ネットワークからトレーニングデータのコホートへの依存を取り除く手順について述べる。
忘れられたコホートについて,クエリ毎にどれだけの情報を取り出すことができるか,という新たな境界を導入する。
我々は,ニューラルタンジェントカーネルにインスパイアされたDNNのアクティベーションとウェイトダイナミクスの接続を利用して,アクティベーションの情報を計算する。
論文 参考訳（メタデータ） (2020-03-05T23:17:35Z)
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。