論文の概要: Anytime Diagnosis for Reconfiguration
- arxiv url: http://arxiv.org/abs/2102.09880v1
- Date: Fri, 19 Feb 2021 11:45:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-22 13:23:08.973252
- Title: Anytime Diagnosis for Reconfiguration
- Title(参考訳): リコンフィグレーションの診断
- Authors: Alexander Felfernig and Rouven Walter and Jose A. Galindo and David
Benavides and Seda Polat-Erdeniz and Muesluem Atas and Stefan Reiterer
- Abstract要約: 我々は、いつでも直接診断できるflexdiagを紹介し分析する。
特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
- 参考スコア(独自算出の注目度): 52.77024349608834
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many domains require scalable algorithms that help to determine diagnoses
efficiently and often within predefined time limits. Anytime diagnosis is able
to determine solutions in such a way and thus is especially useful in real-time
scenarios such as production scheduling, robot control, and communication
networks management where diagnosis and corresponding reconfiguration
capabilities play a major role. Anytime diagnosis in many cases comes along
with a trade-off between diagnosis quality and the efficiency of diagnostic
reasoning. In this paper we introduce and analyze FlexDiag which is an anytime
direct diagnosis approach. We evaluate the algorithm with regard to performance
and diagnosis quality using a configuration benchmark from the domain of
feature models and an industrial configuration knowledge base from the
automotive domain. Results show that FlexDiag helps to significantly increase
the performance of direct diagnosis search with corresponding quality tradeoffs
in terms of minimality and accuracy.
- Abstract(参考訳): 多くのドメインは、診断を効率的に、しばしば事前に定義された時間内に決定するのに役立つスケーラブルなアルゴリズムを必要とします。
いつでも診断がソリューションを決定することができるため、生産スケジューリング、ロボット制御、および診断と対応する再構成能力が重要な役割を果たす通信ネットワーク管理などのリアルタイムシナリオに特に役立ちます。
多くの場合の診断は、診断品質と診断推論の効率のトレードオフと共に行われる。
本稿では, 直接診断手法であるFlexDiagを紹介し, 解析する。
特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
その結果、FlexDiagは、最小性と精度の点で対応する品質トレードオフで直接診断検索のパフォーマンスを大幅に向上させるのに役立ちます。
関連論文リスト
- Beyond Direct Diagnosis: LLM-based Multi-Specialist Agent Consultation
for Automatic Diagnosis [30.943705201552643]
本研究では,潜在的な疾患に対するエージェントの確率分布を適応的に融合させることにより,現実世界の診断過程をモデル化する枠組みを提案する。
提案手法では,パラメータ更新とトレーニング時間を大幅に短縮し,効率と実用性を向上する。
論文 参考訳(メタデータ) (2024-01-29T12:25:30Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳(メタデータ) (2023-11-26T14:42:31Z) - OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease
Diagnosis [11.775648630734949]
アルツハイマー病(AD)は逆転や治癒はできないが、タイムリーな診断は治療やケアの負担を大幅に軽減することができる。
AD診断モデルに関する現在の研究は、診断タスクを典型的な分類タスクと見なしている。
複雑で不確実な臨床環境下での直接AD診断のためのOpenClinicalAIを提案する。
論文 参考訳(メタデータ) (2023-07-03T12:35:03Z) - Internal Contrastive Learning for Generalized Out-of-distribution Fault
Diagnosis (GOOFD) Framework [8.668685281157373]
本稿では, 故障検出, 故障分類, 新たな故障診断など, 診断サブタスクを統合するための汎用フレームワークを提案する。
提案手法の基盤となる内部コントラスト学習に基づく統合的故障診断手法を提案する。
実験で示されたように,提案手法は既存手法と比較して性能が向上する。
論文 参考訳(メタデータ) (2023-06-27T07:50:25Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Efficient Model Based Diagnosis [0.0]
入力と出力の間に因果関係を持つシステムに対して、効率的なモデルに基づく診断プロセスを記述する。
また、ループを含む動的システムやシステムに診断プロセスを適用する方法を示す。
論文 参考訳(メタデータ) (2022-09-20T16:07:19Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳(メタデータ) (2022-08-30T20:16:17Z) - 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) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳(メタデータ) (2022-06-02T07:57:17Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-01-27T13:16:51Z)
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。