論文の概要: STARdom: an architecture for trusted and secure human-centered manufacturing systems

• arxiv url: http://arxiv.org/abs/2104.00983v1
• Date: Fri, 2 Apr 2021 11:00:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 13:43:56.205505
• Title: STARdom: an architecture for trusted and secure human-centered manufacturing systems
• Title（参考訳）: STARdom: 信頼性とセキュアな人間中心製造システムのためのアーキテクチャ
• Authors: Jo\v{z}e M. Ro\v{z}anec, Patrik Zajec, Klemen Kenda, Inna Novalija, Bla\v{z} Fortuna, Dunja Mladeni\'c, Entso Veliou, Dimitrios Papamartzivanos, Thanassis Giannetsos, Sofia Anna Menesidou, Rub\'en Alonso, Nino Cauli, Diego Reforgiato Recupero, Dimosthenis Kyriazis, Georgios Sofianidis, Spyros Theodoropoulos and John Soldatos
• Abstract要約: 予測と説明可能な人工知能を統合し,ユーザのフィードバック収集をサポートし,アクティブラーニングとシミュレート現実を用いて予測を強化するアーキテクチャを提案する。 需要予測の領域向けに調整し、実世界のケーススタディで検証します。
• 参考スコア（独自算出の注目度）: 4.093985503448998
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is a lack of a single architecture specification that addresses the needs of trusted and secure Artificial Intelligence systems with humans in the loop, such as human-centered manufacturing systems at the core of the evolution towards Industry 5.0. To realize this, we propose an architecture that integrates forecasts, Explainable Artificial Intelligence, supports collecting users' feedback, and uses Active Learning and Simulated Reality to enhance forecasts and provide decision-making recommendations. The architecture security is addressed as a general concern. We align the proposed architecture with the Big Data Value Association Reference Architecture Model. We tailor it for the domain of demand forecasting and validate it on a real-world case study.
• Abstract（参考訳）: 産業5.0への進化の核心にある、人間中心の製造システムなど、人間による信頼できるセキュアな人工知能システムのニーズに対処する単一のアーキテクチャ仕様が欠如している。 これを実現するために,予測と説明可能な人工知能を統合し,ユーザのフィードバック収集を支援し,アクティブラーニングとシミュレーション現実を用いて予測を強化し,意思決定の推奨を提供するアーキテクチャを提案する。 アーキテクチャのセキュリティは一般的な懸念として扱われる。 提案されたアーキテクチャは、Big Data Value Association Reference Architecture Modelと整合しています。 需要予測の領域向けに調整し、実世界のケーススタディで検証します。

関連論文リスト

• Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models via Verifier Engineering [51.31836988300326]
  検証工学は、基礎モデルの時代のために特別に設計された新しいポストトレーニングパラダイムである。 検証工学のプロセスは,検索,検証,フィードバックの3段階に分類する。
  論文  参考訳（メタデータ） (2024-11-18T12:04:52Z)
• From Requirements to Architecture: An AI-Based Journey to Semi-Automatically Generate Software Architectures [2.4150871564195007]
  本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。 さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
  論文  参考訳（メタデータ） (2024-01-25T10:56:58Z)
• Towards Responsible Generative AI: A Reference Architecture for Designing Foundation Model based Agents [28.406492378232695]
  ファンデーションモデルに基づくエージェントは、ファンデーションモデルの能力から自律性を引き出す。 本稿では,基礎モデルに基づくエージェントの設計におけるガイダンスとして機能するパターン指向参照アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-22T04:21:47Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• A Reference Architecture for Designing Foundation Model based Systems [28.826700360670515]
  ファンデーションモデルが将来のAIシステムの基本的なビルディングブロックになる、という広いコンセンサスがある。 基礎モデルをAIシステムに組み込むことは、責任と安全性に関する重要な懸念を提起する。 本稿では,基礎モデルに基づくシステム設計のためのパターン指向参照アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-13T05:01:03Z)
• Human-Centric Artificial Intelligence Architecture for Industry 5.0 Applications [3.7890670411918252]
  本稿では、人工知能(アクティブラーニング、予測、説明可能な人工知能)、シミュレートされた現実、意思決定、ユーザのフィードバックを統合するアーキテクチャを提案する。 実世界のケーススタディの2つのユースケースで検証する。
  論文  参考訳（メタデータ） (2022-03-21T08:16:46Z)
• Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
  我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。 信頼された実行環境を用いたAIシステムの機会と課題を強調します。 我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
  論文  参考訳（メタデータ） (2020-08-10T23:05:55Z)
• Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
  再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
  論文  参考訳（メタデータ） (2020-07-13T20:30:26Z)
• A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
  我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。 アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
  論文  参考訳（メタデータ） (2020-05-14T09:02:33Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)
• CAAI -- A Cognitive Architecture to Introduce Artificial Intelligence in Cyber-Physical Production Systems [1.5701326192371183]
  CAAIは、サイバー物理生産システムにおける人工知能の認知アーキテクチャである。 CAAIの中核は、ユーザの宣言的な目標を処理する認知モジュールである。 パイプラインの性能を評価する性能基準に対する一定の観察と評価を行う。
  論文  参考訳（メタデータ） (2020-02-26T16:27:07Z)

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。