論文の概要: Evidence-based Prescriptive Analytics, CAUSAL Digital Twin and a
Learning Estimation Algorithm
- arxiv url: http://arxiv.org/abs/2104.05828v1
- Date: Mon, 12 Apr 2021 21:30:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-14 13:16:16.643083
- Title: Evidence-based Prescriptive Analytics, CAUSAL Digital Twin and a
Learning Estimation Algorithm
- Title(参考訳): Evidence-based Prescriptive Analytics, CAUSAL Digital Twinと学習推定アルゴリズム
- Authors: PG Madhavan
- Abstract要約: 本稿ではCausalityとCausal Graphsの基礎を説明し,LCDT(Learning Causal Digital Twin)ソリューションを開発した。
LCDTは学習用デジタルツインであり、パラメータは最小限の設定でオンラインでオンラインで学習されるため、デジタルツインのデプロイ作業は大幅に単純化される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Evidence-based Prescriptive Analytics (EbPA) is necessary to determine
optimal operational set-points that will improve business productivity. EbPA
results from what-if analysis and counterfactual experimentation on CAUSAL
Digital Twins (CDTs) that quantify cause-effect relationships in the DYNAMICS
of a system of connected assets. We describe the basics of Causality and Causal
Graphs and develop a Learning Causal Digital Twin (LCDT) solution; our
algorithm uses a simple recurrent neural network with some innovative
modifications incorporating Causal Graph simulation. Since LCDT is a learning
digital twin where parameters are learned online in real-time with minimal
pre-configuration, the work of deploying digital twins will be significantly
simplified. A proof-of-principle of LCDT was conducted using real vibration
data from a system of bearings; results of causal factor estimation, what-if
analysis study and counterfactual experiment are very encouraging.
- Abstract(参考訳): EbPA(Evidence-based Prescriptive Analytics)は、ビジネス生産性を向上させる最適な運用セットポイントを決定するために必要である。
EbPAは、接続された資産のシステムのDYNAMICSにおける原因・影響関係を定量化するCAUSAL Digital Twins(CDTs)における、何の分析と対実実験の結果である。
本稿では,CausalityとCausal Graphsの基礎を解説し,LCDT(Learning Causal Digital Twin)ソリューションを開発した。
LCDTは学習用デジタルツインであり、パラメータは最小限の設定でオンラインでオンラインで学習されるため、デジタルツインのデプロイ作業は大幅に単純化される。
軸受系の実振動データを用いてLCDTの原理実証を行い, 因果因子推定の結果, 解析結果, 反実実験の実施を強く奨励した。
関連論文リスト
- Non-Invasive Medical Digital Twins using Physics-Informed
Self-Supervised Learning [15.863958851499099]
デジタルツイン(Digital twin)は、数学的モデリングを用いてその定義する特徴を特徴づけ、シミュレートする現実世界の物理現象の仮想レプリカである。
非侵襲的な患者健康データのみを用いてデジタル双対モデルパラメータを同定する手法を提案する。
論文 参考訳(メタデータ) (2024-02-29T23:04:42Z) - Digital versus Analog Transmissions for Federated Learning over Wireless
Networks [91.20926827568053]
資源制約付きネットワーク上での無線連合学習(FL)における2つの効果的な通信方式を比較した。
まず,デジタルとアナログの両方の伝送方式と,実用的制約下での統一的かつ公正な比較手法について検討する。
無線ネットワークにおけるFL性能評価のために,様々な不完全条件下での普遍収束解析を確立する。
論文 参考訳(メタデータ) (2024-02-15T01:50:46Z) - A Multi-Grained Symmetric Differential Equation Model for Learning
Protein-Ligand Binding Dynamics [74.93549765488103]
薬物発見において、分子動力学シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。
我々は,数値MDを容易にし,タンパク質-リガンド結合の正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。
我々は、標準的な数値MDシミュレーションよりも2000$times$のスピードアップを達成し、安定性の指標の下では、他のMLアプローチよりも最大80%高い効率で、NeuralMDの有効性と有効性を示す。
論文 参考訳(メタデータ) (2024-01-26T09:35:17Z) - Enhanced multi-fidelity modelling for digital twin and uncertainty
quantification [0.0]
データ駆動モデルは、リアルタイムのアップデートと予測を可能にするデジタルツインにおいて重要な役割を果たす。
利用可能なデータの忠実さと正確なセンサーデータの不足は、しばしば代理モデルの効率的な学習を妨げる。
本稿では,ロバストなマルチフィデリティ・サロゲートモデルの開発から始まる新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-26T05:58:17Z) - Robust Learning with Progressive Data Expansion Against Spurious
Correlation [65.83104529677234]
本研究では,2層非線形畳み込みニューラルネットワークの学習過程について検討した。
分析の結果,不均衡なデータ群と学習容易なスプリアス特徴が学習過程におけるスプリアス特徴の優位性に繋がる可能性が示唆された。
本稿では,PDEと呼ばれる新たなトレーニングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-08T05:44:06Z) - Digital Twin Data Modelling by Randomized Orthogonal Decomposition and
Deep Learning [0.0]
デジタルツインは、元のプロセスの振る舞いを反映する主な特徴を持つ代理モデルである。
本稿では,流体の効率的なディジタル双対モデルを作成するための新しい枠組みを提案する。
我々は、最先端の人工知能Deep Learning(DL)を用いて、ディジタルツインモデルのリアルタイム適応キャリブレーションを行う。
論文 参考訳(メタデータ) (2022-06-17T09:45:04Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳(メタデータ) (2022-04-29T08:06:05Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - Attentive Neural Processes and Batch Bayesian Optimization for Scalable
Calibration of Physics-Informed Digital Twins [10.555398506346291]
物理インフォームド力学系モデルは、構築された環境のデジタル双対の重要な構成要素を形成する。
スケーラブルで並列化可能なバッチワイドベイズ最適化(BBO)手法であるANP-BBOを提案する。
論文 参考訳(メタデータ) (2021-06-29T15:30:55Z) - Digital Twins: State of the Art Theory and Practice, Challenges, and
Open Research Questions [62.67593386796497]
この研究は、様々なDT機能と現在のアプローチ、デジタルツインの実装と導入の遅れの背景にある欠点と理由を探求する。
この遅延の主な理由は、普遍的な参照フレームワークの欠如、ドメイン依存、共有データのセキュリティ上の懸念、デジタルツインの他の技術への依存、定量的メトリクスの欠如である。
論文 参考訳(メタデータ) (2020-11-02T19:08:49Z) - Exponentially improved detection and correction of errors in
experimental systems using neural networks [0.0]
実験装置の実証モデルを作成するために,2つの機械学習アルゴリズムを導入する。
これにより、一般化最適化タスクに必要な測定回数を指数関数的に削減することができる。
イオントラップ内の成層電場の検出と補償を例に,両アルゴリズムを実証する。
論文 参考訳(メタデータ) (2020-05-18T22:42:11Z)
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。