論文の概要: Reconfiguring Hybrid Systems Using SAT
- arxiv url: http://arxiv.org/abs/2105.08398v1
- Date: Tue, 18 May 2021 09:50:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-19 14:01:10.231603
- Title: Reconfiguring Hybrid Systems Using SAT
- Title（参考訳）: SATによるハイブリッドシステムの再構成
- Authors: Kaja Balzereit and Oliver Niggemann
- Abstract要約: リコンフィグレーションは、システム構成を自動的に適応することで、障害からシステムを取り戻すことを目的としている。
本研究は,3つの課題を解く新しいアルゴリズムを提案する。
この手法はプロセス工学シミュレーションシステム上で障害を再構成できることが示されている。
- 参考スコア（独自算出の注目度）: 5.208405959764275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconfiguration aims at recovering a system from a fault by automatically
adapting the system configuration, such that the system goal can be reached
again. Classical approaches typically use a set of pre-defined faults for which
corresponding recovery actions are defined manually. This is not possible for
modern hybrid systems which are characterized by frequent changes. Instead,
AI-based approaches are needed which leverage on a model of the non-faulty
system and which search for a set of reconfiguration operations which will
establish a valid behavior again.
This work presents a novel algorithm which solves three main challenges: (i)
Only a model of the non-faulty system is needed, i.e. the faulty behavior does
not need to be modeled. (ii) It discretizes and reduces the search space which
originally is too large -- mainly due to the high number of continuous system
variables and control signals. (iii) It uses a SAT solver for propositional
logic for two purposes: First, it defines the binary concept of validity.
Second, it implements the search itself -- sacrificing the optimal solution for
a quick identification of an arbitrary solution. It is shown that the approach
is able to reconfigure faults on simulated process engineering systems.
- Abstract（参考訳）: リコンフィグレーションは、システム目標に再び到達できるように、システム構成を自動的に適応することで、障害からシステムを取り戻すことを目的としている。
古典的なアプローチは通常、対応するリカバリアクションを手動で定義する事前定義された障害セットを使用する。
これは頻繁な変更によって特徴づけられる現代のハイブリッドシステムでは不可能である。
代わりに、AIベースのアプローチは、非デフォルトシステムのモデルを活用し、有効な振る舞いを再び確立する再構成操作のセットを検索する必要がある。
この研究は、3つの主要な課題を解決する新しいアルゴリズムを提示している。
欠陥の振る舞いをモデル化する必要はありません
(ii)主に連続系変数や制御信号の数が多いため、もともと大きすぎる探索空間を識別し、縮小する。
3) 命題論理にはSATソルバを用いており, 第一に妥当性という二項の概念を定義している。
第二に、検索自体を実装する -- 任意のソリューションを素早く識別するために最適なソリューションを犠牲にする。
この手法はプロセス工学シミュレーションシステム上で障害を再構成できることが示されている。
関連論文リスト
- A Hybrid System for Systematic Generalization in Simple Arithmetic
Problems [70.91780996370326]
本稿では,記号列に対する合成的および体系的推論を必要とする算術的問題を解くことができるハイブリッドシステムを提案する。
提案システムは,最も単純なケースを含むサブセットでのみ訓練された場合においても,ネストした数式を正確に解くことができることを示す。
論文 参考訳（メタデータ） (2023-06-29T18:35:41Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - AI-enhanced iterative solvers for accelerating the solution of large
scale parametrized linear systems of equations [0.0]
本稿では、最新のMLツールを活用し、線形方程式系の反復解法をカスタマイズする。
その結果,従来の反復解法よりも優れていることが示された。
論文 参考訳（メタデータ） (2022-07-06T09:47:14Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Symbolic Regression by Exhaustive Search: Reducing the Search Space
Using Syntactical Constraints and Efficient Semantic Structure Deduplication [2.055204980188575]
シンボリック回帰は、モデル構造に関する事前の知識が得られない産業シナリオにおいて、強力なシステム識別技術である。
この章では、これらの問題に対処するために特別に設計された決定論的シンボリック回帰アルゴリズムを紹介します。
全ての可能なモデルの有限列挙は、構造的制約と意味論的に等価な解を検出するキャッシング機構によって保証される。
論文 参考訳（メタデータ） (2021-09-28T17:47:51Z) - Physics-integrated hybrid framework for model form error identification
in nonlinear dynamical systems [0.0]
実生活の非線形系では、正確な非線形性の形式はよく知られておらず、既知の支配方程式は特定の仮定や近似に基づいていることが多い。
モデル形状の誤差を識別するだけでなく、既知のが近似的な支配方程式の予測能力を向上させるためにも活用する、新しいグレーボックスモデリング手法を提案する。
論文 参考訳（メタデータ） (2021-09-01T16:29:21Z) - Novel General Active Reliability Redundancy Allocation Problems and
Algorithm [1.5990720051907859]
信頼性冗長性割り当て問題(RRAP)は、システムの信頼性を最大化するために用いられる。
汎用RRAP(GRRAP)と呼ばれる新しいRRAPが提案され、シリーズ並列構造やブリッジネットワークをより一般的なネットワーク構造に拡張する。
提案された新しいGRRAPを解決するため、BAT-SSOA3と呼ばれる新しいアルゴリズムは、SSO(Swarm Optimization)を単純化してソリューションを更新した。
論文 参考訳（メタデータ） (2021-08-18T11:54:42Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Simplified Swarm Optimization for Bi-Objection Active Reliability
Redundancy Allocation Problems [1.5990720051907859]
信頼性冗長性割り当て問題(RRAP)は、システム設計、開発、管理においてよく知られた問題である。
本研究では, コスト制約を新たな目標として変更することにより, 両対象RRAPを定式化する。
提案課題を解決するために,ペナルティ関数を備えた新しい簡易スワム最適化 (SSO) ,実効1型ソリューション構造,数値ベースの自己適応型新しい更新機構,制約付き非支配型ソリューション選択,および新しいpBest代替ポリシーを開発した。
論文 参考訳（メタデータ） (2020-06-17T13:15:44Z)
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。