Fugu-MT 論文翻訳(概要): Just Another Method to Compute MTTF from Continuous Time Markov Chain

論文の概要: Just Another Method to Compute MTTF from Continuous Time Markov Chain

arxiv url: http://arxiv.org/abs/2202.00674v2
Date: Thu, 3 Feb 2022 02:38:09 GMT
ステータス: 処理完了
システム内更新日: 2022-02-04 11:52:52.093011
Title: Just Another Method to Compute MTTF from Continuous Time Markov Chain
Title（参考訳）: 連続時間マルコフ連鎖からmttfを計算する別の方法
Authors: Eduardo M. Vasconcelos
Abstract要約: 平均失敗時間 (Meantime to Failure) は、システムが吸収状態に入るのにどれだけの時間を費やしているかを決定する統計である。本研究は,連続時間マルコフ連鎖モデルから平均失敗時間を求める手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Meantime to Failure is a statistic used to determine how much time a system spends to enter one of its absorption states. This statistic can be used in most areas of knowledge. In engineering, for example, can be used as a measure of equipment reliability, and in business, as a measure of processes performance. This work presents a method to obtain the Meantime to Failure from a Continuous Time Markov Chain models. The method is intuitive and is simpler to be implemented, since, it consists of solving a system of linear equations.
Abstract（参考訳）: 平均失敗時間 (Meantime to Failure) は、システムが吸収状態に入るのにどれだけの時間を費やすかを決定する統計である。この統計は、ほとんどの分野の知識で利用できる。例えばエンジニアリングでは、機器の信頼性の尺度として、そしてビジネスでは、プロセスのパフォーマンスの尺度として使用することができる。本研究は,連続時間マルコフ連鎖モデルから故障までの時間を取得する手法を提案する。この手法は直感的であり、より実装が容易である。なぜなら、線形方程式の系を解いて構成されるからである。

関連論文リスト

Adversarial Schrödinger Bridge Matching [66.39774923893103]
反復マルコフフィッティング(IMF)手順は、マルコフ過程の相互射影と相互射影を交互に交互に行う。本稿では、プロセスの学習を離散時間でほんの少しの遷移確率の学習に置き換える新しい離散時間IMF(D-IMF)手順を提案する。 D-IMFの手続きは、数百ではなく数世代のステップで、IMFと同じ品質の未完成のドメイン翻訳を提供できることを示す。
論文参考訳（メタデータ） (2024-05-23T11:29:33Z)
Improving Probabilistic Bisimulation for MDPs Using Machine Learning [0.0]
本稿では,与えられたモデルの状態空間を確率的ビシミュレーションクラスに分割する新しい手法を提案する。このアプローチは、最先端のツールと比較して、実行時間を著しく削減できる。
論文参考訳（メタデータ） (2023-07-30T12:58:12Z)
Neural Continuous-Time Markov Models [2.28438857884398]
完全観測時系列から連続時間マルコフ連鎖の遷移率関数を学習する手法を開発した。本手法は,これらの遷移率を,ログ線形法よりもかなり精度良く学習することを示す。
論文参考訳（メタデータ） (2022-12-11T00:07:41Z)
Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文参考訳（メタデータ） (2022-12-01T17:36:30Z)
TimeREISE: Time-series Randomized Evolving Input Sample Explanation [5.557646286040063]
TimeREISEは時系列分類の文脈において、特に成功に対応するモデル属性法である。本手法は, 既往の高精度な測定方法と比較して, 優れた性能を示す。
論文参考訳（メタデータ） (2022-02-16T09:40:13Z)
Using sequential drift detection to test the API economy [4.056434158960926]
APIエコノミーは、API(高度なプログラミングインターフェース)の広範な統合を指す。使用パターンを監視し、システムがこれまで使用されなかった方法でいつ使用されているかを特定することが望ましい。この作業では、ヒストグラムとAPI使用のコールグラフの両方を分析し、システムの利用パターンがシフトしたかどうかを判断する。
論文参考訳（メタデータ） (2021-11-09T13:24:19Z)
Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian Noise [59.47042225257565]
雑音分布の明示的な表現に依存しない新しい計画法を提案する。まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
論文参考訳（メタデータ） (2021-10-25T06:18:55Z)
Contrastive learning of strong-mixing continuous-time stochastic processes [53.82893653745542]
コントラスト学習(Contrastive Learning)は、ラベルのないデータから構築された分類タスクを解決するためにモデルを訓練する自己指導型の手法のファミリーである。拡散の場合,小～中距離間隔の遷移カーネルを適切に構築したコントラスト学習タスクを用いて推定できることが示される。
論文参考訳（メタデータ） (2021-03-03T23:06:47Z)
Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-05T07:06:19Z)
Statistical stability indices for LIME: obtaining reliable explanations for Machine Learning models [60.67142194009297]
機械学習技術の利用が絶え間なく増加していることは、このような傾向の最も明白な例である。アルゴリズムが決定を下した根拠を理解することは極めて困難である。実践者がこの問題に気付くこと、そしてそれを見つけるためのツールを持つことが重要である。
論文参考訳（メタデータ） (2020-01-31T10:39:46Z)

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。