論文の概要: Application of Long Short-Term Memory Recurrent Neural Networks Based on the BAT-MCS for Binary-State Network Approximated Time-Dependent Reliability Problems

• arxiv url: http://arxiv.org/abs/2202.07837v1
• Date: Wed, 16 Feb 2022 03:02:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-18 00:44:03.223192
• Title: Application of Long Short-Term Memory Recurrent Neural Networks Based on the BAT-MCS for Binary-State Network Approximated Time-Dependent Reliability Problems
• Title（参考訳）: BAT-MCSに基づく長期記憶リカレントニューラルネットワークの2状態ネットワーク近似時間依存信頼性問題への適用
• Authors: Wei-Chang Yeh
• Abstract要約: 長寿命メモリ(LSTM)、モンテカルロシミュレーション(MCS)、バイナリ適応ツリーアルゴリズム(BAT)に基づくLSTM-BAT-MCSと呼ばれる新しいアルゴリズムを提案する。 提案したLSTM-BAT-MCSの優位性は、少なくとも10-4平均二乗誤差を持つ3つのベンチマークネットワークの実験結果によって実証された。
• 参考スコア（独自算出の注目度）: 1.5990720051907859
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Reliability is an important tool for evaluating the performance of modern networks. Currently, it is NP-hard and #P-hard to calculate the exact reliability of a binary-state network when the reliability of each component is assumed to be fixed. However, this assumption is unrealistic because the reliability of each component always varies with time. To meet this practical requirement, we propose a new algorithm called the LSTM-BAT-MCS, based on long short-term memory (LSTM), the Monte Carlo simulation (MCS), and the binary-adaption-tree algorithm (BAT). The superiority of the proposed LSTM-BAT-MCS was demonstrated by experimental results of three benchmark networks with at most 10-4 mean square error.
• Abstract（参考訳）: 信頼性は、現代のネットワークの性能を評価する重要なツールである。 現在、各コンポーネントの信頼性が固定されると仮定すると、NPハードと#Pハードでバイナリ状態ネットワークの正確な信頼性を計算することができる。 しかし、各コンポーネントの信頼性は常に時間によって異なるため、この仮定は非現実的である。 そこで本研究では,長寿命メモリ(LSTM),モンテカルロシミュレーション(MCS),バイナリ適応木アルゴリズム(BAT)に基づくLSTM-BAT-MCSと呼ばれる新しいアルゴリズムを提案する。 提案したLSTM-BAT-MCSの優位性は、少なくとも10-4平均二乗誤差を持つ3つのベンチマークネットワークの実験結果によって実証された。

関連論文リスト

• ConvLSTMTransNet: A Hybrid Deep Learning Approach for Internet Traffic Telemetry [0.0]
  本稿では,時系列予測のためのハイブリッドディープラーニングモデルConvLSTMTransNetを提案する。 以上の結果から,ConvLSTMTransNetは予測精度において,ベースラインモデルよりも約10%優れていた。
  論文  参考訳（メタデータ） (2024-09-20T03:12:57Z)
• Unlocking the Power of LSTM for Long Term Time Series Forecasting [27.245021350821638]
  本稿では, sLSTM 上に実装したP-sLSTM という単純なアルゴリズムを提案する。 これらの改良により、TSFにおけるsLSTMの性能が大幅に向上し、最先端の結果が得られた。
  論文  参考訳（メタデータ） (2024-08-19T13:59:26Z)
• BiFSMNv2: Pushing Binary Neural Networks for Keyword Spotting to Real-Network Performance [54.214426436283134]
  Deep-FSMNのようなディープニューラルネットワークはキーワードスポッティング(KWS)アプリケーションのために広く研究されている。 我々は、KWS、すなわちBiFSMNv2のための強力で効率的なバイナリニューラルネットワークを提示し、それを実ネットワーク精度のパフォーマンスにプッシュする。 小型アーキテクチャと最適化されたハードウェアカーネルの利点により、BiFSMNv2は25.1倍のスピードアップと20.2倍のストレージ節約を実現できる。
  論文  参考訳（メタデータ） (2022-11-13T18:31:45Z)
• Image Classification using Sequence of Pixels [3.04585143845864]
  本研究では,繰り返しニューラルネットワークを用いた逐次画像分類法の比較を行った。 本稿では,Long-Short-Term memory(LSTM)やBidirectional Long-Short-Term memory(BiLSTM)アーキテクチャに基づく手法について述べる。
  論文  参考訳（メタデータ） (2022-09-23T09:42:44Z)
• Bayesian Neural Network Language Modeling for Speech Recognition [59.681758762712754]
  長期記憶リカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端のニューラルネットワーク言語モデル(NNLM)は非常に複雑になりつつある。 本稿では,LSTM-RNN と Transformer LM の基盤となる不確実性を考慮するために,ベイズ学習フレームワークの全体構造を提案する。
  論文  参考訳（メタデータ） (2022-08-28T17:50:19Z)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• Simulation of Open Quantum Dynamics with Bootstrap-Based Long Short-Term Memory Recurrent Neural Network [0.0]
  ブートストラップ法はLSTM-NNの構成と予測に適用される。 ブートストラップに基づくLSTM-NNアプローチは、オープンシステムの長期量子力学を伝播する実用的で強力なツールである。
  論文  参考訳（メタデータ） (2021-08-03T05:58:54Z)
• Long short-term relevance learning [0.0]
  ネットワークアーキテクチャに効率的なスパースベイズ訓練アルゴリズムを導入する。 提案手法は,関連する神経接続を自動的に決定し,それに応じて適応する。 自己規制フレームワークは、適切なネットワークアーキテクチャとサイズに関する事前知識を必要としないことを示す。
  論文  参考訳（メタデータ） (2021-06-21T09:07:17Z)
• Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
  本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。 また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
  論文  参考訳（メタデータ） (2020-10-22T12:32:29Z)
• ReActNet: Towards Precise Binary Neural Network with Generalized Activation Functions [76.05981545084738]
  本稿では,新たな計算コストを伴わずに,実数値ネットワークからの精度ギャップを埋めるため,バイナリネットワークを強化するためのいくつかのアイデアを提案する。 まず,パラメータフリーのショートカットを用いて,コンパクトな実数値ネットワークを修正・バイナライズすることで,ベースラインネットワークを構築する。 提案したReActNetはすべての最先端技術よりも大きなマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-07T02:12:02Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。