Fugu-MT 論文翻訳(概要): A quantum learning approach based on Hidden Markov Models for failure scenarios generation

論文の概要: A quantum learning approach based on Hidden Markov Models for failure scenarios generation

arxiv url: http://arxiv.org/abs/2204.00087v1
Date: Wed, 30 Mar 2022 07:27:23 GMT
ステータス: 処理完了
システム内更新日: 2022-04-05 04:03:02.999428
Title: A quantum learning approach based on Hidden Markov Models for failure scenarios generation
Title（参考訳）: 故障シナリオ生成のための隠れマルコフモデルに基づく量子学習手法
Authors: Ahmed Zaiou, Youn\`es Bennani, Basarab Matei and Mohamed Hibti
Abstract要約: 生成モデルの作成にはHidden Quantum Markov Models(HQMM)を使用します。量子的アプローチが古典的アプローチよりも優れた結果をもたらすことを示す。システムの確率的かつ予測不可能な障害シナリオを特定するための戦略を提供します。
参考スコア（独自算出の注目度）: 0.6423239719448167
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Finding the failure scenarios of a system is a very complex problem in the field of Probabilistic Safety Assessment (PSA). In order to solve this problem we will use the Hidden Quantum Markov Models (HQMMs) to create a generative model. Therefore, in this paper, we will study and compare the results of HQMMs and classical Hidden Markov Models HMM on a real datasets generated from real small systems in the field of PSA. As a quality metric we will use Description accuracy DA and we will show that the quantum approach gives better results compared with the classical approach, and we will give a strategy to identify the probable and no-probable failure scenarios of a system.
Abstract（参考訳）: システムの障害シナリオを見つけることは、PSA(Probabilistic Safety Assessment)の分野において非常に複雑な問題である。この問題を解決するために、Hidden Quantum Markov Models (HQMMs)を使用して生成モデルを作成する。そこで本稿では,PSAの分野における実小システムから生成された実データセットに対してHQMMと古典的隠れマルコフモデルHMMの結果について検討し,比較する。品質指標として、説明精度DAを使用し、量子アプローチが古典的アプローチよりも優れた結果をもたらすことを示すとともに、システムの確率的かつ予測不可能な障害シナリオを特定するための戦略を示す。

関連論文リスト

Cycles of Thought: Measuring LLM Confidence through Stable Explanations [53.15438489398938]
大規模言語モデル(LLM)は、様々なベンチマークで人間レベルの精度に到達し、さらに超えることができるが、不正確な応答における過度な自信は、依然として十分に文書化された障害モードである。本稿では,LLMの不確実性を測定するためのフレームワークを提案する。
論文参考訳（メタデータ） (2024-06-05T16:35:30Z)
Unsupervised Learning of Harmonic Analysis Based on Neural HSMM with Code Quality Templates [0.3233195475347961]
本論文では,隠れ半マルコフモデルに基づく調和解析の教師なし学習法を提案する。マルコフモデルの遷移確率に基づいて,先行知識のないトニックの認識方法を示す。
論文参考訳（メタデータ） (2024-03-07T01:29:48Z)
A new quantum machine learning algorithm: split hidden quantum Markov model inspired by quantum conditional master equation [14.262911696419934]
隠れ量子マルコフプロセスを実装するための分割HQMM(SHQMM)を提案する。実験結果から,本モデルはアプリケーションの範囲やロバスト性において,従来のモデルよりも優れていたことが示唆された。
論文参考訳（メタデータ） (2023-07-17T16:55:26Z)
Learning Hidden Markov Models When the Locations of Missing Observations are Unknown [54.40592050737724]
本研究では、未知の観測位置を持つデータからHMMを学習する際の一般的な問題について考察する。我々は、下層の鎖の構造に関する仮定を一切必要としない再構成アルゴリズムを提供する。適切な仕様の下では、プロセスのダイナミクスを再構築でき、また、見当たらない観測位置が分かっていたとしても、その有効性を示す。
論文参考訳（メタデータ） (2022-03-12T22:40:43Z)
Learning Circular Hidden Quantum Markov Models: A Tensor Network Approach [34.77250498401055]
c-HQMMは制約付きテンソルネットワークと等価であることを示す。この等価性により、c-HQMMの効率的な学習モデルを提供することができる。提案手法は6つの実データセットを用いて評価する。
論文参考訳（メタデータ） (2021-10-29T23:09:31Z)
BERTifying the Hidden Markov Model for Multi-Source Weakly Supervised Named Entity Recognition [57.2201011783393]
条件付き隠れマルコフモデル(CHMM) CHMMは、入力トークンのBERT埋め込みからトークン単位の遷移と放出確率を予測する。 BERTベースのNERモデルを微調整し、ラベルをCHMMで推論する。
論文参考訳（メタデータ） (2021-05-26T21:18:48Z)
Entropy-based adaptive design for contour finding and estimating reliability [0.24466725954625884]
信頼性解析において、故障確率を推定するために用いられる手法は、しばしばモデル評価に関連するコストによって制限される。本稿では,MFISと組み合わせることで,より正確な故障確率推定を行うエントロピーに基づくGP適応設計を提案する。ベンチマークデータに加え、NASA(NASA)宇宙服の衝撃損傷シミュレーターへの応用例も紹介されている。
論文参考訳（メタデータ） (2021-05-24T15:41:15Z)
Robust Classification using Hidden Markov Models and Mixtures of Normalizing Flows [25.543231171094384]
我々は,隠れマルコフモデル(HMM)の状態遷移と,隠れたHMMの状態に対するニューラルネットワークに基づく確率分布を組み合わせた生成モデルを用いる。音声認識への応用におけるNMM-HMM分類器の堅牢性の改善を検証する。
論文参考訳（メタデータ） (2021-02-15T00:40:30Z)
Cauchy-Schwarz Regularized Autoencoder [68.80569889599434]
変分オートエンコーダ(VAE)は、強力で広く使われている生成モデルのクラスである。 GMMに対して解析的に計算できるCauchy-Schwarz分散に基づく新しい制約対象を導入する。本研究の目的は,密度推定,教師なしクラスタリング,半教師なし学習,顔分析における変分自動エンコーディングモデルの改善である。
論文参考訳（メタデータ） (2021-01-06T17:36:26Z)
Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。 CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
論文参考訳（メタデータ） (2020-08-12T06:23:49Z)
SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
論文参考訳（メタデータ） (2020-06-12T10:40:46Z)

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。