論文の概要: Modeling Soft-Failure Evolution for Triggering Timely Repair with Low QoT Margins

• arxiv url: http://arxiv.org/abs/2208.14535v1
• Date: Tue, 30 Aug 2022 20:45:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-01 13:39:34.199876
• Title: Modeling Soft-Failure Evolution for Triggering Timely Repair with Low QoT Margins
• Title（参考訳）: 低qotマージンのタイムリー修復を誘発するソフトフェイルのモデル化
• Authors: Sadananda Behera, Tania Panayiotou, Georgios Ellinas
• Abstract要約: エンコーダとデコーダの学習フレームワークを利用して、長期的な地平線上でのソフトフェイル進化を予測する。 これにより、コストのかかるハードフェイルが発生する前に、QoTマージンの低いタイムリーな修復動作のトリガーが可能になる。
• 参考スコア（独自算出の注目度）: 3.899824115379246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, the capabilities of an encoder-decoder learning framework are leveraged to predict soft-failure evolution over a long future horizon. This enables the triggering of timely repair actions with low quality-of-transmission (QoT) margins before a costly hard-failure occurs, ultimately reducing the frequency of repair actions and associated operational expenses. Specifically, it is shown that the proposed scheme is capable of triggering a repair action several days prior to the expected day of a hard-failure, contrary to soft-failure detection schemes utilizing rule-based fixed QoT margins, that may lead either to premature repair actions (i.e., several months before the event of a hard-failure) or to repair actions that are taken too late (i.e., after the hard failure has occurred). Both frameworks are evaluated and compared for a lightpath established in an elastic optical network, where soft-failure evolution can be modeled by analyzing bit-error-rate information monitored at the coherent receivers.
• Abstract（参考訳）: 本研究では,エンコーダ・デコーダ学習フレームワークの機能を利用して,長期にわたるソフト障害の進展を予測する。 これにより、コストのかかるハードフェールが発生する前に、qot(quality-of-transmission)マージンの少ないタイムリーな修理アクションのトリガーが可能になり、最終的に修理アクションの頻度と関連する運用コストが削減される。 具体的には, 規則に基づく固定qotマージンを利用したソフトフェイル検出方式とは対照的に, ハードフェイルの期待日数日前に修復動作を起こせること, 早期修復動作(ハードフェイル発生の数ヶ月前)または遅すぎる修理動作(ハードフェイル発生後)を生じさせる可能性があること, などが示されている。 コヒーレント受信機でモニターされたビットエラーレート情報を分析し、ソフトフェイルな進化をモデル化できる弾性光ネットワークで確立された光路について、両フレームワークを評価し比較する。

関連論文リスト

• Temporal-Difference Variational Continual Learning [89.32940051152782]
  現実世界のアプリケーションにおける機械学習モデルの重要な機能は、新しいタスクを継続的に学習する能力である。 継続的な学習設定では、モデルは以前の知識を保持することで新しいタスクの学習のバランスをとるのに苦労することが多い。 複数の先行推定の正則化効果を統合する新たな学習目標を提案する。
  論文  参考訳（メタデータ） (2024-10-10T10:58:41Z)
• Error mitigation and circuit division for early fault-tolerant quantum phase estimation [0.023787965910387825]
  本稿では,誤り訂正オーバーヘッドと残差論理ノイズとのトレードオフにより,早期耐故障性アルゴリズムを設計するための枠組みを提案する。 我々は,大域的偏極雑音に頑健なQFT(Quantum-Fourier-Transform)に基づく量子位相推定法を開発した。 この研究は、早期耐故障コストの削減と時空トレードオフをエンドツーエンドで分析し、将来どの領域が改善できるかを特定する。
  論文  参考訳（メタデータ） (2024-10-07T18:00:00Z)
• Recover: A Neuro-Symbolic Framework for Failure Detection and Recovery [2.0554045007430672]
  本稿では,オンライン障害識別と回復のためのニューロシンボリック・フレームワークであるRecoverを紹介する。 論理ルールとLLMベースのプランナを統合することで、Recoverはシンボル情報を利用してLLMの回復計画を生成する能力を高める。
  論文  参考訳（メタデータ） (2024-03-31T17:54:22Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Forecasting Particle Accelerator Interruptions Using Logistic LASSO Regression [62.997667081978825]
  インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。 このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。 このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
  論文  参考訳（メタデータ） (2023-03-15T23:11:30Z)
• Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
  ビデオの異常検出は重要な問題だが、難しい問題だ。 既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。 連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-28T01:57:57Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• Repairing Neural Networks by Leaving the Right Past Behind [23.78437548836594]
  機械学習モデルの予測失敗は、トレーニングデータの欠陥から生じることが多い。 この研究は、目標とする障害を発生させたトレーニング例を特定し、それらに関する情報を消去することでモデルを修正するための一般的なフレームワークを開発する。
  論文  参考訳（メタデータ） (2022-07-11T12:07:39Z)
• AugLoss: A Robust Augmentation-based Fine Tuning Methodology [5.489248229630452]
  AugLossは、トレインタイムノイズラベリングとテストタイムの特徴分散シフトの両方に対して堅牢性を実現する、シンプルだが効果的な方法論である。 我々は、AugLossが達成した利益を示すために、現実世界のデータセット破損のさまざまな設定で包括的な実験を行う。
  論文  参考訳（メタデータ） (2022-06-05T23:35:58Z)
• A Learning Based Framework for Handling Uncertain Lead Times in Multi-Product Inventory Management [8.889304968879163]
  サプライチェーンと在庫管理に関する既存の文献の多くは、ゼロまたは一定リードタイムの需要プロセスを考慮する。 最近導入された遅延解決深度Q-ラーニング(DRDQN)アルゴリズムに動機づけられた本研究では,リードタイムにおける不確実性を扱うための強化学習に基づくパラダイムを開発する。
  論文  参考訳（メタデータ） (2022-03-02T05:50:04Z)
• Age-Based Coded Computation for Bias Reduction in Distributed Learning [57.9123881133818]
  コード計算は、分散学習の高速化に使用することができる。 勾配ベクトルの部分回復は、各反復時の計算時間をさらに短縮することができる。 重なり合う行動が時間とともに相関すると、推定バイアスが特に顕著になる。
  論文  参考訳（メタデータ） (2020-06-02T17:51:11Z)

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。