論文の概要: A Generative Approach for Production-Aware Industrial Network Traffic Modeling

• arxiv url: http://arxiv.org/abs/2211.06089v1
• Date: Fri, 11 Nov 2022 09:46:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 17:06:53.604899
• Title: A Generative Approach for Production-Aware Industrial Network Traffic Modeling
• Title（参考訳）: 産業用ネットワークトラヒックモデリングのための生成的アプローチ
• Authors: Alessandro Lieto and Qi Liao and Christian Bauer
• Abstract要約: ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
• 参考スコア（独自算出の注目度）: 70.46446906513677
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The new wave of digitization induced by Industry 4.0 calls for ubiquitous and reliable connectivity to perform and automate industrial operations. 5G networks can afford the extreme requirements of heterogeneous vertical applications, but the lack of real data and realistic traffic statistics poses many challenges for the optimization and configuration of the network for industrial environments. In this paper, we investigate the network traffic data generated from a laser cutting machine deployed in a Trumpf factory in Germany. We analyze the traffic statistics, capture the dependencies between the internal states of the machine, and model the network traffic as a production state dependent stochastic process. The two-step model is proposed as follows: first, we model the production process as a multi-state semi-Markov process, then we learn the conditional distributions of the production state dependent packet interarrival time and packet size with generative models. We compare the performance of various generative models including variational autoencoder (VAE), conditional variational autoencoder (CVAE), and generative adversarial network (GAN). The numerical results show a good approximation of the traffic arrival statistics depending on the production state. Among all generative models, CVAE provides in general the best performance in terms of the smallest Kullback-Leibler divergence.
• Abstract（参考訳）: 産業4.0によって引き起こされる新しいデジタル化の波は、ユビキタスで信頼性の高い接続を要求され、産業活動の実行と自動化が求められている。 5Gネットワークは、異種垂直アプリケーションの極端な要件を満たすことができるが、実際のデータと現実的なトラフィック統計の欠如は、産業環境におけるネットワークの最適化と構成に多くの課題をもたらす。 本稿では,ドイツのtrumpf工場に展開するレーザー切断機から生成されたネットワークトラフィックデータについて検討する。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存確率過程としてモデル化する。 まず、生産過程を多状態半マルコフプロセスとしてモデル化し、生成モデルを用いて生産状態に依存したパケット間通信時間とパケットサイズの状態分布を学習する。 本研究では,可変オートエンコーダ(VAE),条件付き可変オートエンコーダ(CVAE),生成逆ネットワーク(GAN)など,様々な生成モデルの性能を比較した。 以上の結果から,生産状況に応じた交通到着統計の近似が得られた。 すべての生成モデルの中で、CVAEは一般に最小のクルバック・リーバーの発散率の点で最高の性能を提供する。

関連論文リスト

• The Artificial Neural Twin -- Process Optimization and Continual Learning in Distributed Process Chains [3.79770624632814]
  本稿では,モデル予測制御,ディープラーニング,センサネットワークの概念を組み合わせた人工ニューラルツインを提案する。 我々のアプローチでは、分散プロセスのステップの状態を推定するために、微分可能なデータ融合を導入します。 相互接続されたプロセスステップを準ニューラルネットワークとして扱うことで、プロセス最適化やモデル微調整のための損失勾配をプロセスパラメータにバックプロパゲートすることができる。
  論文  参考訳（メタデータ） (2024-03-27T08:34:39Z)
• 5G Network Slicing: Analysis of Multiple Machine Learning Classifiers [0.0]
  本稿では,ロジスティック回帰モデル,線形判別モデル,k-ネアレスト近傍モデル,決定木モデル,ランダム森林モデル,SVC BernoulliNBモデル,ガウスアンNBモデルなど,さまざまな機械学習手法を評価し,ネットワークスライス検出における各モデルの精度と精度について検討する。 レポートでは5Gネットワークスライシングの概要も紹介されている。
  論文  参考訳（メタデータ） (2023-10-03T02:16:50Z)
• Diffusion bridges vector quantized Variational AutoEncoders [0.0]
  我々のモデルは,ミニイメージネットデータセットに先行する自己回帰と競合することを示す。 我々のフレームワークは、標準のVQ-VAEを拡張し、エンドツーエンドのトレーニングを可能にします。
  論文  参考訳（メタデータ） (2022-02-10T08:38:12Z)
• Parallel Successive Learning for Dynamic Distributed Model Training over Heterogeneous Wireless Networks [50.68446003616802]
  フェデレートラーニング(Federated Learning, FedL)は、一連の無線デバイスにモデルトレーニングを配布する一般的なテクニックとして登場した。 我々は,FedLアーキテクチャを3次元に拡張した並列逐次学習(PSL)を開発した。 我々の分析は、分散機械学習におけるコールド対ウォームアップモデルの概念とモデル慣性について光を当てている。
  論文  参考訳（メタデータ） (2022-02-07T05:11:01Z)
• Variational Autoencoder Generative Adversarial Network for Synthetic Data Generation in Smart Home [15.995891934245334]
  本稿では,変動型自動エンコーダ生成適応ネットワーク(VAE-GAN)をスマートグリッドデータ生成モデルとして提案する。 VAE-GANは、様々な種類のデータ分布を学習し、同じ分布から可塑性サンプルを生成することができる。 実験により,提案した合成データ生成モデルは,バニラGANネットワークより優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-19T02:30:25Z)
• Closed-form Continuous-Depth Models [99.40335716948101]
  連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。 我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
  論文  参考訳（メタデータ） (2021-06-25T22:08:51Z)
• VAE-LIME: Deep Generative Model Based Approach for Local Data-Driven Model Interpretability Applied to the Ironmaking Industry [70.10343492784465]
  モデル予測だけでなく、その解釈可能性も、プロセスエンジニアに公開する必要があります。 LIMEに基づくモデルに依存しない局所的解釈可能性ソリューションが最近出現し、元の手法が改良された。 本稿では, 燃焼炉で生成する高温金属の温度を推定するデータ駆動型モデルの局所的解釈可能性に関する新しいアプローチ, VAE-LIMEを提案する。
  論文  参考訳（メタデータ） (2020-07-15T07:07:07Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)
• Forecasting Industrial Aging Processes with Machine Learning Methods [0.0]
  我々は、従来のステートレスモデルとより複雑なリカレントニューラルネットワークを比較して、幅広いデータ駆動モデルを評価する。 以上の結果から,リカレントモデルでは,より大きなデータセットでトレーニングした場合,ほぼ完璧な予測が得られた。
  論文  参考訳（メタデータ） (2020-02-05T13:06:44Z)
• Model Fusion via Optimal Transport [64.13185244219353]
  ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。 これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
  論文  参考訳（メタデータ） (2019-10-12T22:07:15Z)

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。