論文の概要: Probabilistic Safe WCET Estimation for Weakly Hard Real-Time Systems at Design Stages

• arxiv url: http://arxiv.org/abs/2302.10288v3
• Date: Fri, 11 Aug 2023 15:38:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 13:16:26.966913
• Title: Probabilistic Safe WCET Estimation for Weakly Hard Real-Time Systems at Design Stages
• Title（参考訳）: 設計段階における弱実時間システムの確率論的安全なWCET推定
• Authors: Jaekwon Lee, Seung Yeob Shin, Lionel Briand, Shiva Nejati
• Abstract要約: 最悪の実行時間(WCET)を推定することは、スケジューリング可能性分析の重要な入力である。 提案手法は,専門家が当初推定した範囲を考慮し,制限された安全なWCETサブレンジを見つけることを目的としている。 衛星領域の産業システムやいくつかの現実的な合成システムに適用することで、我々のアプローチを評価する。
• 参考スコア（独自算出の注目度）: 2.2627733482506676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly hard real-time systems can, to some degree, tolerate deadline misses, but their schedulability still needs to be analyzed to ensure their quality of service. Such analysis usually occurs at early design stages to provide implementation guidelines to engineers so that they can make better design decisions. Estimating worst-case execution times (WCET) is a key input to schedulability analysis. However, early on during system design, estimating WCET values is challenging and engineers usually determine them as plausible ranges based on their domain knowledge. Our approach aims at finding restricted, safe WCET sub-ranges given a set of ranges initially estimated by experts in the context of weakly hard real-time systems. To this end, we leverage (1) multi-objective search aiming at maximizing the violation of weakly hard constraints in order to find worst-case scheduling scenarios and (2) polynomial logistic regression to infer safe WCET ranges with a probabilistic interpretation. We evaluated our approach by applying it to an industrial system in the satellite domain and several realistic synthetic systems. The results indicate that our approach significantly outperforms a baseline relying on random search without learning, and estimates safe WCET ranges with a high degree of confidence in practical time (< 23h).
• Abstract（参考訳）: 弱くハードなリアルタイムシステムはある程度の期限のミスを許容できるが、サービスの品質を保証するためには、その分離性を分析する必要がある。 このような分析は通常、設計の初期段階で発生し、エンジニアに実装ガイドラインを提供し、より良い設計決定を下す。 最悪ケース実行時間(wcet)の推定は、シェデュラビリティ分析の鍵となる入力である。 しかしながら、システム設計の初期段階では、wcet値の推定は困難であり、エンジニアは通常、ドメインの知識に基づいて妥当な範囲と判断する。 提案手法は,弱いリアルタイムシステムのコンテキストにおいて,当初専門家が推定した範囲の制約付き安全なWCETサブレンジを見つけることを目的としている。 そこで本研究では,(1)弱硬度制約の破れを最大化することを目的とした多目的探索と,(2)多項式ロジスティック回帰を応用し,確率論的解釈により安全なwcet範囲を推定する。 本手法をサテライトドメインの産業システムといくつかの現実的な合成システムに適用して評価した。 その結果,本手法は学習を伴わないランダム検索のベースラインを著しく上回っており,実用的な時間に高い信頼度で安全な wcet 範囲を推定できる(<23h)。

関連論文リスト

• Accurately Predicting Probabilities of Safety-Critical Rare Events for Intelligent Systems [6.229278037668383]
  本研究は,精度とリコール率を両立させる臨界予測モデルの構築を目的とする。 アプローチを検証するために,月面着陸機と二足歩行機という2つの事例で評価を行った。
  論文  参考訳（メタデータ） (2024-03-20T14:00:29Z)
• Data-Driven Distributionally Robust Safety Verification Using Barrier Certificates and Conditional Mean Embeddings [0.24578723416255752]
  問題を非現実的な仮定にシフトすることなく,スケーラブルな形式検証アルゴリズムを開発する。 問題を非現実的な仮定にシフトさせることなく,スケーラブルな形式検証アルゴリズムを開発するためには,バリア証明書の概念を用いる。 本稿では,2乗法最適化とガウス過程エンベロープを用いて効率よくプログラムを解く方法を示す。
  論文  参考訳（メタデータ） (2024-03-15T17:32:02Z)
• Weathering Ongoing Uncertainty: Learning and Planning in a Time-Varying Partially Observable Environment [14.646280719661465]
  時間による環境変動は、システムの最適な意思決定戦略に大きな影響を及ぼす可能性がある。 本稿では,TV-POMDP内での正確な推定と計画を行うための2段階のアプローチを提案する。 提案するフレームワークとアルゴリズムをシミュレーションとロボットを用いて検証する。
  論文  参考訳（メタデータ） (2023-12-06T03:20:42Z)
• Regions of Reliability in the Evaluation of Multivariate Probabilistic Forecasts [73.33395097728128]
  時系列予測評価のための適切なスコアリングルールに関する最初の体系的な有限サンプル研究を提供する。 本研究では, 地中構造と予測分布のいくつかの重要な相違点をテストするために, 総合的な総合的合成ベンチマークを用いて解析を行った。
  論文  参考訳（メタデータ） (2023-04-19T17:38:42Z)
• Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
  本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。 安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-21T11:14:47Z)
• Uncertainty-Aware Multiple Instance Learning fromLarge-Scale Long Time Series Data [20.2087807816461]
  本稿では,最も関連性の高い周期自動識別のための不確実性認識型マルチインスタンス(MIL)フレームワークを提案する。 さらに、別のモデルを訓練し、不確実性を考慮した融合を行うことにより、信頼できない予測を調整できる別のモダリティを組み込む。 実験結果から, 提案手法は, 軌道に基づく容器の形状を効果的に検出できることを示した。
  論文  参考訳（メタデータ） (2021-11-16T17:09:02Z)
• Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
  近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。 ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。 本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
  論文  参考訳（メタデータ） (2021-07-28T10:28:05Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
  有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。 本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。 アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
  論文  参考訳（メタデータ） (2021-04-08T08:50:44Z)
• Evaluating the Safety of Deep Reinforcement Learning Models using Semi-Formal Verification [81.32981236437395]
  本稿では,区間分析に基づく半形式的意思決定手法を提案する。 本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。 提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
  論文  参考訳（メタデータ） (2020-10-19T11:18:06Z)

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。