Fugu-MT 論文翻訳(概要): A Novel Two-level Causal Inference Framework for On-road Vehicle Quality Issues Diagnosis

論文の概要: A Novel Two-level Causal Inference Framework for On-road Vehicle Quality Issues Diagnosis

arxiv url: http://arxiv.org/abs/2304.04755v1
Date: Fri, 31 Mar 2023 05:36:33 GMT
ステータス: 処理完了
システム内更新日: 2023-04-16 22:26:15.841259
Title: A Novel Two-level Causal Inference Framework for On-road Vehicle Quality Issues Diagnosis
Title（参考訳）: 自動車品質診断のための2段階因果推論フレームワーク
Authors: Qian Wang, Huanyi Shui, Thi Tu Trinh Tran, Milad Zafar Nezhad, Devesh Upadhyay, Kamran Paynabar, Anqi He
Abstract要約: 自動車業界では、車内品質の問題を管理するのに数週間かかることがある。主な問題点は、因果関係を識別する体系的な方法の欠如である。本稿では、因果機械学習(ML)を用いて、そのようなプロセスを高速化する方法について述べる。
参考スコア（独自算出の注目度）: 8.853546823080674
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the automotive industry, the full cycle of managing in-use vehicle quality issues can take weeks to investigate. The process involves isolating root causes, defining and implementing appropriate treatments, and refining treatments if needed. The main pain-point is the lack of a systematic method to identify causal relationships, evaluate treatment effectiveness, and direct the next actionable treatment if the current treatment was deemed ineffective. This paper will show how we leverage causal Machine Learning (ML) to speed up such processes. A real-word data set collected from on-road vehicles will be used to demonstrate the proposed framework. Open challenges for vehicle quality applications will also be discussed.
Abstract（参考訳）: 自動車業界では、車内品質の問題を管理するのに数週間かかることがある。このプロセスには、根本原因の分離、適切な治療の定義と実施、必要に応じて治療の精製が含まれる。主な問題点は、因果関係を同定し、治療効果を評価し、現在の治療が有効でないと判断された場合、次の実行可能な治療を指示する体系的な方法がないことである。本稿では、因果機械学習(ML)を利用したプロセスの高速化について述べる。提案フレームワークの実証には,オンデマンド車両から収集した実単語データセットを使用する。車両品質アプリケーションのオープンチャレンジについても議論する。

関連論文リスト

Anwendung von Causal-Discovery-Algorithmen zur Root-Cause-Analyse in der Fahrzeugmontage [0.2995925627097048]
根本原因分析(英: Root Cause Analysis, RCA)は、問題の因果関係を系統的に調査し、同定することを目的とした品質管理手法である。現代の生産プロセスでは、大量のデータが収集される。この出版物は、主要な自動車メーカーの組み立てデータに対する因果発見アルゴリズム(CDA)の適用を実証している。
論文参考訳（メタデータ） (2024-07-23T11:22:33Z)
Decentralized Semantic Traffic Control in AVs Using RL and DQN for Dynamic Roadblocks [9.485363025495225]
車両自体にセマンティックエンコーディングの責務を委譲するセマンティックトラフィック制御システムを提案する。このシステムは、強化学習(RL)エージェントから得られる意思決定を処理し、意思決定プロセスの合理化を行う。
論文参考訳（メタデータ） (2024-06-26T20:12:48Z)
Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文参考訳（メタデータ） (2024-02-16T05:16:20Z)
A DeepLearning Framework for Dynamic Estimation of Origin-Destination Sequence [63.70447384033326]
本稿では,ODシーケンスの構造を推論する深層学習手法と,従来の数値最適化を導く構造制約を用いた統合手法を提案する。実験の結果,ニューラルネットワークはODシーケンスの構造を効果的に推論し,数値最適化のための実用的な制約を提供することで,より良い結果が得られることがわかった。
論文参考訳（メタデータ） (2023-07-11T04:58:45Z)
Machine learning framework for end-to-end implementation of Incident duration prediction [0.0]
本研究では,インシデントレポートの受信時に利用可能な情報に基づいて,インシデント時間を予測するための分析フレームワークとエンドツーエンド機械学習ソリューションを開発した。その結果, 従来の研究手法と比較して, 事故発生期間の予測は有意に改善した。
論文参考訳（メタデータ） (2023-04-23T00:55:19Z)
The Technological Emergence of AutoML: A Survey of Performant Software and Applications in the Context of Industry [72.10607978091492]
Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。このレビューは、このトピックに関する知識に2つの主要な貢献をしている。オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
論文参考訳（メタデータ） (2022-11-08T10:42:08Z)
Grasping Causality for the Explanation of Criticality for Automated Driving [0.0]
本研究では,自動走行における安全関連要因の因果的理解を促進する因果的クエリの形式化を提案する。ジュデア・パールの因果論に基づいて、因果関係を文脈とともに因果構造として定義する。因果クエリに対する応答を正当に推定するには,データの可用性と品質が不可欠であるため,実世界および合成データ取得の要件についても論じる。
論文参考訳（メタデータ） (2022-10-27T12:37:00Z)
Prescriptive Process Monitoring: Quo Vadis? [64.39761523935613]
本論文はシステム文献レビュー(SLR)を通して,本分野における既存手法について考察する。 SLRは今後の研究の課題や分野に関する洞察を提供し、規範的なプロセス監視手法の有用性と適用性を高めることができる。
論文参考訳（メタデータ） (2021-12-03T08:06:24Z)
SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文参考訳（メタデータ） (2021-10-26T20:13:17Z)
Vehicular Cooperative Perception Through Action Branching and Federated Reinforcement Learning [101.64598586454571]
強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
論文参考訳（メタデータ） (2020-12-07T02:09:15Z)
A Comprehensive Survey on the Ambulance Routing and Location Problems [0.0]
救急車配置問題(ARP)と救急車配置問題(ALP) いずれも、車両ルーティング問題(VRP)と最大被覆問題(MCP)の修正である。
論文参考訳（メタデータ） (2020-01-10T05:33:11Z)

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。