論文の概要: Towards Synthesizing Datasets for IEEE 802.1 Time-sensitive Networking
- arxiv url: http://arxiv.org/abs/2308.10255v1
- Date: Sun, 20 Aug 2023 12:47:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-22 16:36:17.036985
- Title: Towards Synthesizing Datasets for IEEE 802.1 Time-sensitive Networking
- Title(参考訳): ieee 802.1タイムセンシティブネットワークのためのデータセットの合成に向けて
- Authors: Do\u{g}analp Ergen\c{c}, Nuref\c{s}an Sertba\c{s} B\"ulb\"ul, Lisa
Maile, Anna Arestova, Mathias Fischer
- Abstract要約: タイムセンシティブネットワーク(TSN)プロトコルは、最近ミッションクリティカルシステム間でレガシーネットワーク技術を置き換えるために提案されている。
本稿では、TSNシステムのためのAI/ML技術の研究を盛んにするために、TSNデータセットの必要性を再カプセル化することを目的とする。
- 参考スコア(独自算出の注目度): 3.3998740964877463
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: IEEE 802.1 Time-sensitive Networking (TSN) protocols have recently been
proposed to replace legacy networking technologies across different
mission-critical systems (MCSs). Design, configuration, and maintenance of TSN
within MCSs require advanced methods to tackle the highly complex and
interconnected nature of those systems. Accordingly, artificial intelligence
(AI) and machine learning (ML) models are the most prominent enablers to
develop such methods. However, they usually require a significant amount of
data for model training, which is not easily accessible. This short paper aims
to recapitulate the need for TSN datasets to flourish research on AI/ML-based
techniques for TSN systems. Moreover, it analyzes the main requirements and
alternative designs to build a TSN platform to synthesize realistic datasets.
- Abstract(参考訳): IEEE 802.1 Time-sensitive Networking (TSN)プロトコルは、最近、様々なミッションクリティカルシステム(MCS)にまたがるレガシーネットワーク技術を置き換えるために提案されている。
MCSにおけるTSNの設計、構成、保守は、これらのシステムの高度に複雑で相互接続された性質に取り組むための高度な手法を必要とする。
したがって、人工知能(AI)と機械学習(ML)モデルは、そのような手法を開発する上で最も顕著な手段である。
しかし、モデルトレーニングには大量のデータが必要であるため、簡単にはアクセスできない。
本稿では、TSNシステムのためのAI/ML技術の研究を盛んにするために、TSNデータセットの必要性を再カプセル化することを目的とする。
さらに、現実的なデータセットを合成するためのtsnプラットフォームを構築するための主な要件と代替設計を分析する。
関連論文リスト
- RLEEGNet: Integrating Brain-Computer Interfaces with Adaptive AI for
Intuitive Responsiveness and High-Accuracy Motor Imagery Classification [0.0]
本稿では,Deep Q-Networks (DQN) を用いた強化学習を分類タスクに活用するフレームワークを提案する。
本稿では,OVR(One-Versus-The-Rest)方式で,マルチクラス運動画像(MI)分類のための前処理手法を提案する。
DQNと1D-CNN-LSTMアーキテクチャの統合は意思決定プロセスをリアルタイムで最適化する。
論文 参考訳(メタデータ) (2024-02-09T02:03:13Z) - Visual Prompting Upgrades Neural Network Sparsification: A Data-Model
Perspective [67.25782152459851]
より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。
具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
論文 参考訳(メタデータ) (2023-12-03T13:50:24Z) - Spatio-Temporal Deep Learning-Assisted Reduced Security-Constrained Unit
Commitment [0.5076419064097734]
SCUC(Security-Constrained Unit commitment)は、電力系統の日頭スケジューリングと市場浄化に使用される計算上の複雑なプロセスである。
本稿では,制約の空間的相関と時間的相関を本質的に考慮した,電力系統履歴データのパターンの学習に先進機械学習(ML)モデルを用いる。
ST関連MLモデルはグラフニューラルネットワーク(GNN)を考慮して空間相関を理解するために訓練される一方、時間列は長期記憶(LSTM)ネットワークを用いて研究される。
論文 参考訳(メタデータ) (2023-06-02T14:31:24Z) - Online Evolutionary Neural Architecture Search for Multivariate
Non-Stationary Time Series Forecasting [72.89994745876086]
本研究は、オンラインニューロ進化に基づくニューラルアーキテクチャサーチ(ONE-NAS)アルゴリズムを提案する。
ONE-NASは、オンライン予測タスクのためにリカレントニューラルネットワーク(RNN)を自動設計し、動的にトレーニングする新しいニューラルネットワーク探索手法である。
その結果、ONE-NASは従来の統計時系列予測法よりも優れていた。
論文 参考訳(メタデータ) (2023-02-20T22:25:47Z) - Federated Learning for Energy Constrained IoT devices: A systematic
mapping study [0.0]
Federated Machine Learning (Fed ML)は、グローバルモデルの協調トレーニングに使用される、新しい分散機械学習技術である。
Fed MLは、その機密性を保証する。ネットワークセキュリティの重要な側面であり、データに敏感なIoT(Internet of Things)のコンテキストで使用することができる。
ほとんどのIoTデバイスは特にエネルギーに制約があるため、効率的なトレーニングタスクと電力消費の最適化のためにFed MLプロセスを最適化する必要が生じる。
論文 参考訳(メタデータ) (2023-01-09T23:30:32Z) - Bridging the gap to real-world for network intrusion detection systems
with data-centric approach [1.4699455652461724]
本稿では、NIDS研究の現在の限界に対処するために、体系的なデータ中心のアプローチを提案する。
最新のネットワークトラフィックとアタックで構成されたNIDSデータセットを生成し、ラベリングプロセスは設計によって統合される。
論文 参考訳(メタデータ) (2021-10-25T04:50:12Z) - TEMGNet: Deep Transformer-based Decoding of Upperlimb sEMG for Hand
Gestures Recognition [16.399230849853915]
本研究では,SEMG信号を処理するためのTransformerアーキテクチャに基づくフレームワークを開発する。
上肢のジェスチャーを分類・認識するための新しい視覚変換器(ViT)ベースのニューラルネットワークアーキテクチャ(TEMGNet)を提案する。
論文 参考訳(メタデータ) (2021-09-25T15:03:22Z) - A Meta-Learning Approach to the Optimal Power Flow Problem Under
Topology Reconfigurations [69.73803123972297]
メタラーニング(MTL)アプローチを用いて訓練されたDNNベースのOPF予測器を提案する。
開発したOPF予測器はベンチマークIEEEバスシステムを用いてシミュレーションにより検証される。
論文 参考訳(メタデータ) (2020-12-21T17:39:51Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳(メタデータ) (2020-12-15T16:29:49Z) - Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G
Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。
このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-02-22T14:38:11Z) - Taurus: A Data Plane Architecture for Per-Packet ML [59.1343317736213]
本稿では,線数推論のためのデータプレーンであるTaurusの設計と実装について述べる。
Taurus スイッチ ASIC の評価は,Taurus がサーバベースコントロールプレーンよりも桁違いに高速に動作することを示す。
論文 参考訳(メタデータ) (2020-02-12T09:18:36Z)
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。