論文の概要: CSM-H-R: An Automatic Context Reasoning Framework for Interoperable
Intelligent Systems and Privacy Protection
- arxiv url: http://arxiv.org/abs/2308.11066v1
- Date: Mon, 21 Aug 2023 22:21:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 14:05:29.422467
- Title: CSM-H-R: An Automatic Context Reasoning Framework for Interoperable
Intelligent Systems and Privacy Protection
- Title(参考訳): csm-h-r: 相互運用可能なインテリジェントシステムとプライバシ保護のための自動コンテキスト推論フレームワーク
- Authors: Songhui Yue, Xiaoyan Hong, and Randy K. Smith
- Abstract要約: ケーススタディは、スマートセッティングのインテリジェントエレベーターシステムに基づいて開発されている。
匿名化はラベル埋め込みによる匿名化と情報相関の低減によって達成される。
- 参考スコア(独自算出の注目度): 0.07499722271664144
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automation of High-Level Context (HLC) reasoning for intelligent systems at
scale is imperative due to the unceasing accumulation of contextual data in the
IoT era, the trend of the fusion of data from multi-sources, and the intrinsic
complexity and dynamism of the context-based decision-making process. To
mitigate this issue, we propose an automatic context reasoning framework
CSM-H-R, which programmatically combines ontologies and states at runtime and
the model-storage phase for attaining the ability to recognize meaningful HLC,
and the resulting data representation can be applied to different reasoning
techniques. Case studies are developed based on an intelligent elevator system
in a smart campus setting. An implementation of the framework - a CSM Engine,
and the experiments of translating the HLC reasoning into vector and matrix
computing especially take care of the dynamic aspects of context and present
the potentiality of using advanced mathematical and probabilistic models to
achieve the next level of automation in integrating intelligent systems;
meanwhile, privacy protection support is achieved by anonymization through
label embedding and reducing information correlation. The code of this study is
available at: https://github.com/songhui01/CSM-H-R.
- Abstract(参考訳): 大規模システムにおける高レベルコンテキスト(hlc)推論の自動化は、iot時代におけるコンテキストデータの蓄積の鈍化、マルチソースからのデータの融合の傾向、コンテキストベースの意思決定プロセスの内在的複雑さとダイナミズムのために不可欠である。
この問題を軽減するために,実行時のオントロジーと状態と,意味のあるHLCを認識するためのモデル記憶フェーズをプログラム的に組み合わせた自動文脈推論フレームワークCSM-H-Rを提案する。
スマートキャンパス環境におけるインテリジェントエレベータシステムに基づくケーススタディを開発した。
このフレームワークの実装 - csmエンジンとhlc推論をベクトルおよび行列計算に翻訳する実験は、特にコンテキストの動的側面に配慮し、インテリジェントシステム統合における次のレベルの自動化を達成するために、高度な数学的および確率的モデルを使用する可能性を示し、一方で、プライバシー保護サポートはラベル埋め込みによる匿名化と情報相関の低減によって達成される。
この研究のコードは、https://github.com/songhui01/csm-h-rで入手できる。
関連論文リスト
- A Data-to-Product Multimodal Conceptual Framework to Achieve Automated Software Evolution for Context-rich Intelligent Applications [0.0]
本研究では,ソフトウェアの自動進化を実現するための概念的枠組みを提案する。
概念的枠組みに基づいて選択的シーケンススコープモデル(3S)モデルを開発する。
この研究はインテリジェントなアプリケーションに関するものだが、フレームワークと分析方法は、AIが彼らのライフサイクルにより多くのインテリジェンスをもたらすため、他のタイプのソフトウェアに適用される可能性がある。
論文 参考訳(メタデータ) (2024-04-07T06:05:25Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳(メタデータ) (2024-01-11T15:02:15Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-11-27T18:57:42Z) - Hierarchical Framework for Interpretable and Probabilistic Model-Based
Safe Reinforcement Learning [1.3678669691302048]
本稿では,安全クリティカルシステムにおける深層強化学習の新たなアプローチを提案する。
確率論的モデリングと強化学習の利点と、解釈可能性の利点を兼ね備えている。
論文 参考訳(メタデータ) (2023-10-28T20:30:57Z) - Large AI Model-Based Semantic Communications [58.394527592974576]
画像データに特化して設計された大規模AIモデルベースSCフレームワーク(LAM-SC)を提案する。
まず,SKBをベースとしたセグメンテーションモデル(SAM)を設計し,各セグメンテーションの知識を用いて,元のイメージを異なるセグメンテーションセグメントに分割する。
次に、注意に基づく意味統合(ASI)を提案し、SKBが生成した意味セグメントを人間の参加なしに評価し、それらを意味認識画像として統合する。
論文 参考訳(メタデータ) (2023-07-07T10:01:08Z) - Pessimism meets VCG: Learning Dynamic Mechanism Design via Offline
Reinforcement Learning [114.36124979578896]
オフライン強化学習アルゴリズムを用いて動的メカニズムを設計する。
我々のアルゴリズムは悲観主義の原理に基づいており、オフラインデータセットのカバレッジについて軽度な仮定しか必要としない。
論文 参考訳(メタデータ) (2022-05-05T05:44:26Z) - Proceedings of the Robust Artificial Intelligence System Assurance
(RAISA) Workshop 2022 [0.0]
RAISAワークショップは、堅牢な人工知能(AI)と機械学習(ML)システムの研究、開発、応用に焦点を当てる。
特定のMLアルゴリズムに関してロバストネスを研究するのではなく、システムアーキテクチャのレベルでロバストネスの保証を検討することを目的としています。
論文 参考訳(メタデータ) (2022-02-10T01:15:50Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳(メタデータ) (2020-12-25T07:08:50Z) - AutonoML: Towards an Integrated Framework for Autonomous Machine
Learning [9.356870107137095]
Reviewは、自動化された自動MLシステムを構成するものに関して、より広範な視点を動機付けようとしている。
その上で、以下の研究領域の開発状況を調査します。
我々は、各トピックによって拡張されたレビューを通して概念的枠組みを開発し、高レベルなメカニズムを自律mlシステムに融合する方法を1つ紹介する。
論文 参考訳(メタデータ) (2020-12-23T11:01:10Z) - Integrating Deep Learning in Domain Sciences at Exascale [2.241545093375334]
我々は,大規模HPCシステム上でディープラーニングモデルとアプリケーションを効率的に動作させるための既存パッケージの評価を行った。
本稿では,現在の大規模異種システムに対する新しい非同期並列化と最適化手法を提案する。
従来の計算集約型アプリケーションとデータ集約型アプリケーションをAIで拡張するための図表と潜在的なソリューションを提案する。
論文 参考訳(メタデータ) (2020-11-23T03:09:58Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳(メタデータ) (2020-07-13T20:30:26Z)
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。