論文の概要: Detection of Unknown-Unknowns in Human-in-Plant Human-in-Loop Systems
Using Physics Guided Process Models
- arxiv url: http://arxiv.org/abs/2309.02603v2
- Date: Tue, 12 Dec 2023 17:49:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-13 19:41:06.212921
- Title: Detection of Unknown-Unknowns in Human-in-Plant Human-in-Loop Systems
Using Physics Guided Process Models
- Title（参考訳）: 物理誘導プロセスモデルを用いた人型ロボットの未知検出
- Authors: Aranyak Maity, Ayan Banerjee and Sandeep Gupta
- Abstract要約: 安全クリティカルなHIL-HIPシステムの運転出力特性を解析するための新しいフレームワークを提案する。
物理誘導サロゲートモデル(PGSM)をマイニングするための動的誘導型ハイブリッドリカレントニューラルネットワーク(DiH-RNN)を提案する。
PGSMは、システムを管理する物理法則に基づいて未知の未知の早期発見を可能にする。
- 参考スコア（独自算出の注目度）: 4.702143872609881
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Unknown-unknowns are operational scenarios in systems that are not accounted
for in the design and test phase. In such scenarios, the operational behavior
of the Human-in-loop (HIL) Human-in-Plant (HIP) systems is not guaranteed to
meet requirements such as safety and efficacy. We propose a novel framework for
analyzing the operational output characteristics of safety-critical HIL-HIP
systems that can discover unknown-unknown scenarios and evaluate potential
safety hazards. We propose dynamics-induced hybrid recurrent neural networks
(DiH-RNN) to mine a physics-guided surrogate model (PGSM) that checks for
deviation of the cyber-physical system (CPS) from safety-certified operational
characteristics. The PGSM enables early detection of unknown-unknowns based on
the physical laws governing the system. We demonstrate the detection of
operational changes in an Artificial Pancreas(AP) due to unknown insulin
cartridge errors.
- Abstract（参考訳）: 未知のシナリオは、設計とテストフェーズで考慮されていないシステムの運用シナリオである。
このようなシナリオでは、HIL(Human-in-loop)システムの動作は、安全性や有効性といった要件を満たすことが保証されていない。
本稿では、未知のシナリオを発見し、潜在的な安全リスクを評価する安全クリティカルなHIL-HIPシステムの運転出力特性を解析するための新しいフレームワークを提案する。
安全確認操作特性からサイバー物理系(CPS)の偏差をチェックする物理誘導サロゲートモデル(PGSM)をマイニングするために,ダイナミックス誘導型ハイブリッドリカレントニューラルネットワーク(DiH-RNN)を提案する。
PGSMは、システムを管理する物理法則に基づいて未知の未知の早期発見を可能にする。
未知のインスリンカートリッジエラーによる人工膵(AP)の手術的変化の検出を実証した。
関連論文リスト
- Online Action Recognition for Human Risk Prediction with Anticipated
Haptic Alert via Wearables [0.0]
本稿では,オンライン状態推定,行動認識,行動予測を組み合わせたフレームワークを提案する。
ウェアラブルシステムに組み込まれた触覚アクチュエータは、潜在的なリスクを警告し、アクティブな予防装置として機能する。
論文 参考訳（メタデータ） (2023-12-14T14:53:56Z) - Leveraging Traceability to Integrate Safety Analysis Artifacts into the
Software Development Process [51.42800587382228]
安全保証ケース(SAC)は、システムの進化中に維持することが困難である。
本稿では,ソフトウェアトレーサビリティを活用して,関連するシステムアーチファクトを安全解析モデルに接続する手法を提案する。
安全ステークホルダーがシステム変更が安全性に与える影響を分析するのに役立つように、システム変更の合理性を設計する。
論文 参考訳（メタデータ） (2023-07-14T16:03:27Z) - Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。
本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
論文 参考訳（メタデータ） (2023-05-09T11:42:53Z) - Time Series Anomaly Detection for Cyber-physical Systems via Neural
System Identification and Bayesian Filtering [1.9924944826583602]
AIoT技術は、サイバー物理システム(CPS)の運用障害を検出するために機械学習アルゴリズムを活用する人気が高まっている。
本稿では,ニューラルシステム同定とベイズフィルタ (NSIBF) と呼ばれる新しい時系列異常検出手法を提案する。
NSIBFは最先端の手法と比較し,CPSにおける異常検出の大幅な改善を示した。
論文 参考訳（メタデータ） (2021-06-15T09:11:35Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳（メタデータ） (2021-04-29T09:54:54Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳（メタデータ） (2020-12-07T11:02:44Z) - An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear
Analysis [68.8204255655161]
人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。
シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
論文 参考訳（メタデータ） (2020-07-14T15:47:37Z) - Identifying Vulnerabilities of Industrial Control Systems using
Evolutionary Multiobjective Optimisation [1.8275108630751844]
進化的多目的最適化(EMO)アルゴリズムを用いて,実世界の産業制御システム(ICS)の脆弱性を同定する。
本手法は化学プラントシミュレータであるテネシー・イーストマン (TE) プロセスモデルを用いて評価した。
新たな侵入検知システムという形でこれらの攻撃に対する防御が開発された。
論文 参考訳（メタデータ） (2020-05-27T00:22:48Z) - Physics-Informed Neural Networks for Non-linear System Identification
for Power System Dynamics [0.0]
本稿では,将来の電力系統の周波数ダイナミクスを発見するための物理情報ニューラルネットワーク(PINN)の性能について検討する。
PINNは、低慣性システムのより強い非線形性、測定ノイズの増加、データの可用性の制限といった課題に対処する可能性がある。
論文 参考訳（メタデータ） (2020-04-08T14:50:13Z) - Securing of Unmanned Aerial Systems (UAS) against security threats using
human immune system [1.2691047660244335]
人体免疫システム(HIS)を用いた安全対策のための侵入検知システム(IDS)が提案されている。
IDSはターゲットシステムに侵入する試みを検知し、応答するために使用される。
論文 参考訳（メタデータ） (2020-03-01T19:05:16Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。