論文の概要: Runtime Resolution of Feature Interactions through Adaptive Requirement Weakening

• arxiv url: http://arxiv.org/abs/2310.18217v1
• Date: Fri, 27 Oct 2023 15:45:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-30 13:21:08.514702
• Title: Runtime Resolution of Feature Interactions through Adaptive Requirement Weakening
• Title（参考訳）: Adaptive Requirement Weakeningによる機能インタラクションの実行時解決
• Authors: Simon Chu, Emma Shedden, Changjian Zhang, R\^omulo Meira-G\'oes, Gabriel A. Moreno, David Garlan, Eunsuk Kang
• Abstract要約: 機能相互作用問題は、新しいサイバー物理システムにとって依然として課題である。 競合するすべての機能を部分的に要件を満たすようにするための,新たな解決アプローチを提案する。 自律ドローンにおける特徴的相互作用のケーススタディを通じて、我々のアプローチを実証する。
• 参考スコア（独自算出の注目度）: 8.873252360337085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The feature interaction problem occurs when two or more independently developed components interact with each other in unanticipated ways, resulting in undesirable system behaviors. Feature interaction problems remain a challenge for emerging domains in cyber-physical systems (CPS), such as the Internet of Things and autonomous drones. Existing techniques for resolving feature interactions take a "winner-takes-all" approach, where one out of the conflicting features is selected as the most desirable one, and the rest are disabled. However, when multiple of the conflicting features fulfill important system requirements, being forced to select one of them can result in an undesirable system outcome. In this paper, we propose a new resolution approach that allows all of the conflicting features to continue to partially fulfill their requirements during the resolution process. In particular, our approach leverages the idea of adaptive requirement weakening, which involves one or more features temporarily weakening their level of performance in order to co-exist with the other features in a consistent manner. Given feature requirements specified in Signal Temporal Logic (STL), we propose an automated method and a runtime architecture for automatically weakening the requirements to resolve a conflict. We demonstrate our approach through case studies on feature interactions in autonomous drones.
• Abstract（参考訳）: 特徴的相互作用問題は、2つ以上の独立して開発されたコンポーネントが予期しない方法で相互に相互作用し、望ましくないシステム動作をもたらすときに発生する。 機能相互作用問題は、モノのインターネットや自律ドローンのようなサイバー物理システム(CPS)における新興ドメインにとって依然として課題である。 既存の機能インタラクションの解決手法では,対立する機能のうち1つを最も望ましいものとして選択し,残りを無効にする,"勝利のすべて"アプローチを採用している。 しかしながら、複数の競合する機能が重要なシステム要件を満たす場合、その1つを選択することを余儀なくされると、望ましくないシステム結果が発生する可能性がある。 本稿では,すべての競合する特徴が解決プロセス中に部分的に要求を満たすことができる新しい解決手法を提案する。 特に,本手法では,1つ以上の機能を一時的に性能レベルを低下させ,他の機能を一貫した方法で共存させる適応要件の弱化という考え方を採用している。 本稿では,STL(Signal Temporal Logic)に規定される機能要件を考慮し,競合を解決するための要求を自動的に弱める自動手法とランタイムアーキテクチャを提案する。 自律ドローンにおける特徴的相互作用のケーススタディを通じて、我々のアプローチを実証する。

関連論文リスト

• Learning for Semantic Knowledge Base-Guided Online Feature Transmission in Dynamic Channels [41.59960455142914]
  本稿では,エンドツーエンド通信システムにおける動的チャネル条件とデバイスモビリティの課題に対処する,オンライン最適化フレームワークを提案する。 提案手法は,多レベル特徴伝達を駆動するための意味的知識ベースを活用することによって,既存の手法に基づいている。 オンライン最適化の課題を解決するために,リアルタイム意思決定のための報酬関数を慎重に設計した,ソフトアクターに基づく深層強化学習システムの設計を行った。
  論文  参考訳（メタデータ） (2023-11-30T07:35:56Z)
• Causal Feature Selection via Transfer Entropy [59.999594949050596]
  因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。 本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。 精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-17T08:04:45Z)
• Feature Interaction Aware Automated Data Representation Transformation [27.26916497306978]
  我々は,マルコフ決定過程をカスケードした階層的強化学習構造を開発し,特徴選択と操作選択を自動化する。 我々は、選択された特徴間の相互作用強度に基づいてエージェントに報酬を与える。その結果、人間の意思決定をエミュレートする特徴空間をインテリジェントかつ効率的に探索する。
  論文  参考訳（メタデータ） (2023-09-29T06:48:16Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• An Adaptive Fuzzy Reinforcement Learning Cooperative Approach for the Autonomous Control of Flock Systems [4.961066282705832]
  この研究は、群集システムの自律制御に適応的な分散ロバスト性技術を導入している。 比較的柔軟な構造は、様々な目的を同時に狙うオンラインファジィ強化学習スキームに基づいている。 動的障害に直面した場合のレジリエンスに加えて、アルゴリズムはフィードバック信号としてエージェントの位置以上のものを必要としない。
  論文  参考訳（メタデータ） (2023-03-17T13:07:35Z)
• Enabling AI Quality Control via Feature Hierarchical Edge Inference [6.490724361345847]
  本研究では,エッジサーバとそれに対応する移動体に配置された特徴ネットワークと推論ネットワークからなる特徴階層型EI(FHEI)を提案する。 より大規模な機能では、より優れたAI品質を提供する一方で、より多くの計算と通信負荷が必要になる。 提案したFHEIアーキテクチャの連成通信・計算制御が, 常にいくつかのベンチマークより優れていることが, 広範囲なシミュレーションにより検証された。
  論文  参考訳（メタデータ） (2022-11-15T02:54:23Z)
• Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
  自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。 SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。 SFSCは評価データセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-06-16T16:46:32Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• The Rational Selection of Goal Operations and the Integration ofSearch Strategies with Goal-Driven Autonomy [3.169249926144497]
  認識と制御のリンクは、実世界から象徴的表現(およびバック)への連続的な値変換の問題を管理する必要がある。 効果的な振る舞いを生成するには、推論には、新しい情報を計画し、取得し、更新し、異常を検出し、応答し、システムの目標に対して様々な操作を行う能力が含まれなければならない。 本稿では,複数の目標操作が共起して相互作用する際のエージェントの選択について検討し,その選択方法を確立する。
  論文  参考訳（メタデータ） (2022-01-21T20:53:49Z)
• End-to-End Learning and Intervention in Games [60.41921763076017]
  ゲームにおける学習と介入のための統一的なフレームワークを提供する。 明示的および暗黙的な区別に基づく2つのアプローチを提案する。 分析結果は、実世界のいくつかの問題を用いて検証される。
  論文  参考訳（メタデータ） (2020-10-26T18:39:32Z)
• 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。