論文の概要: Automation of Smart Homes with Multiple Rule Sources

• arxiv url: http://arxiv.org/abs/2401.02451v1
• Date: Wed, 3 Jan 2024 14:40:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-08 17:17:47.003337
• Title: Automation of Smart Homes with Multiple Rule Sources
• Title（参考訳）: 複数のルールソースを持つスマートホームの自動化
• Authors: Kaufman Eran, Yigal Hoffner
• Abstract要約: 様々なソースからルールを管理するには、構造化された手続き、関連する方針、指定された権限が必要である。 提案手法とシステム実装では,ルール管理プロセス,ルール管理者,ドメイン固有のルール言語を導入している。 このシステムは、住民を観察し、行動パターンを検出し、システムへの推奨として提示されるルールを導出する学習プロセスを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Using rules for home automation presents several challenges, especially when considering multiple stakeholders in addition to residents, such as homeowners, local authorities, energy suppliers, and system providers, who will wish to contribute rules to safeguard their interests. Managing rules from various sources requires a structured procedure, a relevant policy, and a designated authority to ensure authorized and correct contributions and address potential conflicts. In addition, the smart home rule language needs to express conditions and decisions at a high level of abstraction without specifying implementation details such as interfaces, access protocols, and room layout. Decoupling high-level decisions from these details supports the transferability and adaptability of rules to similar homes. This separation also has important implications for structuring the smart home system and the security architecture. Our proposed approach and system implementation introduce a rule management process, a rule administrator, and a domain-specific rule language to address these challenges. In addition, the system provides a learning process that observes residents, detects behavior patterns, and derives rules which are then presented as recommendations to the system.
• Abstract（参考訳）: ホームオートメーションのルールを使うことは、特に住宅所有者、地方当局、エネルギー供給者、システム提供者など、利害関係を守るためのルールを提供したい住民に加えて、複数の利害関係者を考慮する場合に、いくつかの課題を提起する。 様々なソースからルールを管理するには、構造化された手続き、関連する方針、および承認され正しい貢献を保証するための指定された権限が必要である。 さらに、スマートホームルール言語は、インターフェース、アクセスプロトコル、ルームレイアウトなどの実装の詳細を指定せずに、高度な抽象化レベルで条件と決定を表現する必要がある。 これらの詳細からハイレベルな決定を分離することは、類似の家庭へのルールの転送性と適応性をサポートする。 この分離は、スマートホームシステムとセキュリティアーキテクチャの構造化にも重要な意味を持つ。 提案手法とシステム実装では,これらの課題に対処するためのルール管理プロセス,ルール管理者,ドメイン固有のルール言語を導入している。 さらに、システムは、住民を観察し、行動パターンを検出し、システムへの推奨として提示されるルールを導出する学習プロセスを提供する。

関連論文リスト

• RegNLP in Action: Facilitating Compliance Through Automated Information Retrieval and Answer Generation [51.998738311700095]
  その長さ、複雑さ、頻繁な更新を特徴とする規制文書は解釈が難しい。 RegNLPは、規制規則と義務のアクセスと解釈を簡素化することを目的とした、多分野のサブフィールドである。 ObliQAデータセットには、Abu Dhabi Global Markets (ADGM) からの27,869の質問が含まれている。
  論文  参考訳（メタデータ） (2024-09-09T14:44:19Z)
• The Artificial Intelligence Act: critical overview [0.0]
  この記事では、最近承認された人工知能法を概観する。 これはまず、2024/1689年のEU(Regulation)の主要な構造、目的、アプローチを示すことから始まる。 テキストは、全体的なフレームワークが適切かつバランスが取れたとしても、アプローチは非常に複雑であり、それ自体の目的を損なうリスクがある、と結論付けている。
  論文  参考訳（メタデータ） (2024-08-30T21:38:02Z)
• From Principles to Rules: A Regulatory Approach for Frontier AI [2.1764247401772705]
  レギュレータは、フロンティアAI開発者に安全対策を適用するよう要求する。 要件は、ハイレベルな原則や特定のルールとして定式化できる。 これらの規制アプローチは「原則ベース」および「ルールベース」規制と呼ばれ、補完的な強みと弱みを持っている。
  論文  参考訳（メタデータ） (2024-07-10T01:45:15Z)
• Reinforcement Learning with Options and State Representation [105.82346211739433]
  この論文は、強化学習分野を探求し、改良された手法を構築することを目的としている。 階層的強化学習(Hierarchical Reinforcement Learning)として知られる階層的な方法で学習タスクを分解することで、そのような目標に対処する。
  論文  参考訳（メタデータ） (2024-03-16T08:30:55Z)
• SoFA: Shielded On-the-fly Alignment via Priority Rule Following [90.32819418613407]
  本稿では,各ダイアログにおけるルールを主制御機構として定義する,新たなアライメントパラダイムである優先ルールを提案する。 そこで本研究では,厳密な規則統合と固着性を確保するために,シミュレーションから優先信号に従う半自動蒸留手法であるプライオリティディスティルを提案する。
  論文  参考訳（メタデータ） (2024-02-27T09:52:27Z)
• ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning [107.61997887260056]
  そこで我々は,知識グラフ上の論理ルールをマイニングするための大規模言語モデルの力を解き放つ新しいフレームワークChatRuleを提案する。 具体的には、このフレームワークは、KGのセマンティック情報と構造情報の両方を活用するLLMベースのルールジェネレータで開始される。 生成されたルールを洗練させるために、ルールランキングモジュールは、既存のKGから事実を取り入れてルール品質を推定する。
  論文  参考訳（メタデータ） (2023-09-04T11:38:02Z)
• FedRule: Federated Rule Recommendation System with Graph Neural Networks [26.514896057601206]
  ルールレコメンデーションシステムは、どのルールが人気かを学ぶことで、自動的にルールを提案することができる。 従来のレコメンデーションの定式化は、多くのユーザの家で使用されるルールを記録するために中央サーバーを必要とする。 本稿では,これらの課題に対処するため,FedRuleと呼ばれる新しいルールレコメンデーションシステムを提案する。
  論文  参考訳（メタデータ） (2022-11-13T04:36:36Z)
• Risk-Aware Fine-Grained Access Control in Cyber-Physical Contexts [12.138525287184061]
  RASAは、教師なし機械学習を活用して、リスクベースの認可決定境界を自動的に推論する、コンテキスト依存のアクセス認可アプローチとメカニズムである。 医療利用環境において、サイバーおよび物理的条件が個人の健康情報を保護するためのコンテキスト固有のリスクを生じさせるRASについて検討する。
  論文  参考訳（メタデータ） (2021-08-29T03:38:45Z)
• Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
  ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。 この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。 決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
  論文  参考訳（メタデータ） (2021-02-23T08:07:22Z)
• Rewriting a Deep Generative Model [56.91974064348137]
  我々は,深層生成モデルによって符号化された特定の規則の操作という,新たな問題設定を導入する。 本稿では,ディープネットワークの層を線形連想メモリとして操作することで,所望のルールを変更する定式化を提案する。 本稿では,生成モデルのルールを対話的に変更し,望ましい効果を得られるユーザインタフェースを提案する。
  論文  参考訳（メタデータ） (2020-07-30T17:58:16Z)
• Building Rule Hierarchies for Efficient Logical Rule Learning from Knowledge Graphs [20.251630903853016]
  本稿では,ルール階層を用いて非プロミッシングルールを抽出する新しい手法を提案する。 HPMの応用は非プロムルールの除去に有効であることを示す。
  論文  参考訳（メタデータ） (2020-06-29T16:33:30Z)

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。