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
- 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) - Specification, Validation and Verification of Social, Legal, Ethical,
Empathetic and Cultural Requirements for Autonomous Agents [4.673587416936401]
我々は、自律エージェントのための社会的、法的、倫理的、共感的、文化的ルールの正式な仕様、検証、検証のための枠組みを導入する。
本稿では,消防士UAVと補助装具ロボットの2つの自律型エージェントの枠組みの適用性を示す。
論文 参考訳(メタデータ) (2023-07-07T16:13:43Z) - 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) - Interpretable Reinforcement Learning with Multilevel Subgoal Discovery [77.34726150561087]
離散環境のための新しい強化学習モデルを提案する。
モデルでは、エージェントは確率的ルールの形で環境に関する情報を学習する。
学習には報酬関数は不要であり、エージェントは達成するための第一の目標のみを与える必要がある。
論文 参考訳(メタデータ) (2022-02-15T14:04:44Z) - 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) - PolicyKit: Building Governance in Online Communities [21.20591117254434]
オンラインコミュニティのメンバに対して,さまざまなガバナンス手順を簡潔に作成するための,ソフトウェアインフラストラクチャであるPolicyKitを紹介します。
我々は,コミュニティガバナンスを政策にエンコードする政治科学理論,あるいはユーザ主導の行動が実行可能であるかどうかを判断するための手順を規定する短い命令関数を描いている。
本稿では,ランダム陪審の審議,多段階のコーパス,評価システム,ウィキペディアのRfAプロセスにインスパイアされたプロモーション手順などのガバナンスモデルの実装を通じて,PolicyKitの表現性を実証する。
論文 参考訳(メタデータ) (2020-08-10T16:17:15Z) - 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。