論文の概要: Surrogate Neural Networks Local Stability for Aircraft Predictive
Maintenance
- arxiv url: http://arxiv.org/abs/2401.06821v1
- Date: Thu, 11 Jan 2024 21:04:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 10:17:38.594764
- Title: Surrogate Neural Networks Local Stability for Aircraft Predictive
Maintenance
- Title(参考訳): 航空機の予測メンテナンスのためのサロゲートニューラルネットワークの局所安定性
- Authors: M\'elanie Ducoffe, Guillaume Pov\'eda, Audrey Galametz, Ryma
Boumazouza, Marion-C\'ecile Martin, Julien Baris, Derk Daverschot and Eugene
O'Higgins
- Abstract要約: Surrogate Neural Networks (NN) は現在、計算に要求されるシミュレーションの代用として日常的に機能している。
1つのNN検証パイプラインにおける経験的手法と形式的手法の組み合わせについて検討する。
航空機の予測保守の工業的利用事例でその効率を実演する。
- 参考スコア(独自算出の注目度): 0.8418110271995045
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Surrogate Neural Networks (NN) now routinely serve as substitutes for
computationally demanding simulations (e.g., finite element). They enable
faster analyses in industrial applications e.g., manufacturing processes,
performance assessment. The verification of surrogate models is a critical step
to assess their robustness under different scenarios. We explore the
combination of empirical and formal methods in one NN verification pipeline. We
showcase its efficiency on an industrial use case of aircraft predictive
maintenance. We assess the local stability of surrogate NN designed to predict
the stress sustained by an aircraft part from external loads. Our contribution
lies in the complete verification of the surrogate models that possess a
high-dimensional input and output space, thus accommodating multi-objective
constraints. We also demonstrate the pipeline effectiveness in substantially
decreasing the runtime needed to assess the targeted property.
- Abstract(参考訳): Surrogate Neural Networks (NN) は現在、計算に要求されるシミュレーション(有限要素など)の代用として日常的に使われている。
製造プロセスや性能評価など、産業アプリケーションにおけるより高速な分析を可能にする。
サロゲートモデルの検証は、異なるシナリオでロバスト性を評価するための重要なステップである。
実験的手法と形式的手法の組み合わせを1つのnn検証パイプラインで検討する。
航空機の予測保守の工業的利用事例でその効率を実証する。
航空機部分の応力を外部負荷から予測するために設計された代用NNの局所安定性を評価する。
我々の貢献は、高次元の入出力空間を持つ代理モデルの完全検証であり、したがって多目的制約を調節することにある。
また、ターゲットプロパティを評価するのに必要なランタイムを大幅に削減するパイプラインの有効性を示す。
関連論文リスト
- Evaluating the Energy Efficiency of Few-Shot Learning for Object
Detection in Industrial Settings [6.611985866622974]
本稿では、下流タスクに標準オブジェクト検出モデルを適用するための微調整手法を提案する。
開発モデルにおけるエネルギー需要のケーススタディと評価について述べる。
最後に、このトレードオフを、カスタマイズされた効率係数測定によって定量化する新しい方法を紹介する。
論文 参考訳(メタデータ) (2024-03-11T11:41:30Z) - QualEval: Qualitative Evaluation for Model Improvement [86.29905469151566]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - Understanding, Predicting and Better Resolving Q-Value Divergence in
Offline-RL [86.0987896274354]
まず、オフラインRLにおけるQ値推定のばらつきの主な原因として、基本パターン、自己励起を同定する。
そこで本研究では,Q-network の学習における進化特性を測定するために,SEEM(Self-Excite Eigen Value Measure)尺度を提案する。
われわれの理論では、訓練が早期に発散するかどうかを確実に決定できる。
論文 参考訳(メタデータ) (2023-10-06T17:57:44Z) - End-to-End Reinforcement Learning of Koopman Models for Economic
Nonlinear Model Predictive Control [50.0791489606211]
非線形モデル予測制御((e)NMPC)は、すべての状態空間領域において十分正確なシステムモデルを必要とする。
メカニスティックモデルのためのデータ駆動サロゲートモデルは、(e)NMPCの計算負担を軽減するために使用できる。
In this method for end-to-end reinforcement learning of dynamic surrogate model for optimal performance in (e)NMPC applications。
論文 参考訳(メタデータ) (2023-08-03T10:21:53Z) - Consensus-Adaptive RANSAC [104.87576373187426]
本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。
注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
論文 参考訳(メタデータ) (2023-07-26T08:25:46Z) - Towards Long-Term predictions of Turbulence using Neural Operators [68.8204255655161]
機械学習を用いて乱流シミュレーションのための低次/サロゲートモデルを開発することを目的としている。
異なるモデル構造が解析され、U-NET構造は標準FNOよりも精度と安定性が良い。
論文 参考訳(メタデータ) (2023-07-25T14:09:53Z) - Negative Feedback Training: A Novel Concept to Improve Robustness of
NVCIM DNN Accelerators [12.694436557804243]
非揮発性メモリ(NVM)デバイスは、Deep Neural Network(DNN)推論の実行時のエネルギー効率とレイテンシが優れている。
ネットワークから取得したマルチスケールノイズ情報を活用した負フィードバックトレーニング(NFT)を提案する。
提案手法は,既存の最先端手法よりも46.71%の精度向上を実現している。
論文 参考訳(メタデータ) (2023-05-23T22:56:26Z) - DA-LSTM: A Dynamic Drift-Adaptive Learning Framework for Interval Load
Forecasting with LSTM Networks [1.3342521220589318]
ドリフト等級閾値は、ドリフトを識別するための変化検出方法を設計するために定義されるべきである。
本稿では,負荷予測モデルの性能向上を図るための動的ドリフト適応長短期メモリ(DA-LSTM)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-15T16:26:03Z) - A Generative Framework for Low-Cost Result Validation of Outsourced
Machine Learning Tasks [4.892092538693841]
我々は、アウトソースされた機械学習ワークロードのリアルタイム検証のための新しいフレームワークであるFidesを提案する。
Fidesは、統計的分析とばらつき測定を使用して、サービスモデルが攻撃を受けている場合、高い確率で識別するクライアント側攻撃検出モデルを備えている。
攻撃検出と再分類モデルの訓練のための生成的逆ネットワークフレームワークを考案した。
論文 参考訳(メタデータ) (2023-03-31T19:17:30Z) - Explainable Artificial Intelligence for Exhaust Gas Temperature of
Turbofan Engines [0.0]
記号回帰は「ブラックボックス」モデルの解釈可能な代替品である。
本研究では, 実寿命排ガス温度(EGT)データにSRを適用し, 飛行全体を通して高周波数で収集する。
その結果, 3degCの絶対差は, モデル精度に有意な結果が得られた。
論文 参考訳(メタデータ) (2022-03-24T15:05:32Z) - Federated Learning with Unreliable Clients: Performance Analysis and
Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。
しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。
クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文 参考訳(メタデータ) (2021-05-10T08:02:27Z)
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。