論文の概要: Using rule engine in self-healing systems and MAPE model
- arxiv url: http://arxiv.org/abs/2402.11581v1
- Date: Sun, 18 Feb 2024 13:03:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-20 20:22:39.154790
- Title: Using rule engine in self-healing systems and MAPE model
- Title(参考訳): 自己修復システムにおけるルールエンジンの利用とMAPEモデル
- Authors: Zahra Yazdanparast
- Abstract要約: 本研究では,ルールエンジンを用いた故障修復手法を提案する。
mRUBISのシミュレーションにより,本手法は運用環境において効率がよいことを示した。
これにより、失敗の反響を減らし、デジタル技術への信頼を高めます。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Software malfunction presents a significant hurdle within the computing
domain, carrying substantial risks for systems, enterprises, and users
universally. To produce software with high reliability and quality, effective
debugging is essential. Program debugging is an activity to reduce software
maintenance costs. In this study, a failure repair method that uses a rule
engine is presented. The simulation on mRUBIS showed that the proposed method
could be efficient in the operational environment. Through a thorough grasp of
software failure and the adoption of efficient mitigation strategies,
stakeholders can bolster the dependability, security, and adaptability of
software systems. This, in turn, reduces the repercussions of failures and
cultivates increased confidence in digital technologies.
- Abstract(参考訳): ソフトウェア機能障害はコンピューティング領域において大きなハードルとなり、システム、企業、ユーザに対して大きなリスクをもたらす。
信頼性と品質の高いソフトウェアを作成するには、効果的なデバッグが不可欠である。
プログラムデバッグは、ソフトウェアのメンテナンスコストを削減する活動です。
本研究では,ルールエンジンを用いた故障修復手法を提案する。
mRUBISのシミュレーションにより,本手法は運用環境において効率がよいことを示した。
ソフトウェアの失敗と効率的な緩和戦略の採用を徹底的に把握することで、ステークホルダーはソフトウェアシステムの信頼性、セキュリティ、適応性を高めることができる。
これにより、失敗による影響を低減し、デジタル技術への信頼を高めることができる。
関連論文リスト
- Modelling Open-Source Software Reliability Incorporating Swarm
Intelligence-Based Techniques [0.0]
ソフトウェア業界では、2つのソフトウェアエンジニアリングのベストプラクティスが共存している。
クローズドソースソフトウェア信頼性予測のためのメタヒューリスティック最適化アルゴリズムの適用により、重要かつ正確な結果が得られた。
品質指標として、オープンソースのソフトウェア信頼性に関する結果は、オープンソースのソフトウェア信頼性成長モデリングの問題を解決するのに大いに役立ちます。
論文 参考訳(メタデータ) (2024-01-05T06:46:03Z) - Finding Software Vulnerabilities in Open-Source C Projects via Bounded
Model Checking [2.9129603096077332]
我々は,汎用ソフトウェアシステムの脆弱性を効果的に検出できる境界モデル検査手法を提唱する。
我々は,最先端の有界モデルチェッカーを用いて,大規模ソフトウェアシステムを検証する手法を開発し,評価した。
論文 参考訳(メタデータ) (2023-11-09T11:25:24Z) - TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled
Prescriptive Maintenance Framework [62.73424880653293]
産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。
本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-29T02:27:54Z) - Analyzing the Influence of Processor Speed and Clock Speed on Remaining
Useful Life Estimation of Software Systems [1.104960878651584]
本研究は,オペレーティングシステムやクロック速度などの環境特性の変化がソフトウェアにおけるRUL推定に与える影響を評価するために,解析を拡張した。
検出は、制御されたテストベッドの実際のパフォーマンスデータを用いて厳格に検証され、予測モデル生成データと比較される。
この調査は、ソフトウェアのメンテナンスと最適化戦略に実用的な知識をもたらす。
論文 参考訳(メタデータ) (2023-09-22T04:46:34Z) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳(メタデータ) (2023-08-10T13:19:10Z) - Recursively Feasible Probabilistic Safe Online Learning with Control
Barrier Functions [63.18590014127461]
本稿では,CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。
本研究では,ロバストな安全クリティカルコントローラの実現可能性について検討する。
次に、これらの条件を使って、イベントトリガーによるオンラインデータ収集戦略を考案します。
論文 参考訳(メタデータ) (2022-08-23T05:02:09Z) - Probabilistically Robust Learning: Balancing Average- and Worst-case
Performance [105.87195436925722]
我々は、正確で不安定な平均ケースと頑健で保守的な最悪のケースのギャップを埋める、堅牢性確率というフレームワークを提案する。
理論的には、このフレームワークはパフォーマンスと最悪のケースと平均ケース学習のサンプル複雑さの間のトレードオフを克服する。
論文 参考訳(メタデータ) (2022-02-02T17:01:38Z) - Softmax with Regularization: Better Value Estimation in Multi-Agent
Reinforcement Learning [72.28520951105207]
q$-learningの過大評価は、シングルエージェント強化学習で広く研究されている重要な問題である。
ベースラインから逸脱する大きな関節動作値をペナライズする,新たな正規化ベースの更新方式を提案する。
本手法は,StarCraft IIマイクロマネジメントの課題に対して,一貫した性能向上を実現する。
論文 参考訳(メタデータ) (2021-03-22T14:18:39Z) - Computational framework for real-time diagnostics and prognostics of
aircraft actuation systems [0.0]
本研究は, 信号取得, 故障検出と同定, 有用寿命推定の3段階に対処する。
この目的を達成するために、異なる忠実度を持つ物理モデルからの情報と機械学習技術を組み合わせることを提案する。
この手法は、二次飛行制御のための航空機の電気機械アクチュエータのFDIおよびRUL推定のために評価される。
論文 参考訳(メタデータ) (2020-09-30T12:53:07Z) - A Survey of Algorithms for Black-Box Safety Validation of Cyber-Physical
Systems [30.638615396429536]
安全クリティカルな人工知能の普及により、この研究は、CPSの最先端の安全検証技術の調査を提供する。
本稿では,最適化,経路計画,強化学習,重要サンプリングの分野におけるアルゴリズムについて論じる。
自動運転車や航空機衝突回避システムなど、安全クリティカルな応用の概要を概説する。
論文 参考訳(メタデータ) (2020-05-06T17:31:51Z) - Towards CRISP-ML(Q): A Machine Learning Process Model with Quality
Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。
第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。
第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文 参考訳(メタデータ) (2020-03-11T08:25:49Z)
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。