Fugu-MT 論文翻訳(概要): Using rule engine in self-healing systems and MAPE model

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

CRepair: CVAE-based Automatic Vulnerability Repair Technology [1.147605955490786]
ソフトウェア脆弱性は、現代のソフトウェアとそのアプリケーションデータの完全性、セキュリティ、信頼性に重大な脅威をもたらす。脆弱性修復の課題に対処するため、研究者らは、学習に基づく自動脆弱性修復技術が広く注目を集めるなど、様々な解決策を提案している。本稿では,システムコードのセキュリティ脆弱性を修正することを目的としたCVAEベースの自動脆弱性修復技術であるCRepairを提案する。
論文参考訳（メタデータ） (2024-11-08T12:55:04Z)
Employing Software Diversity in Cloud Microservices to Engineer Reliable and Performant Systems [2.412158290827225]
本研究は,システムの信頼性と性能を同時に向上するために,ソフトウェアの多様性を活用することを提案する。私たちの仕事の土台は信頼性基準の導出です。目標は、より信頼性の高いバージョンに対して、可能な限り多くのバージョンを保存しながら、より高いレプリカ数を維持することである。
論文参考訳（メタデータ） (2024-07-10T00:34:39Z)
Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文参考訳（メタデータ） (2024-06-24T15:45:22Z)
On The Effectiveness of Dynamic Reduction Techniques in Automated Program Repair [1.7767466724342067]
本稿では,大規模バグ修正プログラムを効果的に処理するプログラム修復フレームワークについて述べる。このフレームワークは、プログラムスライシングの形式でプログラムの削減を利用して、修正中のバグとは無関係にコードの一部を除去する。広く使用されているDefects4Jデータセットに対する実験結果から,修復品質の劣化を伴わずに,大幅な性能向上が達成できることが判明した。
論文参考訳（メタデータ） (2024-06-23T21:35:07Z)
An Effective Software Risk Prediction Management Analysis of Data Using Machine Learning and Data Mining Method [10.608932697201274]
ソフトウェアプロジェクトのリスクの適切な優先順位付けは、ソフトウェアプロジェクトのパフォーマンス機能と最終的な成功を確認する上で重要な要素である。本稿では,最新の最先端WF攻撃モデルの相互依存性をキャプチャする逐次拡張パラメータ最適化手法を提案する。 NASA 93のデータセットと93のソフトウェアプロジェクトによる実験的な検証が行われた。
論文参考訳（メタデータ） (2024-06-13T04:11:01Z)
TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
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)
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 [60.26921219698514]
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。次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。これらの条件を利用して、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する。
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)
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。