Fugu-MT 論文翻訳(概要): A Survey on Self-healing Software System

論文の概要: A Survey on Self-healing Software System

arxiv url: http://arxiv.org/abs/2403.00455v1
Date: Fri, 1 Mar 2024 11:23:41 GMT
ステータス: 処理完了
システム内更新日: 2024-03-05 17:24:20.861472
Title: A Survey on Self-healing Software System
Title（参考訳）: 自己修復型ソフトウェアシステムに関する調査
Authors: Zahra Yazdanparast
Abstract要約: 自己修復の主な目的は、人間の介入なしに自己修復できる自動システムを持つことである。本研究では,異なる自己修復法を分類し,その概要を述べる。
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: With the increasing complexity of software systems, it becomes very difficult to install, configure, adjust, and maintain them. As systems become more interconnected and diverse, system architects are less able to predict and design the interaction between components, deferring the handling of these issues to runtime. One of the important problems that occur during execution is system failures, which increase the need for self-healing systems. The main purpose of self-healing is to have an automatic system that can heal itself without human intervention. This system has predefined actions and procedures that are suitable for recovering the system from different failure modes. In this study, different self-healing methods are categorized and a summary of them is presented.
Abstract（参考訳）: ソフトウェアシステムの複雑さが増すにつれて、インストール、設定、調整、保守が非常に困難になる。システムがより相互接続され多様になるにつれて、システムアーキテクトはコンポーネント間の相互作用を予測し、設計することができなくなり、これらの問題の処理をランタイムに延期する。実行中に発生する重要な問題のひとつは、自己修復システムの必要性を高めるシステム障害である。自己修復の主な目的は、人間の介入なしに自己修復できる自動システムを持つことである。システムには、さまざまな障害モードからシステムを取り戻すのに適した、事前定義されたアクションと手順がある。本研究では,異なる自己修復法を分類し,その概要を述べる。

関連論文リスト

A Graphical Modeling Language for Artificial Intelligence Applications in Automation Systems [69.50862982117127]
学際的なグラフィカルモデリング言語で、すべての分野に理解可能なシステムとして、AIアプリケーションのモデリングを可能にすることは、まだ存在しない。本稿では,システムレベルでの自動化システムにおけるAIアプリケーションの一貫した,理解可能なモデリングを可能にするグラフィカルモデリング言語を提案する。
論文参考訳（メタデータ） (2023-06-20T12:06:41Z)
Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文参考訳（メタデータ） (2023-04-30T22:51:31Z)
Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文参考訳（メタデータ） (2023-04-21T02:20:24Z)
CHESS: A Framework for Evaluation of Self-adaptive Systems based on Chaos Engineering [0.6875312133832078]
自己適応型および自己修復型システムの正しい行動を評価する必要性が高まっている。自己適応型・自己修復型システムの体系的評価方法が欠如している。本稿では,カオスエンジニアリングに基づくフォールトインジェクションによる自己適応型・自己修復型システムの評価により,このギャップに対処するCHESSを提案する。
論文参考訳（メタデータ） (2023-03-13T17:00:55Z)
On Evaluating Self-Adaptive and Self-Healing Systems using Chaos Engineering [0.6117371161379209]
本稿では,自己適応型・自己修復型システムの体系的評価手法であるCHESSを提案する。カオスエンジニアリング(Chaos Engineering)は、予期せぬ状況やシナリオにシステムを従わせる方法論である。本研究では, 自己修復型スマートオフィス環境の探索的研究を通じて, このアプローチの有効性について検討する。
論文参考訳（メタデータ） (2022-08-28T14:38:57Z)
Parallelization of Software Systems Test Case Selection Algorithm Based on Singular Value Decomposition [0.0]
この検査は、これらの異常を防ぐために、感染した部位を再測定することを目指している。我々は,特異値分解によるシステム機能に基づいて,ソフトウェアシステムの変化をクラスタ化しようと試みている。高速化のため,共有メモリシステム上で並列に計算を行った。
論文参考訳（メタデータ） (2022-06-11T10:33:34Z)
Lifelong Learning Metrics [63.8376359764052]
DARPA Lifelong Learning Machines (L2M) プログラムは、人工知能(AI)システムの進歩を目指している。本論文は、生涯学習シナリオを実行するエージェントのパフォーマンスの構築と特徴付けのためのフォーマリズムを概説する。
論文参考訳（メタデータ） (2022-01-20T16:29:14Z)
Controlling nonlinear dynamical systems into arbitrary states using machine learning [77.34726150561087]
機械学習(ML)を活用した,新しい完全データ駆動制御方式を提案する。最近開発されたMLに基づく複雑なシステムの予測機能により、非線形系は任意の初期状態から来る任意の動的対象状態に留まることが証明された。必要なデータ量が少なく,柔軟性の高いコントロールスキームを備えることで,工学から医学まで幅広い応用の可能性について簡単に議論する。
論文参考訳（メタデータ） (2021-02-23T16:58:26Z)
Adaptive Immunity for Software: Towards Autonomous Self-healing Systems [0.6117371161379209]
自己修復ソフトウェアシステムは、実行時に予期しない問題を検出し、診断し、含めることができる。機械学習の最近の進歩は、システムを観察して学ぶことができる。人工免疫システムは、特に自己修復システムを構築するのに適している。
論文参考訳（メタデータ） (2021-01-07T13:22:55Z)
Learning to Control PDEs with Differentiable Physics [102.36050646250871]
本稿では,ニューラルネットワークが長い時間をかけて複雑な非線形物理系の理解と制御を学べる新しい階層型予測器・相関器手法を提案する。本手法は,複雑な物理系の理解に成功し,PDEに関わるタスクに対してそれらを制御できることを実証する。
論文参考訳（メタデータ） (2020-01-21T11:58:41Z)

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。