Fugu-MT 論文翻訳(概要): Towards an extension of Fault Trees in the Predictive Maintenance Scenario

論文の概要: Towards an extension of Fault Trees in the Predictive Maintenance Scenario

arxiv url: http://arxiv.org/abs/2403.13785v1
Date: Wed, 20 Mar 2024 17:47:25 GMT
ステータス: 処理完了
システム内更新日: 2024-03-21 15:58:55.792988
Title: Towards an extension of Fault Trees in the Predictive Maintenance Scenario
Title（参考訳）: 予測保守シナリオにおける断層木の拡張に向けて
Authors: Roberta De Fazio, Stefano Marrone, Laura Verde, Vincenzo Reccia, Paolo Valletta,
Abstract要約: 本稿では,予測保守の問題を考慮した断層木の拡張を提案する。本稿では予測フォールトツリー言語をスケッチし、具体的な産業環境でのモデリングと分析を支援するいくつかのユースケースを提案する。
参考スコア（独自算出の注目度）: 0.6149841520170068
License: http://creativecommons.org/licenses/by/4.0/
Abstract: One of the most appreciated features of Fault Trees (FTs) is their simplicity, making them fit into industrial processes. As such processes evolve in time, considering new aspects of large modern systems, modelling techniques based on FTs have adapted to these needs. This paper proposes an extension of FTs to take into account the problem of Predictive Maintenance, one of the challenges of the modern dependability field of study. The paper sketches the Predictive Fault Tree language and proposes some use cases to support their modelling and analysis in concrete industrial settings.
Abstract（参考訳）: フォールトツリー(FT)の最も高く評価されている特徴の1つは、その単純さであり、産業プロセスに適合する。このようなプロセスが時間とともに進化していくにつれて、FTに基づくモデリング技術はこれらのニーズに適応した。本稿では,最新の信頼性分野における課題のひとつとして,予測保守の問題を考慮したFTの拡張を提案する。本稿では予測フォールトツリー言語をスケッチし、具体的な産業環境でのモデリングと分析を支援するいくつかのユースケースを提案する。

関連論文リスト

Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
論文参考訳（メタデータ） (2024-09-02T22:35:03Z)
See Further for Parameter Efficient Fine-tuning by Standing on the Shoulders of Decomposition [56.87609859444084]
パラメータ効率の細かいチューニング(PEFT)は、パラメータの選択したサブセットを最適化し、残りを固定し、計算とストレージのオーバーヘッドを大幅に削減することに焦点を当てている。分解の観点からそれらを分離することで、すべてのアプローチを統一する第一歩を踏み出します。本稿では,PEFT技術の性能向上を目的とした,単純かつ効果的なフレームワークとともに,新しい2つのPEFT手法を提案する。
論文参考訳（メタデータ） (2024-07-07T15:44:42Z)
Alice in Wonderland: Simple Tasks Showing Complete Reasoning Breakdown in State-Of-the-Art Large Language Models [13.532180752491954]
利用可能な最大規模でトレーニングされた最先端モデルの機能と推論能力の劇的な破壊を実演する。モデルは、問題の解決に影響を与えない、微妙な問題バリエーションでさえも強い変動を示すため、その分解は劇的である。これらの初期観測は、現在世代の大言語モデルが主張する能力の再評価を急激に促すものである。
論文参考訳（メタデータ） (2024-06-04T07:43:33Z)
Refining Joint Text and Source Code Embeddings for Retrieval Task with Parameter-Efficient Fine-Tuning [0.0]
そこで本研究では,それを利用した微調整フレームワークを提案する。 PEFT(Efficient Fine-Tuning)技術。提案する微調整フレームワークは,最大で0.4%のパラメータをチューニングすることで,コードテキスト検索性能を向上させる可能性を実証した。
論文参考訳（メタデータ） (2024-05-07T08:50:25Z)
Enhancing Systematic Decompositional Natural Language Inference Using Informal Logic [51.967603572656266]
我々は,分解包含を注釈付けするための一貫した理論的なアプローチを導入する。我々の新しいデータセットRDTEは、前回の分解エンターメントデータセットよりもかなり高い内部整合性(+9%)を持つことがわかった。また,RDTE による知識蒸留によるエンテーメント分類器の訓練や,エンテーメントツリー推論エンジンへの導入により,精度と検証精度が向上することが確認された。
論文参考訳（メタデータ） (2024-02-22T18:55:17Z)
Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
論文参考訳（メタデータ） (2023-10-11T20:34:17Z)
Two Steps Forward and One Behind: Rethinking Time Series Forecasting with Deep Learning [7.967995669387532]
Transformerは、人工知能ニューラルネットワークの世界に革命をもたらした、非常に成功したディープラーニングモデルである。時系列予測領域に適用したトランスフォーマーモデルの有効性について検討する。性能が良く、より複雑でない代替モデル一式を提案する。
論文参考訳（メタデータ） (2023-04-10T12:47:42Z)
Sparse*BERT: Sparse Models Generalize To New tasks and Domains [79.42527716035879]
本稿では, 階層的非構造的マグニチュード・プルーニング(Gradual Unstructured Magnitude Pruning)を用いて, ドメイン間およびタスク間を移動可能なモデルについて検討する。 Sparse*BERTは、非構造化バイオメディカルテキスト上で圧縮されたアーキテクチャを事前学習することで、SparseBioBERTとなることを示す。
論文参考訳（メタデータ） (2022-05-25T02:51:12Z)
Recommender Systems meet Mechanism Design [29.132299904090868]
提案手法では,入札者の価値分布をトピックモデルで近似できる多項目機構の設計問題を考察する。このフレームワークの拡張により,話題モデルの表現力を利用して,問題の有効次元を低減できる。
論文参考訳（メタデータ） (2021-10-25T00:03:30Z)
Towards Robust and Reliable Algorithmic Recourse [11.887537452826624]
モデルシフトに堅牢なリコースを見つけるための敵対的トレーニングを活用する新しいフレームワークであるRObust Algorithmic Recourse(ROAR)を提案します。また,モデルシフトにロバストなリコースの構築の重要性を強調する詳細な理論解析を行う。
論文参考訳（メタデータ） (2021-02-26T17:38:52Z)
Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。