論文の概要: Controlling Chaos Using Edge Computing Hardware
- arxiv url: http://arxiv.org/abs/2406.12876v1
- Date: Wed, 8 May 2024 21:11:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 07:30:49.441758
- Title: Controlling Chaos Using Edge Computing Hardware
- Title（参考訳）: エッジコンピューティングハードウェアを用いたカオス制御
- Authors: Robert M. Kent, Wendson A. S. Barbosa, Daniel J. Gauthier,
- Abstract要約: 非線形制御器は難しい制御問題に対処可能であることを示す。
モデルは正確だが、フィールドプログラマブルゲートアレイで評価できるほど小さい。
私たちの研究は、効率的な機械学習アルゴリズムをコンピューティング"エッジ"にデプロイする第一歩です。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning provides a data-driven approach for creating a digital twin of a system - a digital model used to predict the system behavior. Having an accurate digital twin can drive many applications, such as controlling autonomous systems. Often the size, weight, and power consumption of the digital twin or related controller must be minimized, ideally realized on embedded computing hardware that can operate without a cloud-computing connection. Here, we show that a nonlinear controller based on next-generation reservoir computing can tackle a difficult control problem: controlling a chaotic system to an arbitrary time-dependent state. The model is accurate, yet it is small enough to be evaluated on a field-programmable gate array typically found in embedded devices. Furthermore, the model only requires 25.0 $\pm$ 7.0 nJ per evaluation, well below other algorithms, even without systematic power optimization. Our work represents the first step in deploying efficient machine learning algorithms to the computing "edge."
- Abstract（参考訳）: 機械学習は、システムのデジタルツイン(システムの振る舞いを予測するために使用されるデジタルモデル)を作成するための、データ駆動のアプローチを提供する。
正確なデジタルツインを持つことは、自律システムの制御など、多くのアプリケーションを動かすことができる。
多くの場合、デジタルツインや関連するコントローラのサイズ、重量、消費電力を最小化し、クラウドコンピューティング接続なしで動作可能な組み込みコンピューティングハードウェア上で理想的に実現する必要がある。
ここでは,次世代貯水池計算に基づく非線形制御器がカオスシステムを任意の時間依存状態に制御するという,困難な制御問題に対処できることを示す。
モデルは正確だが、組み込みデバイスで一般的に見られるフィールドプログラマブルゲートアレイで評価できるほど小さい。
さらに、モデルは評価あたり25.0$\pm$ 7.0 nJしか必要とせず、体系的な電力最適化がなくても、他のアルゴリズムよりはるかに低い。
私たちの研究は、効率的な機械学習アルゴリズムをコンピューティング"エッジ"にデプロイする第一歩を表しています。
関連論文リスト
- Unraveling the Control Engineer's Craft with Neural Networks [4.5088302622486935]
本稿では,デジタルツインを用いて入力出力データとパラメータの摂動に適したコントローラを生成する,データ駆動型コントローラチューニング手法を提案する。
我々は,デジタルツインの摂動バージョンから人工的に生成されたデータに基づいて,入力出力データをコントローラパラメータにマッピングするコントローラチューニングルールを学習する。
論文 参考訳（メタデータ） (2023-11-20T10:22:38Z) - Data-Driven H-infinity Control with a Real-Time and Efficient
Reinforcement Learning Algorithm: An Application to Autonomous
Mobility-on-Demand Systems [3.5897534810405403]
本稿では,線形離散時間系のH$_infty$制御を解くために,モデルフリー,リアルタイム,データ効率のQ-ラーニングに基づくアルゴリズムを提案する。
適応最適制御器を設計し、システムダイナミクスの知識を必要とせず、アクションと批評家ネットワークのパラメータをオンラインで学習する。
論文 参考訳（メタデータ） (2023-09-16T05:02:41Z) - Controlling dynamical systems to complex target states using machine
learning: next-generation vs. classical reservoir computing [68.8204255655161]
機械学習を用いた非線形力学系の制御は、システムを周期性のような単純な振る舞いに駆動するだけでなく、より複雑な任意の力学を駆動する。
まず, 従来の貯水池計算が優れていることを示す。
次のステップでは、これらの結果を異なるトレーニングデータに基づいて比較し、代わりに次世代貯水池コンピューティングを使用する別のセットアップと比較する。
その結果、通常のトレーニングデータに対して同等のパフォーマンスを提供する一方で、次世代RCは、非常に限られたデータしか利用できない状況において、著しくパフォーマンスが向上していることがわかった。
論文 参考訳（メタデータ） (2023-07-14T07:05:17Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Digital Twin-based Intrusion Detection for Industrial Control Systems [0.5459797813771499]
本研究は,産業制御システムのためのディジタルツインベースのセキュリティフレームワークに寄与する。
4種類のプロセス認識攻撃シナリオが,産業用充填プラントのスタンドアロンのディジタルツイン上に実装されている。
8つの教師付き機械学習アルゴリズムのオフライン評価に基づいて,重ねられたアンサンブルをリアルタイム侵入検出として提案する。
論文 参考訳（メタデータ） (2022-07-20T16:03:10Z) - A neural network based heading and position control system of a ship [0.0]
船舶の進水・位置制御システムは依然として困難な制御問題である。
位置制御システムに人工ニューラルネットワークコントローラを提案する。
論文 参考訳（メタデータ） (2022-04-02T04:21:31Z) - Automatic digital twin data model generation of building energy systems
from piping and instrumentation diagrams [58.720142291102135]
建物からP&IDのシンボルや接続を自動で認識する手法を提案する。
シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。
このアプローチは、制御生成、(分散)モデル予測制御、障害検出といった、さらなるプロセスで使用することができる。
論文 参考訳（メタデータ） (2021-08-31T15:09:39Z) - Machine learning based digital twin for stochastic nonlinear
multi-degree of freedom dynamical system [0.0]
非線形多自由度(DOFM)動的システムのための新しいデジタルツインフレームワークを提案する。
提案フレームワークはベイズフィルタと機械学習アルゴリズムの任意の選択で使用することができる。
その結果,提案するデジタルツインフレームワークの適用可能性と性能が示唆された。
論文 参考訳（メタデータ） (2021-03-29T14:14:06Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z) - Binary DAD-Net: Binarized Driveable Area Detection Network for
Autonomous Driving [94.40107679615618]
本稿では,二項化駆動型領域検出ネットワーク(バイナリDAD-Net)を提案する。
エンコーダ、ボトルネック、デコーダ部分の2重みとアクティベーションのみを使用する。
パブリックデータセット上で、最先端のセマンティックセグメンテーションネットワークより優れています。
論文 参考訳（メタデータ） (2020-06-15T07:09:01Z) - One-step regression and classification with crosspoint resistive memory
arrays [62.997667081978825]
高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。
ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。
結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
論文 参考訳（メタデータ） (2020-05-05T08:00:07Z)
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。