論文の概要: Directed Testing of ORAN using a Partially Specified Declarative Digital Twin
- arxiv url: http://arxiv.org/abs/2410.09310v1
- Date: Sat, 12 Oct 2024 00:19:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 15:13:33.234881
- Title: Directed Testing of ORAN using a Partially Specified Declarative Digital Twin
- Title（参考訳）: 部分特定宣言型ディジタル双晶を用いたORANの直接試験
- Authors: Alan Gatherer, Chaitali Sengupta, Sudipta Sen, Jeffery H. Reed,
- Abstract要約: リアルタイムパフォーマンステストは、システムテストとアルゴリズムテストの2つの異なる部分に分けられる。
アルゴリズムテスタは、システム実装に気づいていないため、リアルタイムおよびハードウェア・ソフトウェア(HW-SW)の能力についての洞察をほとんど提供しない。
私たちはDDT(Declaative Digital Twin)と呼ぶ革新的なDigital Twin技術を紹介します。
- 参考スコア（独自算出の注目度）: 0.9999629695552195
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real Time performance testing can be divided into two distinct parts: system test and algorithm test. System test checks that the right functions operate on the right data within power, latency, and other constraints under all conditions. Major RAN OEMs, put as much effort into system test and debug as they do into algorithm test, to ensure a competitive product. An algorithm tester will provide little insight into real time and hardware-software (HW-SW) capacity as it is unaware of the system implementation. In this paper we present an innovative Digital Twin technology, which we call Declarative Digital Twin (DDT). A DDT can describe the system requirements of the RAN such that critical corner cases can be found via automation, that would normally be missed by conventional testing. This is possible even when the RAN requirements are only partially specified. We present a Domain Specific Language (DSL) for declarative description of the RAN and show results from an automated solver that demonstrate how potential HW-SW implementation related corner cases can be identified from the DDT of an ORAN DU.
- Abstract（参考訳）: リアルタイムパフォーマンステストは、システムテストとアルゴリズムテストの2つの異なる部分に分けられる。
システムテストは、すべての条件下で、適切な関数が電力、レイテンシ、その他の制約の中で適切なデータ上で動作することをチェックする。
主要なRAN OEMは、競争力のある製品を保証するために、システムテストとデバッグに、アルゴリズムテストと同じくらい多くの労力を割いた。
アルゴリズムテスタは、システム実装に気づいていないため、リアルタイムおよびハードウェア・ソフトウェア(HW-SW)の能力についての洞察をほとんど提供しない。
本稿では,DDT(Declaative Digital Twin)と呼ぶ,革新的なDigital Twin技術を提案する。
DDTはRANのシステム要件を記述できるので、クリティカルコーナーのケースは自動化によって見つけられるが、通常は従来のテストで見逃される。
これは、RAN要求が部分的にのみ指定されている場合でも可能である。
我々は、RANの宣言的記述のためのドメイン固有言語(DSL)を提案し、ORAN DUのDDTからHW-SW実装に関連するコーナーケースをいかに特定できるかを示す自動解法の結果を示す。
関連論文リスト
- Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection [63.93728560200819]
unsupervised out-of-distribution (U-OOD) は、未表示のin-distriion(ID)データのみに基づいて訓練された検出器でデータサンプルを識別することである。
近年の研究は、DGMに基づく様々な検出器を開発し、可能性を超えて移動している。
本研究では,各方向,特にポストホック前とデータセットエントロピー・ミューチュアルキャリブレーションの2つの手法を適用した。
実験の結果、結果が新しい最先端のU-OOD検出器になる可能性が示された。
論文 参考訳（メタデータ） (2024-09-05T02:58:13Z) - TEASER: Simulation-based CAN Bus Regression Testing for Self-driving
Cars Software [5.77326389907799]
TEASERは、最先端の自動車シミュレーターから得られるセンサーから得られるSDCのための現実的なCAN信号を生成するツールである。
TEASERをJenkinsで構成したContinous Integration(CI)パイプラインに統合しました。
本評価では,シミュレーションに基づく欠陥を暴露するCIテストケースの生成と実行がTEASERの能力を示す。
論文 参考訳（メタデータ） (2023-07-06T20:30:35Z) - On the Possibilities of AI-Generated Text Detection [76.55825911221434]
機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。
GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
論文 参考訳（メタデータ） (2023-04-10T17:47:39Z) - IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。
統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。
7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
論文 参考訳（メタデータ） (2023-01-31T01:24:45Z) - Robust Continual Test-time Adaptation: Instance-aware BN and
Prediction-balanced Memory [58.72445309519892]
テストデータストリーム以外のデータストリームに対して堅牢な新しいテスト時間適応方式を提案する。
a)分布外サンプルの正規化を修正するIABN(Instance-Aware Batch Normalization)と、(b)クラスバランスのない方法で非i.d.ストリームからのデータストリームをシミュレートするPBRS(Predict- Balanced Reservoir Sampling)である。
論文 参考訳（メタデータ） (2022-08-10T03:05:46Z) - Benchmarking Deep Models for Salient Object Detection [67.07247772280212]
汎用SALOD(General SALient Object Detection)ベンチマークを構築し,複数のSOD手法の総合的な比較を行った。
以上の実験では、既存の損失関数は、通常いくつかの指標に特化しているが、他の指標には劣る結果が報告されている。
我々は,深層ネットワークに画素レベルと画像レベルの両方の監視信号を統合することにより,より識別的な特徴を学習するためのエッジ・アウェア・ロス(EA)を提案する。
論文 参考訳（メタデータ） (2022-02-07T03:43:16Z) - Efficient Linearizability Checking for Actor-based Systems [0.3157031081861668]
本稿では,分散アクタシステムの特定,合成,テストを行う統合フレームワークDS2における線形化可能性チェックについて述べる。
DS2は、システムが到着可能な並行スケジュールを自動で探索し、観測されたシステムの出力を比較して、シーケンシャルな実装が生成したものと同等であることを保証する。
論文 参考訳（メタデータ） (2021-10-13T00:09:48Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-15T14:11:53Z) - Automated Performance Testing Based on Active Deep Learning [2.179313476241343]
ブラックボックス性能試験のためのACTAと呼ばれる自動テスト生成手法を提案する。
ACTAはアクティブな学習に基づいており、テスト中のシステムのパフォーマンス特性を知るために、大量の履歴テストデータを必要としないことを意味します。
我々は,ベンチマークWebアプリケーション上でACTAを評価し,本手法がランダムテストに匹敵することを示す実験結果を得た。
論文 参考訳（メタデータ） (2021-04-05T18:19:12Z) - Distribution-Aware Testing of Neural Networks Using Generative Models [5.618419134365903]
ディープニューラルネットワーク(DNN)をコンポーネントとして持つソフトウェアの信頼性は、緊急に重要である。
最近の3つのテスト手法が, かなりの数の不正なテスト入力を生成することを示す。
テスト生成プロセスにおいて,テスト中のDNNモデルの有効な入力空間を組み込む手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T17:18:21Z) - Controlled time series generation for automotive software-in-the-loop
testing using GANs [0.5352699766206808]
オートマチックメカトロニクスシステムのテストは、部分的にはソフトウェア・イン・ザ・ループ・アプローチを使用し、システム・アンダー・テストのインプットを体系的にカバーすることが大きな課題である。
ひとつのアプローチは、テストプロセスの制御とフィードバックを容易にする入力シーケンスを作成することだが、現実的なシナリオにシステムを公開できない。
もうひとつは、現実を説明できるフィールド操作から記録されたシーケンスを再生するが、広く使われるには十分なキャパシティの十分なラベル付きデータセットを収集する必要があるため、コストがかかる。
この研究は、GAN(Generative Adrial Networks)のよく知られた教師なし学習フレームワークを適用して、記録された車内データのラベルなしデータセットを学習する。
論文 参考訳（メタデータ） (2020-02-16T16:19:29Z)
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。