論文の概要: Data Driven Diagnosis for Large Cyber-Physical-Systems with Minimal Prior Information

• arxiv url: http://arxiv.org/abs/2506.10613v1
• Date: Thu, 12 Jun 2025 11:56:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.711414
• Title: Data Driven Diagnosis for Large Cyber-Physical-Systems with Minimal Prior Information
• Title（参考訳）: 最小優先情報を用いた大規模サイバー物理システムのためのデータ駆動診断
• Authors: Henrik Sebastian Steude, Alexander Diedrich, Ingo Pill, Lukas Moddemann, Daniel Vranješ, Oliver Niggemann,
• Abstract要約: 最小限の事前知識で機能する新しい診断手法を提案する。 本手法は,サブシステムレベルの異常検出を用いたニューラルネットワークベースの症状発生器と,新しいグラフ診断アルゴリズムを組み合わせたものである。 以上の結果から,大規模で複雑なサイバー物理システムを用いた実践的応用へのアプローチの可能性を明らかにする。
• 参考スコア（独自算出の注目度）: 40.827236517095514
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diagnostic processes for complex cyber-physical systems often require extensive prior knowledge in the form of detailed system models or comprehensive training data. However, obtaining such information poses a significant challenge. To address this issue, we present a new diagnostic approach that operates with minimal prior knowledge, requiring only a basic understanding of subsystem relationships and data from nominal operations. Our method combines a neural network-based symptom generator, which employs subsystem-level anomaly detection, with a new graph diagnosis algorithm that leverages minimal causal relationship information between subsystems-information that is typically available in practice. Our experiments with fully controllable simulated datasets show that our method includes the true causal component in its diagnosis set for 82 p.c. of all cases while effectively reducing the search space in 73 p.c. of the scenarios. Additional tests on the real-world Secure Water Treatment dataset showcase the approach's potential for practical scenarios. Our results thus highlight our approach's potential for practical applications with large and complex cyber-physical systems where limited prior knowledge is available.
• Abstract（参考訳）: 複雑なサイバー物理システムの診断プロセスは、詳細なシステムモデルや包括的なトレーニングデータという形で、広範な事前知識を必要とすることが多い。 しかし、そのような情報を取得することは大きな課題となる。 この問題に対処するために、我々は最小限の事前知識で機能する新しい診断手法を提案する。 提案手法は,サブシステムレベルの異常検出を利用するニューラルネットワークベースの症状生成装置と,一般に実用化されているサブシステム間の因果関係を最小限に抑えるグラフ診断アルゴリズムを組み合わせる。 完全制御可能なシミュレーションデータセットを用いた実験により,本手法は全ての症例の82 p.c.の診断セットに真の因果成分を含むとともに,シナリオの73 p.c.の探索空間を効果的に低減することを示した。 実際のセキュアな水処理データセットに関する追加テストでは、実際のシナリオに対するアプローチの可能性を示している。 以上の結果から,事前知識が限られている大規模で複雑なサイバー物理システムにおいて,本手法の実用化の可能性を強調した。

関連論文リスト

• Integrating LLMs for Explainable Fault Diagnosis in Complex Systems [0.0]
  本稿では,原子力プラントなどの複雑なシステムにおける故障診断の説明可能性を高めるための統合システムを提案する。 物理に基づく診断ツールとLarge Language Modelを組み合わせることで、障害を識別するだけでなく、その原因と意味を明確かつ理解可能な説明を提供する新しいソリューションを提供する。
  論文  参考訳（メタデータ） (2024-02-08T22:11:21Z)
• Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
  本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。 アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-25T16:29:16Z)
• 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)
• Learning From High-Dimensional Cyber-Physical Data Streams for Diagnosing Faults in Smart Grids [4.616703548353371]
  サイバー物理電力システムにおける故障診断は、データ品質に影響される。 これらのシステムは、過剰な計算コストでシステムを過大評価する大量のデータを生成する。 本稿では,機能工学が上記の課題を緩和する効果について述べる。
  論文  参考訳（メタデータ） (2023-03-15T01:21:50Z)
• Machine learning-based approach for online fault Diagnosis of Discrete Event System [0.0]
  問題は、センサーとアクチュエータが個別のバイナリ信号を提供する自動生産システムのオンライン診断である。 本稿では,診断システムの機械学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-10-24T08:56:13Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• A Novel TSK Fuzzy System Incorporating Multi-view Collaborative Transfer Learning for Personalized Epileptic EEG Detection [20.11589208667256]
  マルチビュー協調移動学習を統合したTSKファジィシステムに基づくてんかん検出アルゴリズムを提案する。 提案手法はてんかん性脳波を効果的に検出する能力を有する。
  論文  参考訳（メタデータ） (2021-11-11T12:15:55Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)

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。

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。