Fugu-MT 論文翻訳(概要): Robust Analysis for Resilient AI System

論文の概要: Robust Analysis for Resilient AI System

arxiv url: http://arxiv.org/abs/2509.06172v1
Date: Sun, 07 Sep 2025 18:47:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-09 14:07:03.889276
Title: Robust Analysis for Resilient AI System
Title（参考訳）: レジリエントAIシステムのロバスト解析
Authors: Yu Wang, Ran Jin, Lulu Kang,
Abstract要約: 産業用インターネット(MII)システムにおける運用上のハザードは、深刻なデータ流出率を生成する。本稿では,高密度電力分散とラッソ正規化を統合した新しいロバスト回帰手法 DPD-Lasso を提案する。 DPD-Lassoは、クリーンデータとアウターデータの両方で信頼性が高く安定した性能を提供し、危険影響を正確に定量化する。
参考スコア（独自算出の注目度）: 4.360822335264371
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Operational hazards in Manufacturing Industrial Internet (MII) systems generate severe data outliers that cripple traditional statistical analysis. This paper proposes a novel robust regression method, DPD-Lasso, which integrates Density Power Divergence with Lasso regularization to analyze contaminated data from AI resilience experiments. We develop an efficient iterative algorithm to overcome previous computational bottlenecks. Applied to an MII testbed for Aerosol Jet Printing, DPD-Lasso provides reliable, stable performance on both clean and outlier-contaminated data, accurately quantifying hazard impacts. This work establishes robust regression as an essential tool for developing and validating resilient industrial AI systems.
Abstract（参考訳）: 産業用インターネット(MII)システムにおける運用上のハザードは、従来の統計分析を損なう深刻なデータアウトレーヤを生成する。本稿では,AIレジリエンス実験から汚染データを分析するために,密度電力分散とラッソ正規化を統合した新しいロバスト回帰手法であるPD-Lassoを提案する。我々は,従来の計算ボトルネックを克服する効率的な反復アルゴリズムを開発した。エアロゾルジェットプリンタ用のMIIテストベッドに適用されたPDD-Lassoは、クリーンデータとアウターデータの両方で信頼性が高く安定した性能を提供し、危険影響を正確に定量化している。この研究は、レジリエントな産業用AIシステムの開発と検証に不可欠なツールとして、堅牢な回帰を確立する。

関連論文リスト

A Simplified Analysis of SGD for Linear Regression with Weight Averaging [64.2393952273612]
最近の研究は、定常学習率を用いた線形回帰におけるSGD最適化のためのシャープレートを提供する。簡単な線形代数ツールを用いて,2021ベニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグナグニグニグニグニグニグニグニグニグニグニグネグニグニグニグニグネグニグニグネグニ我々の研究は線形回帰の勾配勾配を非常に容易に解析し、ミニバッチと学習率のスケジューリングのさらなる分析に役立てることができると信じている。
論文参考訳（メタデータ） (2025-06-18T15:10:38Z)
Offline Robotic World Model: Learning Robotic Policies without a Physics Simulator [50.191655141020505]
強化学習(Reinforcement Learning, RL)は、ロボット制御において目覚ましい能力を示してきたが、高いサンプルの複雑さ、安全性の懸念、そしてシム・トゥ・リアルのギャップのため、依然として困難である。物理シミュレータに頼らずに政策学習を改善するために不確実性を明示的に推定するモデルベースアプローチであるオフラインロボット世界モデル(RWM-O)を導入する。
論文参考訳（メタデータ） (2025-04-23T12:58:15Z)
LAPD: Langevin-Assisted Bayesian Active Learning for Physical Discovery [5.373182035720355]
Langevin-Assisted Active Physical Discovery (LAPD) は、モンテカルロのレプリカ交換勾配を統合したフレームワークである。 LAPDはノイズデータを用いた信頼性,不確実性を考慮した識別を実現する。 Lotka-Volterra, Lorenz, Burgers, Convection-Diffusion equationsなどの非線形系のLAPDを評価する。
論文参考訳（メタデータ） (2025-03-04T20:17:24Z)
An Investigation on Machine Learning Predictive Accuracy Improvement and Uncertainty Reduction using VAE-based Data Augmentation [2.517043342442487]
深層生成学習は、特定のMLモデルを使用して、既存のデータの基盤となる分布を学習し、実際のデータに似た合成サンプルを生成する。本研究では,変分オートエンコーダ(VAE)を用いた深部生成モデルを用いて,データ拡張の有効性を評価することを目的とする。本研究では,拡張データを用いてトレーニングしたディープニューラルネットワーク(DNN)モデルの予測において,データ拡張が精度の向上につながるかどうかを検討した。
論文参考訳（メタデータ） (2024-10-24T18:15:48Z)
Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文参考訳（メタデータ） (2024-08-02T10:47:10Z)
Root Cause Analysis Of Productivity Losses In Manufacturing Systems Utilizing Ensemble Machine Learning [0.0]
本研究では、データ駆動型アンサンブルアプローチを導入し、サイクル当たりの生産性損失を分析した。アンサンブルアプローチは、情報理論や機械学習行動モデルなど、さまざまな手法を統合する。半自動溶接製造システム、射出成形自動化システム、および合成生成試験PLCデータセットを用いて検証する。
論文参考訳（メタデータ） (2024-07-31T10:21:20Z)
A Cost-Sensitive Transformer Model for Prognostics Under Highly Imbalanced Industrial Data [1.6492989697868894]
本稿では,体系的なワークフローの一部として開発された新しいコスト感応型トランスフォーマーモデルを提案する。その結果,最先端手法と比較して性能が大幅に向上した。本研究は, 産業環境における故障予測の独特な課題に対処する上での本手法の可能性を明らかにするものである。
論文参考訳（メタデータ） (2024-01-16T15:09:53Z)
Closing the loop: Autonomous experiments enabled by machine-learning-based online data analysis in synchrotron beamline environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文参考訳（メタデータ） (2023-06-20T21:21:19Z)
AttNS: Attention-Inspired Numerical Solving For Limited Data Scenarios [51.94807626839365]
限定データによる微分方程式の解法として,注目型数値解法(AttNS)を提案する。 AttNSは、モデル一般化とロバスト性の向上におけるResidual Neural Networks(ResNet)のアテンションモジュールの効果にインスパイアされている。
論文参考訳（メタデータ） (2023-02-05T01:39:21Z)
On The Reliability Of Machine Learning Applications In Manufacturing Environments [7.467244761351822]
信頼性のあるシステムを構築するには、マシンラーニングのパフォーマンスの継続的オンライン監視が必要である。概念とセンサーのドリフトはアルゴリズムの精度を低下させるまた, 機械学習アルゴリズムのロバスト性を評価し, 全試験アルゴリズムのドリフトの増加に伴い, 精度が著しく低下することを示した。
論文参考訳（メタデータ） (2021-12-13T19:41:26Z)

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。