論文の概要: Core Logic and Algorithmic Performance Enhancements for a System Vulnerability Analysis Technique for Complex Mission Critical Systems Implementation

• arxiv url: http://arxiv.org/abs/2604.23170v1
• Date: Sat, 25 Apr 2026 06:53:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.190176
• Title: Core Logic and Algorithmic Performance Enhancements for a System Vulnerability Analysis Technique for Complex Mission Critical Systems Implementation
• Title（参考訳）: 複雑なミッションクリティカルシステム実装のためのシステム脆弱性解析手法のコア論理とアルゴリズム性能向上
• Authors: Matthew Tassava, Cameron Kolodjski, Jordan Milbrath, Jeremy Straub,
• Abstract要約: コアロジックと処理の改善は、オペレーションとネットワーク攻撃結果のレビュー(SONARR)のために行われた。 新しいジェネリックロジックでは、任意の.NET型(整数、十進数、文字列など)をファクト内で利用することができる。 大規模ワークロードの処理能力を高めるために、マルチコンピュート機能を実装した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Core logic and processing improvements were made to the software for operations and network attack results review (SONARR) and are presented, herein. Previous SONARR versions' Boolean-only logic, derived from the Blackboard Architecture, was replaced with generic logic that allows any .NET type (e.g., integers, decimals, strings) to be utilized within facts. This allows calculations and equality operations with all data types to drive the algorithm's processing of network models. Additionally, multi-compute capabilities were implemented to increase the processing power for larger workloads. In this paper, the new logic objects are described, examples are presented to illustrate the efficacy of creating digital-twin systems using the new generic logic, and performance test results are presented that illustrate the expanded processing capability from the multi-compute functionality.
• Abstract（参考訳）: コアロジックと処理の改善は、オペレーションとネットワーク攻撃結果のレビュー(SONARR)のためのソフトウェアに行われ、ここで紹介する。 以前のSONARRのバージョンでは、Blackboard Architectureから派生したBooleanのみのロジックが一般的なロジックに置き換えられた。 ファクト内で利用する.NETの型(例、整数、十進数、文字列)。 これにより、アルゴリズムがネットワークモデルの処理を実行するために、すべてのデータ型で計算と等式演算が可能である。 さらに、大規模ワークロードの処理能力を高めるために、マルチコンピュート機能が実装された。 本稿では,新しい論理オブジェクトについて述べるとともに,新しい汎用論理を用いたディジタル双対システムの構築の有効性を示す実例を示し,マルチコンピュート機能の拡張処理能力を示す性能試験結果を示す。

関連論文リスト

• WARP Logic Neural Networks [0.0]
  WAlsh Relaxation for Probabilistic (WARP) logic neural networkを紹介する。 WARPは、ハードウェアネイティブ論理ブロックの組み合わせを効率的に学習する勾配ベースのフレームワークである。 WARPはブール関数を正確に学習する上で最もパラメータ効率のよい表現であることを示す。
  論文  参考訳（メタデータ） (2026-02-03T13:46:51Z)
• Deep Lookup Network [76.66809324649154]
  多くのリソース制限エッジデバイスでは、複雑な演算をルックアップテーブルを通じて計算し、計算コストを削減できる。 本稿では,ニューラルネットワーク構築の基本的な操作として使用できる汎用的で効率的な検索操作を提案する。 計算コストのかかる乗算演算をルックアップ演算に置き換えることで、画像分類、画像超解像、点クラウド分類タスクのためのルックアップネットワークを開発する。
  論文  参考訳（メタデータ） (2025-09-17T03:31:41Z)
• Improving Complex Reasoning over Knowledge Graph with Logic-Aware Curriculum Tuning [89.89857766491475]
  カリキュラムベースの論理認識型チューニングフレームワークであるLACTを提案する。 具体的には、任意の一階論理クエリをバイナリツリー分解によって拡張する。 広く使われているデータセットに対する実験では、LATは高度な手法よりも大幅に改善(平均+5.5% MRRスコア)し、新しい最先端技術を実現している。
  論文  参考訳（メタデータ） (2024-05-02T18:12:08Z)
• A Neural Rewriting System to Solve Algorithmic Problems [47.129504708849446]
  ネストされた数学的公式を解くための一般的な手順を学習するために設計されたモジュラーアーキテクチャを提案する。 シンボリック人工知能の古典的なフレームワークである書き換えシステムに触発され、アーキテクチャには3つの専門的で対話的なモジュールが含まれます。 我々は、系統的な一般化に特化した最近のモデルであるNeural Data Routerと、先進的なプロンプト戦略で探索された最先端の大規模言語モデル(GPT-4)とを比較した。
  論文  参考訳（メタデータ） (2024-02-27T10:57:07Z)
• Performance Embeddings: A Similarity-based Approach to Automatic Performance Optimization [71.69092462147292]
  パフォーマンス埋め込みは、アプリケーション間でパフォーマンスチューニングの知識伝達を可能にする。 本研究では, 深層ニューラルネットワーク, 密度およびスパース線形代数合成, および数値風速予測ステンシルのケーススタディにおいて, この伝達チューニング手法を実証する。
  論文  参考訳（メタデータ） (2023-03-14T15:51:35Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Efficient Compilation and Mapping of Fixed Function Combinational Logic onto Digital Signal Processors Targeting Neural Network Inference and Utilizing High-level Synthesis [3.83610794195621]
  ニューラルネットワーク(NN)アクセラレータの性能向上に向けた最近の取り組みは、固定関数の組み合わせ論理に依存する論理ベースのNN推論の新しいトレンドを生み出している。 本稿では,FPGA上のDSPに固定関数の組み合わせ論理を応用した,NNのコンパイルとマッピングのための革新的な設計と最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-07-30T20:11:59Z)
• Analysis and Design of Quadratic Neural Networks for Regression, Classification, and Lyapunov Control of Dynamical Systems [0.0]
  本稿では,2次ニューラルネットワークの解析と設計について述べる。 ネットワークにはいくつかの利点があり、最も重要なのはアーキテクチャが設計の副産物であり、アプリオリではないという事実である。 いくつかの例では、アプリケーションにおける二次ニューラルネットワークの有効性を示す。
  論文  参考訳（メタデータ） (2022-07-26T18:10:05Z)
• On the Difficulty of Designing Processor Arrays for Deep Neural Networks [0.0]
  カムーイ (Camuy) は、線形代数演算のための重み付き定常シストリックアレイの軽量モデルである。 本稿では,必要サイクル,データ移動コスト,およびシストリックアレイの利用率を推定する方法を説明するために,人気モデルの解析を行う。
  論文  参考訳（メタデータ） (2020-06-24T19:24:08Z)
• LogicalFactChecker: Leveraging Logical Operations for Fact Checking with Graph Module Network [111.24773949467567]
  ファクトチェックに論理演算を活用するニューラルネットワークアプローチであるLogicalFactCheckerを提案する。 大規模なベンチマークデータセットであるTABFACT上での最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-04-28T17:04:19Z)

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。