論文の概要: Estimating Inconsistency Response Surfaces under Uncertainty in Cyber-Physical System Development

• arxiv url: http://arxiv.org/abs/2609.11331v1
• Date: Thu, 10 Sep 2026 10:03:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.300589
• Title: Estimating Inconsistency Response Surfaces under Uncertainty in Cyber-Physical System Development
• Title（参考訳）: サイバー物理システム開発における不確実性下における不整合応答面の推定
• Authors: Johannes Mäkelburg, Tim Schwabe, Maribel Acosta,
• Abstract要約: CPS(Cyber-Physical Systems)は、複数の相互接続モデルによって表される。 CPS整合性は、共有モデル要素がこれらのモデル間で互換性を保つことを要求する。
• 参考スコア（独自算出の注目度）: 0.4740962650068887
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber-Physical Systems (CPS) are commonly represented through multiple interconnected models. During development, CPS consistency requires that shared model elements remain compatible across these models. Uncertainty, for example, due to sensor noise or model abstraction, changes the admissible values of model elements and can introduce inconsistencies, i.e., situations in which models can no longer be jointly satisfied. While existing approaches can determine consistency for a given uncertainty configuration, they provide limited support for systematically exploring, analyzing, and explaining inconsistency across large uncertainty spaces. We address this challenge by reformulating inconsistency as an intervention response modeling problem. Using Saltelli sampling and multi-fidelity Monte Carlo estimation, we generate intervention-response datasets and train a surrogate model that directly predicts inconsistency from the propagated uncertainty geometry. Experiments on 48 scenarios and 10 CPS domains show that the surrogate matches Monte Carlo estimates while reducing evaluation time from milliseconds to microseconds, enabling orders-of-magnitude more response-surface evaluations within fixed computational budgets. Building on the learned response surfaces, we perform sensitivity analysis to identify dominant uncertainty drivers and introduce a gradient-based consistency recourse method to determine minimal uncertainty interventions that restore consistency. The results show that inconsistency under uncertainty can be effectively learned, analyzed, and repaired through response-surface modeling, providing a scalable foundation for uncertainty-aware consistency management in CPS development.
• Abstract（参考訳）: CPS(Cyber-Physical Systems)は、複数の相互接続モデルによって表される。 開発期間中、CPSの一貫性は、共有モデル要素がこれらのモデル間で互換性を保つことを要求する。 例えば、センサノイズやモデル抽象化による不確実性は、モデル要素の許容値を変更し、不整合、すなわちモデルがもはや共同で満足できない状況を導入することができる。 既存のアプローチは、与えられた不確実性構成の一貫性を決定することができるが、それらは、大きな不確実性空間における不整合を体系的に探索し、分析し、説明するための限定的なサポートを提供する。 我々は、干渉応答モデリング問題として不整合を再構築することで、この問題に対処する。 ソルテッリサンプリングとマルチ忠実モンテカルロ推定を用いて、干渉応答データセットを生成し、伝播不確実性幾何から不整合を直接予測する代理モデルを訓練する。 48のシナリオと10のCPSドメインの実験では、サロゲートはモンテカルロの推定値と一致し、ミリ秒からマイクロ秒までの評価時間を短縮し、固定された計算予算内でのより高次応答面の評価を可能にする。 学習した応答面に基づいて、支配的な不確実性ドライバを識別するための感度解析を行い、一貫性を回復する最小限の不確実性介入を決定するために勾配に基づく整合性リコース法を導入する。 その結果,不確実性下での不整合性を効果的に学習・解析・修復し,CPS開発における不整合性管理のためのスケーラブルな基盤を提供することができた。

関連論文リスト

• CUPID: A Plug-in Framework for Joint Aleatoric and Epistemic Uncertainty Estimation with a Single Model [1.6855257501750571]
  CUPID (Comprehensive Uncertainty Plug-in estImation moDel) は、ベースモデルの変更や再訓練なしに、動脈とてんかんの不確実性を共同で推定する汎用モジュールである。 CUPIDは分類,回帰,アウト・オブ・ディストリビューション検出など,様々なタスクで評価される。 その結果、CUPIDは、不確実性の起源に関する階層的な洞察を提供しながら、一貫して競争性能を提供することがわかった。
  論文  参考訳（メタデータ） (2026-03-11T13:18:10Z)
• SphUnc: Hyperspherical Uncertainty Decomposition and Causal Identification via Information Geometry [7.816699755198432]
  本稿では,超球面表現学習と構造因果モデリングを組み合わせた統合フレームワークであるSphUncを紹介する。 球状潜伏剤の構造因果モデルにより、サンプルベースシミュレーションによる直接的影響同定と介入推論が可能となる。 社会的および感情的なベンチマークに関する実証的な評価では、精度の向上、校正の改善、因果信号の解釈が示されている。
  論文  参考訳（メタデータ） (2026-03-01T16:11:49Z)
• Learning Complex Physical Regimes via Coverage-oriented Uncertainty Quantification: An application to the Critical Heat Flux [0.0]
  不確実性定量化(UQ)は、安全性評価ではなく、学習タスク自体への支援と見なされるべきである。 OECD/NEA Expert Group on Reactor Systems Multi-Physicsで発表されたCritical Heat Fluxベンチマークとデータセットに注目した。 ポストホック法は統計的キャリブレーションを保証するが、カバレッジ指向学習は複雑な物理状態に適合するようにモデルの表現を効果的に再評価する。
  論文  参考訳（メタデータ） (2026-02-25T09:04:15Z)
• Heterogeneous Uncertainty-Guided Composed Image Retrieval with Fine-Grained Probabilistic Learning [49.28548464288051]
  Composed Image Retrieval (CIR)は、参照画像と修正テキストを組み合わせることで、画像検索を可能にする。 CIR三重項の内在ノイズは内在的不確実性を引き起こし、モデルの堅牢性を脅かす。 本稿では,これらの制約を克服するための不確実性誘導(HUG)パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-01-16T16:05:49Z)
• On Equivariant Model Selection through the Lens of Uncertainty [49.137341292207]
  等変モデルは、予測性能を改善するために対称性に関する事前の知識を活用するが、不特定なアーキテクチャ上の制約がそれを傷つける可能性がある。 我々は、頻繁な(コンフォーマル予測による)、ベイジアン(限界確率による)、およびキャリブレーションに基づく評価による誤りに基づく評価の比較を行った。 不確実性指標は一般的に予測性能と一致するが,ベイズ模型の証拠は矛盾する。
  論文  参考訳（メタデータ） (2025-06-23T13:35:06Z)
• Measuring and Modeling Uncertainty Degree for Monocular Depth Estimation [50.920911532133154]
  単分子深度推定モデル(MDE)の本質的な不適切さと順序感性は、不確かさの程度を推定する上で大きな課題となる。 本稿では,MDEモデルの不確かさを固有確率分布の観点からモデル化する。 新たなトレーニング正規化用語を導入することで、驚くほど単純な構成で、余分なモジュールや複数の推論を必要とせずに、最先端の信頼性で不確実性を推定できる。
  論文  参考訳（メタデータ） (2023-07-19T12:11:15Z)
• Robust Fitted-Q-Evaluation and Iteration under Sequentially Exogenous Unobserved Confounders [9.401989343015364]
  連続的に外生的でない共同設立者が存在する場合、ロバストな政策評価と政策最適化について検討する。 本研究は,敗血症治療のシミュレーションと実世界の縦断医療データの両方において,複雑性境界,洞察,有効性を示す。
  論文  参考訳（メタデータ） (2023-02-01T18:40:53Z)
• The Implicit Delta Method [61.36121543728134]
  本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。 有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
  論文  参考訳（メタデータ） (2022-11-11T19:34:17Z)
• On Uncertainty in Deep State Space Models for Model-Based Reinforcement Learning [21.63642325390798]
  RSSMは最適下推定方式を用いており、この推定を用いて訓練されたモデルは、基底真理系のアレター的不確かさを過大評価していることを示す。 そこで本稿では,変分リカレントカルマンネットワーク(VRKN)と呼ばれる,アレタリックおよびてんかんの不確かさをモデル化するための,よく理解されたコンポーネントに基づく代替手法を提案する。 実験の結果,RSSMの代わりにVRKNを用いることで,アレータリック不確実性を適切に把握するタスクのパフォーマンスが向上することがわかった。
  論文  参考訳（メタデータ） (2022-10-17T16:59:48Z)
• Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
  複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。 いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。 我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
  論文  参考訳（メタデータ） (2022-10-12T07:57:03Z)

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。