論文の概要: Conformal Risk Control for QoT-Aware Lightpath Feasibility Under Technology-Driven Domain Shift
- arxiv url: http://arxiv.org/abs/2611.13893v2
- Date: Fri, 13 Nov 2026 15:43:40 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:31:42.21307
- Title: Conformal Risk Control for QoT-Aware Lightpath Feasibility Under Technology-Driven Domain Shift
- Title(参考訳): 技術駆動ドメインシフトによるQoT対応光パスのコンフォーマルリスク制御
- Abstract要約: 本稿では、事前訓練されたAI/MLレグレッタを固定し、不確実な帯域の誤発見を有限サンプル保証し、ポリシールールを介して帯域を運用上の決定にマップするフレームワークを提案する。
本稿では,光信号対雑音比(OSNR)を領域シフトで予測する,伝送品質(QoT)対応光パス(LP)実現可能性評価の枠組みをインスタンス化する。
CONUSトポロジ上のオープンスペースディビジョン多重化(SDM)QoTデータセットの実験では、90%のターゲット範囲において、不確実帯がターゲットと一致していることが示されている。
- 参考スコア(独自算出の注目度): 1.0709603403936399
- License:
- Abstract: Artificial intelligence and machine learning (AI/ML)-based regression models support operational decision-making in optical networks but typically expose only point predictions, which carry no statistically controlled information about their reliability. This paper proposes a post-hoc conformal risk control (CRC) framework that keeps a pretrained AI/ML regressor fixed, provides a finite-sample guarantee on uncertainty band miscoverage, and maps the band to operational decisions through policy rules. The guarantee applies to interval miscoverage, while decision-error rates are evaluated empirically. We instantiate the framework for quality of transmission (QoT)-aware lightpath (LP) feasibility assessment, in which a regressor predicts optical signal-to-noise ratio (OSNR) under domain shifts caused by fiber, amplifier, and switching upgrades. Feature shift contribution scores identify the LP features whose relation to QoT changes the most across a technology transition, and two policies translate the bands into feasibility decisions, allowing operators to tune the trade-off between conservatively rejecting or aggressively accepting LP realizations. Experiments on open space-division multiplexing (SDM) QoT datasets over the CONUS topology show that, for a target coverage of 90%, the uncertainty bands meet the target in all 170 trials spanning 17 domain shifts and ten calibration-test partitions, whereas a source-only quantile regression (QR) baseline meets it in none. Under severe shifts, the efficiency-oriented (EO) policy empirically improves zero-shot (ZS) feasibility-decision accuracy from about 85% to above 99%, approaching a transfer learning (TL) policy while avoiding retraining. The framework provides finite-sample control of uncertainty band miscoverage for regression-based optical network decision support, with potential applications beyond QoT-aware LP feasibility assessment.
- Abstract(参考訳): 人工知能と機械学習に基づく回帰モデル(AI/ML)は、光学ネットワークにおける運用上の意思決定をサポートするが、通常は点予測のみを公開し、信頼性に関する統計的に制御された情報を持たない。
本稿では、事前訓練されたAI/MLレグレッタを固定し、不確実性帯の誤発見を有限サンプル保証し、ポリシールールを介して帯域を運用上の決定にマッピングする、ポストホック整合リスク制御(CRC)フレームワークを提案する。
この保証はインターバル・ミス発見に適用されるが、決定エラー率は経験的に評価される。
本稿では,光信号対雑音比(OSNR)をファイバ,アンプ,スイッチングによる領域シフトで予測する,伝送品質評価(QoT)対応光パス(LP)実現可能性評価の枠組みをインスタンス化する。
特徴シフトコントリビューションスコアは、QoTとの関係が最も変化するLPの特徴を識別し、2つのポリシーはバンドを実現可能性決定に変換し、オペレータが保守的に拒否するか、積極的にLP実現を受け入れるかのトレードオフを調整できるようにする。
CONUSトポロジ上のオープンスペースディビジョン多重化(SDM) QoTデータセットの実験では、ターゲット範囲の90%は、17のドメインシフトと10のキャリブレーション-テストパーティションにまたがる170のトライアルで、不確実なバンドはターゲットと一致している。
過度なシフトの下では、効率指向(EO)ポリシーはゼロショット(ZS)の精度を約85%から99%以上に改善し、再訓練を避けながら転写学習(TL)ポリシーにアプローチする。
このフレームワークは、レグレッションベースの光ネットワーク決定支援のための不確実帯域誤発見の有限サンプル制御を提供する。
関連論文リスト
- VQC-ZTI: Variational Quantum Control for Zero Trust Protection of the Tactile Internet [1.0334649765057298]
テキスタイルインターネットサービスは、物理的アクティベーションに直接サイバーイベントを関連付けるため、セキュリティ上の決定は制御経路を乱すことなくリスク差別を改善する。
本稿では、タクティルインターネットサービスのゼロトラスト保護のための分割平面フレームワークであるVQCZTIを提案する。
論文 参考訳(メタデータ) (2026-08-19T06:08:41Z) - Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。
画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
論文 参考訳(メタデータ) (2026-07-29T05:16:59Z) - Improving Search Agent with One Line of Code [68.58667107354253]
ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。
textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
論文 参考訳(メタデータ) (2026-03-10T04:07:39Z) - Reliable LLM-Based Edge-Cloud-Expert Cascades for Telecom Knowledge Systems [54.916243942641444]
大規模言語モデル(LLM)は、通信などの分野において、自動化の鍵となる存在として浮上している。
本研究では,問合せパイプラインによる意思決定を支援する,エッジクラウドに精通したLLMベースの知識システムについて検討する。
論文 参考訳(メタデータ) (2025-12-23T03:10:09Z) - LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。
我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。
本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
論文 参考訳(メタデータ) (2025-12-01T11:27:09Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳(メタデータ) (2025-09-26T23:40:47Z) - COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。
COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。
リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
論文 参考訳(メタデータ) (2025-06-25T07:04:49Z) - Data-Driven Calibration of Prediction Sets in Large Vision-Language Models Based on Inductive Conformal Prediction [0.0]
動的しきい値キャリブレーションとクロスモーダル整合性検証を統合したモデル非依存不確実性定量化法を提案する。
このフレームワークは、様々なキャリブレーションとテストの分割比で安定したパフォーマンスを実現し、医療、自律システム、その他の安全に敏感な領域における現実的な展開の堅牢性を強調している。
この研究は、マルチモーダルAIシステムにおける理論的信頼性と実用性の間のギャップを埋め、幻覚検出と不確実性を考慮した意思決定のためのスケーラブルなソリューションを提供する。
論文 参考訳(メタデータ) (2025-04-24T15:39:46Z)
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。