ترجمه فارسی مقاله بهینه سازی جعل برای سیستم های کنترل مبتنی بر یادگیری: یک رویکرد بیزی چند وفادار

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Optimizing Falsification for Learning-Based Control Systems: A Multi-Fidelity Bayesian Approach
عنوان مقاله به فارسی بهینه سازی جعل برای سیستم های کنترل مبتنی بر یادگیری: یک رویکرد بیزی چند وفادار
نویسندگان Zahra Shahrooei, Mykel J. Kochenderfer, Ali Baheri
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Systems and Control,Machine Learning,سیستم ها و کنترل , یادگیری ماشین ,
توضیحات Submitted 12 September, 2024; originally announced September 2024. , Comments: 13 pages, 9 figures
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 13 صفحه ، 9 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Testing controllers in safety-critical systems is vital for ensuring their safety and preventing failures. In this paper, we address the falsification problem within learning-based closed-loop control systems through simulation. This problem involves the identification of counterexamples that violate system safety requirements and can be formulated as an optimization task based on these requirements. Using full-fidelity simulator data in this optimization problem can be computationally expensive. To improve efficiency, we propose a multi-fidelity Bayesian optimization falsification framework that harnesses simulators with varying levels of accuracy. Our proposed framework can transition between different simulators and establish meaningful relationships between them. Through multi-fidelity Bayesian optimization, we determine both the optimal system input likely to be a counterexample and the appropriate fidelity level for assessment. We evaluated our approach across various Gym environments, each featuring different levels of fidelity. Our experiments demonstrate that multi-fidelity Bayesian optimization is more computationally efficient than full-fidelity Bayesian optimization and other baseline methods in detecting counterexamples. A Python implementation of the algorithm is available at https://github.com/SAILRIT/MFBO_Falsification.

چکیده به فارسی (ترجمه ماشینی)

کنترل کننده های آزمایش در سیستم های مهم ایمنی برای اطمینان از ایمنی آنها و جلوگیری از خرابی بسیار مهم است.در این مقاله ، ما به مسئله جعل در سیستم های کنترل حلقه بسته مبتنی بر یادگیری از طریق شبیه سازی می پردازیم.این مشکل شامل شناسایی ضد مواردی است که نیازهای ایمنی سیستم را نقض می کند و می تواند به عنوان یک کار بهینه سازی بر اساس این الزامات تدوین شود.استفاده از داده های شبیه ساز کامل در این مشکل بهینه سازی می تواند از نظر محاسباتی گران باشد.برای بهبود کارآیی ، ما یک چارچوب جعلی بهینه سازی بیزی چند وفادار را پیشنهاد می کنیم که شبیه سازها را با سطح مختلف دقت مهار می کند.چارچوب پیشنهادی ما می تواند بین شبیه سازهای مختلف انتقال یابد و روابط معنی داری بین آنها برقرار کند.از طریق بهینه سازی بیزی چند وفاداری ، ما هر دو ورودی بهینه سیستم را تعیین می کنیم که احتمالاً یک نمونه متقابل و سطح وفاداری مناسب برای ارزیابی است.ما رویکرد خود را در محیط های مختلف سالن ورزشی ارزیابی کردیم که هر کدام دارای سطوح مختلف وفاداری هستند.آزمایشات ما نشان می دهد که بهینه سازی بیزی چند وفادار از نظر محاسباتی کارآمدتر از بهینه سازی کامل بیزی و سایر روشهای پایه در تشخیص پیشخوان است.اجرای پایتون از الگوریتم در https://github.com/sailrit/mfbo_falsification در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.