ترجمه فارسی مقاله تست تحمل خطای ابعادی بالا در وسایل نقلیه بسیار خودکار مبتنی بر مدل‌های رتبه پایین

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 High-Dimensional Fault Tolerance Testing of Highly Automated Vehicles Based on Low-Rank Models
عنوان مقاله به فارسی تست تحمل خطای ابعادی بالا در وسایل نقلیه بسیار خودکار مبتنی بر مدل‌های رتبه پایین
نویسندگان Yuewen Mei, Tong Nie, Jian Sun, Ye Tian
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
دسته بندی موضوعات Software Engineering,Artificial Intelligence,Machine Learning,Robotics,مهندسی نرم افزار , هوش مصنوعی , یادگیری ماشین , روباتیک ,
توضیحات Submitted 28 July, 2024; originally announced July 2024. , Comments: Accepted by ITSC 2024
توضیحات به فارسی ارسال شده 28 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: پذیرفته شده توسط ITSC 2024

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 320,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 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

Ensuring fault tolerance of Highly Automated Vehicles (HAVs) is crucial for their safety due to the presence of potentially severe faults. Hence, Fault Injection (FI) testing is conducted by practitioners to evaluate the safety level of HAVs. To fully cover test cases, various driving scenarios and fault settings should be considered. However, due to numerous combinations of test scenarios and fault settings, the testing space can be complex and high-dimensional. In addition, evaluating performance in all newly added scenarios is resource-consuming. The rarity of critical faults that can cause security problems further strengthens the challenge. To address these challenges, we propose to accelerate FI testing under the low-rank Smoothness Regularized Matrix Factorization (SRMF) framework. We first organize the sparse evaluated data into a structured matrix based on its safety values. Then the untested values are estimated by the correlation captured by the matrix structure. To address high dimensionality, a low-rank constraint is imposed on the testing space. To exploit the relationships between existing scenarios and new scenarios and capture the local regularity of critical faults, three types of smoothness regularization are further designed as a complement. We conduct experiments on car following and cut in scenarios. The results indicate that SRMF has the lowest prediction error in various scenarios and is capable of predicting rare critical faults compared to other machine learning models. In addition, SRMF can achieve 1171 acceleration rate, 99.3% precision and 91.1% F1 score in identifying critical faults. To the best of our knowledge, this is the first work to introduce low-rank models to FI testing of HAVs.

چکیده به فارسی (ترجمه ماشینی)

اطمینان از تحمل گسل وسایل نقلیه بسیار خودکار (HAV) برای ایمنی آنها به دلیل وجود گسلهای بالقوه شدید بسیار مهم است.از این رو ، آزمایش تزریق گسل (FI) توسط پزشکان برای ارزیابی سطح ایمنی HAV ها انجام می شود.برای پوشش کامل موارد تست ، سناریوهای مختلف رانندگی و تنظیمات گسل باید در نظر گرفته شود.با این حال ، به دلیل ترکیب های بیشماری از سناریوهای تست و تنظیمات گسل ، فضای آزمایش می تواند پیچیده و با ابعاد بالا باشد.علاوه بر این ، ارزیابی عملکرد در تمام سناریوهای تازه اضافه شده منبع مصرف است.نادر بودن گسلهای مهم که می تواند باعث ایجاد مشکلات امنیتی شود ، این چالش را بیشتر تقویت می کند.برای پرداختن به این چالش ها ، ما پیشنهاد می کنیم که آزمایش FI را در چارچوب فاکتوریزاسیون ماتریس منظم (SRMF) با ثبات در رده پایین تسریع کنیم.ما ابتدا داده های ارزیابی شده پراکنده را در یک ماتریس ساختاری بر اساس مقادیر ایمنی آن سازماندهی می کنیم.سپس مقادیر آزمایش نشده توسط همبستگی ضبط شده توسط ساختار ماتریس تخمین زده می شود.برای پرداختن به ابعاد بالا ، محدودیت پایین رتبه در فضای آزمایش تحمیل می شود.برای بهره برداری از روابط بین سناریوهای موجود و سناریوهای جدید و ضبط منظم محلی گسلهای بحرانی ، سه نوع تنظیم صافی بیشتر به عنوان یک مکمل طراحی شده اند.ما آزمایشاتی را در مورد اتومبیل انجام می دهیم و سناریوها را بریده می کنیم.نتایج نشان می دهد که SRMF کمترین خطای پیش بینی را در سناریوهای مختلف دارد و قادر به پیش بینی گسلهای مهم نادر در مقایسه با سایر مدلهای یادگیری ماشین است.علاوه بر این ، SRMF می تواند به 1171 سرعت شتاب ، دقت 99.3 ٪ و نمره F1 91.1 ٪ در شناسایی گسلهای مهم دست یابد.به بهترین دانش ما ، این اولین کاری است که مدل های کم رتبه را به آزمایش FI HAV ها معرفی می کند.

📚 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.