Mar, 2024

智能系统安全关键稀有事件的准确概率预测

PDF
TL;DR本研究提出了一种多阶段学习框架以解决罕见事件的数据不平衡问题，并且成功开发了一种在评估智能系统安全性方面具有更高精确度和可靠性的关键性预测模型。
intelligent systemssafety-critical eventscriticality prediction modelmulti-stage learning frameworkcurse of rarity
发现论文，激发创造
  • 神经桥抽样用于评估安全关键自主系统

    本文提出了一种基于概率方法的安全性评估模拟方法，能够快速地对危险事件进行探测和评估，并证明了方法在统计和计算效率方面的优越性，最后在多种场景下进行了测试，证明了该方法对于开发和测试安全关键自主系统的敏感性分析和模型比较的重要性。

    Aug, 2020

  • 稀有事件预测的综述

    稀有事件预测是使用机器学习和数据分析识别和预测低概率事件。由于数据分布不均衡，普通事件的频率远远超过稀有事件，需要在机器学习流程中的每个步骤中使用专门的方法，从数据处理到算法到评估协议。该论文全面综述了稀有事件预测的当前方法在四个方面：稀有事件数据，数据处理，算法方法和评估方法。它旨在找出当前文献中的差距并突出预测稀有事件的挑战。它还提出了潜在的研究方向，可帮助指导从业人员和研究人员。

    Sep, 2023

  • 一种深度强化学习方法用于罕见事件估计

    本研究旨在提出适用于顺序决策系统的两种自适应重要性采样算法，以高效地评估罕见事件的概率。该方法基于状态依赖的提议分布与目标分布之间的 Kullback-Leibler 散度最小化，用于减少精度方面的误差和处理多峰性提议分布的问题，并将多重重要性采样应用于多种基线以显示准确性改进。

    Nov, 2022

  • 构建安全可靠的用于安全关键任务的视觉与语言处理的人工智能系统

    AI 系统在各个领域取得了令人瞩目的成绩，然而其安全性和可靠性仍然是一个重要的关注点，特别是对于安全关键任务。本论文旨在通过进一步开发当前技术来确保安全关键任务的准确模型不确定性。

    Aug, 2023

  • 利用深度神经网络的关键系统安全框架

    本文提出了一个基于贝叶斯分析的安全性论据框架，该框架使用运行数据和最新的深度学习验证技术，支持多种形式的预测，并针对实际的关键系统进行了建模和验证。

    Mar, 2020

  • 自动驾驶危急情况解释中的因果关系理解

    为确保自动驾驶系统的安全运行，该研究引入了因果查询的正式化，建立了抽象的安全原则，从而降低与关键影响因素相关的临界性，并对数据采集、模型质量等方面做出了贡献。

    Oct, 2022

  • 评估数据丰富方法在制造业罕见事件分析中的作用

    评估数据丰富技术与监督机器学习技术在罕见事件检测和预测中的作用，并发现数据丰富程序可以显著提高罕见故障事件的检测和预测性能。

    Jul, 2024

  • 基于图像控制的自主安全概率的校准预测

    通过基于生成世界模型的可配置学习流水线，在不需要低维状态的情况下解决了在线安全预测问题，并提供了统计校准的安全机会预测保证。通过对图像控制系统的两个案例研究（赛车和平衡杆）进行广泛评估。

    Aug, 2023

  • 基于固有安全设计和运行时错误检测的安全关键应用深度学习认证框架

    基于深度学习的认证在安全关键应用中是一个非常重要的问题，本文通过研究使用于航空等安全关键领域的实际问题，调查机器学习研究社区中针对深度学习系统鲁棒性和可靠性验证的方法学，并提出了一个新的基于安全设计和运行时错误检测的深度学习认证框架。

    Mar, 2024

  • 决策算法评估多模态安全关键场景生成

    该研究提出了一种基于流的多模态安全关键场景生成器用于评估决策算法的鲁棒性，并使用六个强化学习算法进行实验，从而得出了它们的鲁棒性。

    Sep, 2020