Chrome Extension
WeChat Mini Program
Use on ChatGLM

Manifestation Location-based Classification of Uncertainty Factors Considering Characteristics of System-of-Systems

KIISE Transactions on Computing Practices(2020)

Cited 1|Views9
Abstract
시스템 오브 시스템즈(System-of-Systems, SoS)는 다양한 구성시스템들로 구성된 대규모의 복잡한 시스템을 말한다. SoS의 목표 달성 여부를 확인하기 위해 전체 시스템에 대한 모델링과 검증이 필요하다. 한편, 구성시스템들은 다양한 환경적 요소에 의한 불확실성에 노출되어, SoS의 목표 달성 여부를 정확히 검증하기 위해서는 불확실성을 고려해야 한다. 그러나 SoS의 특성을 고려한 불확실성 요소를 체계적으로 분류한 연구가 부족하다. 따라서 본 논문에서는 SoS의 특성을 고려한 불확실성 요소 분류 체계를 제안한다. 제안하는 분류 체계는 불확실성을 발현 위치를 기반으로 문맥, 구조, 입력 변수, 매니저, 런타임의 다섯 가지로 분류한다. 제안하는 분류 체계는 두 종류의 SoS에 사례 적용된다. 제안하는 분류 체계를 통해 SoS를 검증할 때 발현할 수 있는 모든 불확실성을 충분히 고려할 수 있으며, SoS 대상 성능평가 및 검증 기술 연구의 신뢰를 높일 수 있을 것이다.
More
Translated text
求助PDF
上传PDF
Bibtex
AI Read Science
AI Summary
AI Summary is the key point extracted automatically understanding the full text of the paper, including the background, methods, results, conclusions, icons and other key content, so that you can get the outline of the paper at a glance.
Example
Background
Key content
Introduction
Methods
Results
Related work
Fund
Key content
  • Pretraining has recently greatly promoted the development of natural language processing (NLP)
  • We show that M6 outperforms the baselines in multimodal downstream tasks, and the large M6 with 10 parameters can reach a better performance
  • We propose a method called M6 that is able to process information of multiple modalities and perform both single-modal and cross-modal understanding and generation
  • The model is scaled to large model with 10 billion parameters with sophisticated deployment, and the 10 -parameter M6-large is the largest pretrained model in Chinese
  • Experimental results show that our proposed M6 outperforms the baseline in a number of downstream tasks concerning both single modality and multiple modalities We will continue the pretraining of extremely large models by increasing data to explore the limit of its performance
Upload PDF to Generate Summary
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Related Papers
Data Disclaimer
The page data are from open Internet sources, cooperative publishers and automatic analysis results through AI technology. We do not make any commitments and guarantees for the validity, accuracy, correctness, reliability, completeness and timeliness of the page data. If you have any questions, please contact us by email: report@aminer.cn
Chat Paper
GPU is busy, summary generation fails
Rerequest