抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
種々のモデルベースの診断シナリオは,最も好ましい故障説明の計算を必要とする。しかし,音(すなわち,実際の故障説明のみ)と完全(すなわち,すべての説明を返す)である既存のアルゴリズムは,このタスクを達成するために指数関数的空間を必要とする。修復として,記憶制限デバイスとメモリ集約問題事例の両方に関して診断の成功を可能にするため,発見的探索領域から試みとテストされた手法で構築する2つの新しい診断探索アルゴリズムを提案した。第1の方法(dubbed Recursive Best-First Hitting Set Search(RBF-HS))は,Korfのよく知られた再帰性最良探索(RBFS)アルゴリズムに基づいている。著者らは,RBF-HSが,望ましい健全性または完全性特性を犠牲にすることなく,線形空間限界内で,最良一次において,任意の事前定義有限数の故障説明を列挙できることを示した。第2のアルゴリズムは,ハイブリッド最良-第一Hitting集合探索(HBF-HS)と呼ばれ,RBF-HSとReiterの精のHS-ツリーの間のハイブリッドである。アイデアは,実行時間最適化と利用可能なメモリを超えない制約された空間消費の間のトレードオフを見つけることである。特に,両方の提案アルゴリズムは,診断システムおよび使用した推論機構を記述するため,使用した(単調)論理的言語に関係なく,任意のモデルベース診断問題に適用可能である。知識ベースシステム分野からの実世界ベンチマーク,特徴健全性,完全性,最良第一特性,および一般的応用性に関する広範囲な実験を実施し,ReiterのHSツリーが,主に使用される診断探索である,というのは,一般的応用性と同様に,一般的応用性も重要である,という事を,著者らは,その知識ベースシステム分野から,実世界ベンチマークに関して,広範囲な実験を実行したものである,という事を,一般的応用性,および,一般的適用性は,極めて重要で,また,ReiterのHS-ツリーが,主に使用される診断探索である。評価は,故障説明が最小-カルジナリティを最初に計算するとき,HS-ツリーと比較して,RBF-HSが,ほとんどの場合,最大数桁まで,メモリ要求を実質的に削減し,一方,事例の1/3以上において,実行時間を節約できることを明らかにした。故障説明を,HS-Treeと比較して,RBF-HSは,ランタイムオーバヘッドに対して,メモリ節約を,1対1以下に,トレードオフする傾向がある。RBF-HSの代わりにHBF-HSを使用すると,ランタイムオーバヘッドが顕著になると,使用したメモリを合理的に有界に保ちながら,HS-ツリーに匹敵する値まで実行時間を短縮した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】