PulseAugur
实时 11:58:47
English(EN) Uncertainty-Guided Label Rebalancing for CPS Safety Monitoring

新的U-Balance方法通过不确定性改进CPS安全监控

研究人员开发了一种名为U-Balance的新方法,通过解决遥测数据中的极端类别不平衡问题来改进网络物理系统(CPS)的安全监控。该方法利用与安全结果相关的行为不确定性来重新平衡数据集。U-Balance训练一个不确定性预测器,然后采用不确定性引导的标签重平衡机制,将不确定的“安全”窗口重新标记为“不安全”,从而在不生成合成数据的情况下丰富少数类。在无人机基准测试中进行评估,U-Balance取得了0.806的F1分数,显著优于现有方法。 AI

影响 通过提高对罕见不安全事件的检测能力,增强了关键系统的安全监控。

排序理由 该集群包含一篇详细介绍针对特定技术问题的创新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · John Ayotunde, Qinghua Xu, Guancheng Wang, Lionel C. Briand ·

    面向CPS安全监控的不确定性引导标签重平衡

    arXiv:2603.25670v3 Announce Type: replace Abstract: Safety monitoring is essential for Cyber-Physical Systems (CPSs). However, unsafe events are rare in real-world CPS operations, creating an extreme class imbalance that degrades safety predictors. Standard rebalancing techniques…