論文の概要: Data-Driven Verification under Signal Temporal Logic Constraints
- arxiv url: http://arxiv.org/abs/2005.05040v1
- Date: Fri, 8 May 2020 08:32:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 13:19:26.074624
- Title: Data-Driven Verification under Signal Temporal Logic Constraints
- Title(参考訳): 信号時間論理制約によるデータ駆動検証
- Authors: Ali Salamati, Sadegh Soudjani, and Majid Zamani
- Abstract要約: 力学が部分的に不明な不確実性のあるシステムを考える。
本研究の目的は,そのようなシステムの軌道による時間論理特性の満足度について研究することである。
本研究では, ベイズ推定手法を用いて, 信頼度と満足度を関連づける。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider systems under uncertainty whose dynamics are partially unknown.
Our aim is to study satisfaction of temporal logic properties by trajectories
of such systems. We express these properties as signal temporal logic formulas
and check if the probability of satisfying the property is at least a given
threshold. Since the dynamics are parameterized and partially unknown, we
collect data from the system and employ Bayesian inference techniques to
associate a confidence value to the satisfaction of the property. The main
novelty of our approach is to combine both data-driven and model-based
techniques in order to have a two-layer probabilistic reasoning over the
behavior of the system: one layer is related to the stochastic noise inside the
system and the next layer is related to the noisy data collected from the
system. We provide approximate algorithms for computing the confidence for
linear dynamical systems.
- Abstract(参考訳): 力学が部分的に不明な不確実性のあるシステムを考える。
本研究の目的は,そのようなシステムの軌道による時間論理特性の満足度を検討することである。
これらの特性を信号時相論理式として表現し、その特性を満たす確率が少なくとも与えられた閾値であるかどうかをチェックする。
ダイナミクスはパラメータ化され、部分的に未知であるため、システムからデータを収集し、信頼度値とプロパティの満足度を関連付けるためにベイズ推論技術を用いる。
提案手法の主な特徴は,システム動作に対する2層確率論的推論を行うために,データ駆動手法とモデルベース手法を併用することである。
線形力学系の信頼度を計算する近似アルゴリズムを提案する。
関連論文リスト
- Modeling Unknown Stochastic Dynamical System Subject to External Excitation [4.357350642401934]
未知の非線形力学系を学習するための数値的手法を提案する。
私たちの基本的な前提は、システムの統治方程式は利用できないということです。
十分な量のI/Oデータが得られる場合,本手法は未知のダイナミクスを学習することができる。
論文 参考訳(メタデータ) (2024-06-22T06:21:44Z) - Data-Driven Reachability Analysis of Stochastic Dynamical Systems with
Conformal Inference [1.446438366123305]
共形推論を用いた離散時間力学系のデータ駆動型到達可能性解析について考察する。
複雑な閉ループ力学を持つ学習可能な制御系に着目する。
論文 参考訳(メタデータ) (2023-09-17T07:23:01Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳(メタデータ) (2023-04-21T02:20:24Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳(メタデータ) (2022-12-01T17:36:30Z) - Formal Verification of Unknown Dynamical Systems via Gaussian Process Regression [11.729744197698718]
安全クリティカルなシナリオにおける自律システムの活用には、不確実性の存在下での行動を検証する必要がある。
本研究では,非モデル化された力学と雑音測定を用いた離散時間力学システムの検証フレームワークを開発した。
論文 参考訳(メタデータ) (2021-12-31T05:10:05Z) - Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。
予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。
本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文 参考訳(メタデータ) (2021-09-06T04:39:06Z) - Reconstructing a dynamical system and forecasting time series by
self-consistent deep learning [4.947248396489835]
ノイズの多い決定論的時系列に自己一貫性のあるディープラーニングフレームワークを導入する。
教師なしフィルタリング、状態空間再構成、基礎となる微分方程式の同定、予測を提供する。
論文 参考訳(メタデータ) (2021-08-04T06:10:58Z) - Mining Interpretable Spatio-temporal Logic Properties for Spatially
Distributed Systems [0.7585262843303869]
本稿では,時間的データに対する教師なし学習のためのアルゴリズムセットを提案する。
本手法は,複雑性決定木手法を用いて,有界記述のSTREL式を生成する。
本研究では, 都市交通, グリーンインフラストラクチャ, 大気質モニタリングなど多様な分野の事例研究におけるアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2021-06-16T04:51:26Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳(メタデータ) (2021-02-15T19:56:48Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳(メタデータ) (2020-10-29T08:27:43Z) - Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。
そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。
本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文 参考訳(メタデータ) (2020-06-18T04:54:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。