論文の概要: Active learning of timed automata with unobservable resets

• arxiv url: http://arxiv.org/abs/2007.01637v2
• Date: Wed, 8 Jul 2020 07:30:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 06:18:22.816336
• Title: Active learning of timed automata with unobservable resets
• Title（参考訳）: 観測不能リセットによる時間自動学習
• Authors: L\'eo Henry, Nicolas Markey, Thierry J\'eron
• Abstract要約: 時間付き言語の能動的学習は、観察された単語からの時間付きオートマトンの推定に関係している。 このフレームワークの最大の難しさは、時間付きオートマトンの中心となるクロックリセットの推論である。 我々は、このフレームワークを、リセットなしイベント記録オートマトンと呼ばれる新しいクラスに一般化する。
• 参考スコア（独自算出の注目度）: 0.5801044612920815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active learning of timed languages is concerned with the inference of timed automata from observed timed words. The agent can query for the membership of words in the target language, or propose a candidate model and verify its equivalence to the target. The major difficulty of this framework is the inference of clock resets, central to the dynamics of timed automata, but not directly observable. Interesting first steps have already been made by restricting to the subclass of event-recording automata, where clock resets are tied to observations. In order to advance towards learning of general timed automata, we generalize this method to a new class, called reset-free event-recording automata, where some transitions may reset no clocks. This offers the same challenges as generic timed automata while keeping the simpler framework of event-recording automata for the sake of readability. Central to our contribution is the notion of invalidity, and the algorithm and data structures to deal with it, allowing on-the-fly detection and pruning of reset hypotheses that contradict observations, a key to any efficient active-learning procedure for generic timed automata.
• Abstract（参考訳）: 時間付き言語のアクティブラーニングは、観察された時間付き単語から時間付きオートマトンを推論することに関連する。 エージェントは、対象言語における単語のメンバシップを問い合わせたり、候補モデルを提案し、そのターゲットに対する等価性を検証する。 このフレームワークの主な難点は、クロックリセットの推論であり、時間付きオートマタのダイナミクスの中心だが、直接観測できない。 興味深い最初のステップは、クロックリセットが観測と結びつくイベント記録オートマタのサブクラスに制限することですでに実現されている。 一般時間オートマトンを学習するために、この手法をリセットなしイベント記録オートマトン(reset-free event-recording automateda)と呼ばれる新しいクラスに一般化する。 これは、可読性のためにイベント記録自動化のシンプルなフレームワークを維持しながら、ジェネリックタイムドオートマトンと同じ課題を提供する。 私たちの貢献の中心は、無効性の概念とそれを扱うアルゴリズムとデータ構造であり、一般的なタイムドオートマトンのための効率的な能動的学習手順の鍵である観測に矛盾するリセット仮説のオンザフライ検出とプルーニングを可能にする。

関連論文リスト

• Learning Quantitative Automata Modulo Theories [17.33092604696224]
  本稿では,学習者が帰納的推論によって有効なオートマトンを推論する,能動的学習アルゴリズムQUINTICを提案する。 本評価では, 累積, 減算, 積, 量的オートマトンを学習するために, 有理理論を利用する。
  論文  参考訳（メタデータ） (2024-11-15T21:51:14Z)
• Bisimulation Learning [55.859538562698496]
  我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。 提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
  論文  参考訳（メタデータ） (2024-05-24T17:11:27Z)
• Continuously Learning New Words in Automatic Speech Recognition [56.972851337263755]
  本稿では,新たな単語認識のための自己教師付き連続学習手法を提案する。 過去の研究から,メモリ拡張型自動音声認識モデルを用いた。 提案手法により,新たな単語の出現頻度が高くなると,新たな単語のパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2024-01-09T10:39:17Z)
• Automata Learning from Preference and Equivalence Queries [17.33092604696224]
  本稿では,能動オートマトン学習問題の新たな変種として,嗜好クエリを用いて有限オートマトンを積極的に学習する手法を提案する。 ReMAPは、クエリの複雑さの最小限の複雑さを、正確な等価クエリの下で正確に推測することが保証されている。 実験により,REMAPを大規模オートマトンにスケールすることは,一貫した教師から正しいオートマトンを学習するのに有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-08-18T04:49:45Z)
• Mitigating the Learning Bias towards Repetition by Self-Contrastive Training for Open-Ended Generation [92.42032403795879]
  GPT2のような事前訓練された言語モデル(LM)は、繰り返しテキストを生成する傾向にあることを示す。 トークンレベルの反復確率の過大評価は学習バイアスに起因している。 LMは文レベルの繰り返しループの原因となる非繰り返しトークンよりも長い範囲依存を用いて繰り返しトークンを予測する。
  論文  参考訳（メタデータ） (2023-07-04T07:53:55Z)
• Self-Supervised Multi-Object Tracking For Autonomous Driving From Consistency Across Timescales [53.55369862746357]
  自己管理型マルチオブジェクトトラッカーは、生のドメイン固有データから学習できるという大きな可能性を秘めている。 しかし、その再識別精度は、監督対象よりも低い。 本稿では,複数の連続フレームから再同定特徴を自己教師付きで学習できる学習目標を提案する。
  論文  参考訳（メタデータ） (2023-04-25T20:47:29Z)
• Neuro-Symbolic Language Modeling with Automaton-augmented Retrieval [129.25914272977542]
  RetoMatonはデータストア上に構築された重み付き有限オートマトンである。 LM推論と並行して、このオートマトンを推論時にトラバースすることは、その複雑さを減少させる。
  論文  参考訳（メタデータ） (2022-01-28T21:38:56Z)
• Semantic Code Classification for Automated Machine Learning [0.0]
  セマンティックコードクラスと呼ばれる単純なアクションのシーケンスを通じて出力を制御する方法を提案する。 本稿では,自然言語から機械学習(NL2ML)データセットにおいて,意味的コード分類タスクを提案し,この問題を解決する方法について議論する。
  論文  参考訳（メタデータ） (2022-01-25T10:40:37Z)
• End to End ASR System with Automatic Punctuation Insertion [0.0]
  本稿では,TED.com から入手可能な transcript を用いて TEDLium データセットの句読点書き起こしを生成する手法を提案する。 また,音声信号から単語と句を同時に出力するエンドツーエンドのASRシステムを提案する。
  論文  参考訳（メタデータ） (2020-12-03T15:46:43Z)
• Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
  本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。 サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
  論文  参考訳（メタデータ） (2020-09-08T16:42:55Z)

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。