論文の概要: Learning event-driven switched linear systems

• arxiv url: http://arxiv.org/abs/2009.12831v1
• Date: Sun, 27 Sep 2020 12:32:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-14 04:00:33.919852
• Title: Learning event-driven switched linear systems
• Title（参考訳）: イベント駆動スイッチング線形システムの学習
• Authors: Atreyee Kundu and Pavithra Prabhakar
• Abstract要約: ブラックボックス切替線形システムの同定のための自動理論学習アルゴリズムを提案する。 我々のアルゴリズムはまず、与えられたイベントの入力シーケンス上で実行されるシステムのノードラベルを取得するためにオラクルを使用し、次にAngluin(L*)-algorithmを拡張して、与えられたFAの言語を受け入れるFAを決定する。
• 参考スコア（独自算出の注目度）: 7.766921168069532
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an automata theoretic learning algorithm for the identification of black-box switched linear systems whose switching logics are event-driven. A switched system is expressed by a deterministic finite automaton (FA) whose node labels are the subsystem matrices. With information about the dimensions of the matrices and the set of events, and with access to two oracles, that can simulate the system on a given input, and provide counter-examples when given an incorrect hypothesis automaton, we provide an algorithm that outputs the unknown FA. Our algorithm first uses the oracle to obtain the node labels of the system run on a given input sequence of events, and then extends Angluin's \(L^*\)-algorithm to determine the FA that accepts the language of the given FA. We demonstrate the performance of our learning algorithm on a set of benchmark examples.
• Abstract（参考訳）: 本稿では,スイッチング論理がイベント駆動であるブラックボックススイッチング線形システムの同定のためのオートマトン理論学習アルゴリズムを提案する。 スイッチングシステムは、ノードラベルがサブシステム行列である決定論的有限オートマトン(fa)によって表現される。 行列と事象の集合の次元に関する情報と、2つのオラクルへのアクセスにより、与えられた入力に対してシステムをシミュレートし、誤った仮説オートマトンを与えられたとき、反例を与えることができるので、未知のFAを出力するアルゴリズムを提供する。 提案アルゴリズムはまず,与えられたイベントの入力シーケンス上で実行されるシステムのノードラベルを取得し,次に Angluin の \(L^*\)-algorithm を拡張して,与えられた FA の言語を受け入れる FA を決定する。 ベンチマークの例で学習アルゴリズムの性能を示す。

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)
• Unified Functional Hashing in Automatic Machine Learning [58.77232199682271]
  高速に統一された関数型ハッシュを用いることで,大きな効率向上が得られることを示す。 私たちのハッシュは"機能的"であり、表現やコードが異なる場合でも同等の候補を識別します。 ニューラルアーキテクチャ検索やアルゴリズム発見など、複数のAutoMLドメインで劇的な改善がなされている。
  論文  参考訳（メタデータ） (2023-02-10T18:50:37Z)
• Online Regenerative Learning [0.0]
  入力による目的関数を最大化するオンライン線形プログラミング(OLP)問題について検討する。 このタイプの OLP を解析する様々なアルゴリズムの性能は、入力が i.i.d 分布に従うとよく研究される。
  論文  参考訳（メタデータ） (2022-09-18T21:04:56Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Efficient Linearizability Checking for Actor-based Systems [0.3157031081861668]
  本稿では,分散アクタシステムの特定,合成,テストを行う統合フレームワークDS2における線形化可能性チェックについて述べる。 DS2は、システムが到着可能な並行スケジュールを自動で探索し、観測されたシステムの出力を比較して、シーケンシャルな実装が生成したものと同等であることを保証する。
  論文  参考訳（メタデータ） (2021-10-13T00:09:48Z)
• Classification of Discrete Dynamical Systems Based on Transients [0.0]
  決定論的離散空間と時間力学系の任意のクラスに適用可能な新しい分類法を提案する。 順序付けられた振る舞いからカオスへのフェーズ移行に対応する、行動の重要な領域を特定できたのです。 私たちの仕事は、複雑な構造が現れるシステムの設計に利用できます。
  論文  参考訳（メタデータ） (2021-08-03T15:34:01Z)
• Online Learning Probabilistic Event Calculus Theories in Answer Set Programming [70.06301658267125]
  イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。 本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。 その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
  論文  参考訳（メタデータ） (2021-03-31T23:16:29Z)
• 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)
• 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。