論文の概要: A Passive Online Technique for Learning Hybrid Automata from
Input/Output Traces
- arxiv url: http://arxiv.org/abs/2101.07053v1
- Date: Mon, 18 Jan 2021 13:08:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-27 05:46:47.099522
- Title: A Passive Online Technique for Learning Hybrid Automata from
Input/Output Traces
- Title（参考訳）: 入力/出力トレースからハイブリッドオートマタを学習するためのパッシブオンライン手法
- Authors: Iman Saberi, Fathiyeh Faghih, Farzad Sobhi Bavil
- Abstract要約: 非線形サイバー物理システムの入力出力トレースからハイブリッドオートマトンを合成する新しい手法を提案する。
非線形挙動における類似度検出は、そのようなモデルの抽出の主な課題である。
当社のアプローチは受動的であり、ログされたトレースから自動合成を行う際にシステムとのインタラクションは不要である。
- 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: Specification synthesis is the process of deriving a model from the
input-output traces of a system. It is used extensively in test design, reverse
engineering, and system identification. One type of the resulting artifact of
this process for cyber-physical systems is hybrid automata. They are intuitive,
precise, tool independent, and at a high level of abstraction, and can model
systems with both discrete and continuous variables. In this paper, we propose
a new technique for synthesizing hybrid automaton from the input-output traces
of a non-linear cyber-physical system. Similarity detection in non-linear
behaviors is the main challenge for extracting such models. We address this
problem by utilizing the Dynamic Time Warping technique. Our approach is
passive, meaning that it does not need interaction with the system during
automata synthesis from the logged traces; and online, which means that each
input/output trace is used only once in the procedure. In other words, each new
trace can be used to improve the already synthesized automaton. We evaluated
our algorithm in two industrial and simulated case studies. The accuracy of the
derived automata show promising results.
- Abstract（参考訳）: 仕様合成は、システムの入力出力トレースからモデルを導出する過程である。
テスト設計、リバースエンジニアリング、システム識別に広く使われている。
サイバー物理システムにおけるこのプロセスの成果物の一つはハイブリッドオートマトンである。
直感的で、正確で、ツールに依存し、抽象度が高く、離散変数と連続変数の両方のシステムをモデル化できる。
本稿では,非線形サイバー物理システムの入力出力トレースからハイブリッドオートマトンを合成する新しい手法を提案する。
非線形挙動における類似性検出は、そのようなモデルを抽出するための大きな課題である。
動的時間ワープ技術を用いてこの問題に対処する。
私たちのアプローチは受動的であり、ログされたトレースからのオートマトン合成の間、システムとのインタラクションは不要であり、オンラインでは、各入出力トレースが手順で1回だけ使用されることを意味する。
言い換えれば、それぞれの新しいトレースは、既に合成されたオートマトンを改善するために使用できる。
我々は,本アルゴリズムを2つの産業・シミュレーションケーススタディで評価した。
導出オートマトンの精度は有望な結果を示す。
関連論文リスト
- Representing Timed Automata and Timing Anomalies of Cyber-Physical
Production Systems in Knowledge Graphs [51.98400002538092]
本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。
モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
論文 参考訳（メタデータ） (2023-08-25T15:25:57Z) - From system models to class models: An in-context learning paradigm [0.0]
本稿では,1段階の予測と複数段階のシミュレーションという2つの主要な課題に対処する,システム識別のための新しいパラダイムを提案する。
動的システムのクラスを表すメタモデルを学ぶ。
一段階の予測では、GPTのようなデコーダのみのアーキテクチャを使用し、シミュレーション問題ではエンコーダ-デコーダ構造を用いる。
論文 参考訳（メタデータ） (2023-08-25T13:50:17Z) - AI Enhanced Control Engineering Methods [66.08455276899578]
我々は、AIツールがアプリケーションを制御するのにどのように役立つかを探求する。
直近の2つの応用は、局所安定性解析やカルマンフィルタを用いた状態推定のための系力学の線形化である。
さらに、モデル予測制御アプリケーションにおける状態ベクトルのグローバルパラメータ化と制御入力に対する機械学習モデルの利用について検討する。
論文 参考訳（メタデータ） (2023-06-08T20:31:14Z) - 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) - 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) - Automated Synthesis of Steady-State Continuous Processes using
Reinforcement Learning [0.0]
強化学習は、概念設計の事前知識を必要とせずに自動フローシート合成に使用できる。
フローシート合成は、2人の競技者のゲームとしてモデル化される。
この方法は四元系における反応蒸留プロセスにうまく適用される。
論文 参考訳（メタデータ） (2021-01-12T11:49:34Z) - 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) - A Kernel Two-sample Test for Dynamical Systems [7.198860143325813]
データストリームが同じ分布から引き出されるかどうかを評価することは、さまざまな機械学習問題の中心にある。
これは、生体医療、経済、工学システムにおいて、そのようなシステムが多くの現実世界のプロセスに不可欠であるため、動的システムによって生成されるデータに特に関係している。
i) 関連するメトリックにおける自己相関を捉える混合の概念を導入し、(ii) データにのみ依存する混合の速度を推定する効率的な方法を提案し、(iii) 確立されたカーネルの2サンプルテストに統合する。
論文 参考訳（メタデータ） (2020-04-23T11:57:26Z) - Controlled time series generation for automotive software-in-the-loop
testing using GANs [0.5352699766206808]
オートマチックメカトロニクスシステムのテストは、部分的にはソフトウェア・イン・ザ・ループ・アプローチを使用し、システム・アンダー・テストのインプットを体系的にカバーすることが大きな課題である。
ひとつのアプローチは、テストプロセスの制御とフィードバックを容易にする入力シーケンスを作成することだが、現実的なシナリオにシステムを公開できない。
もうひとつは、現実を説明できるフィールド操作から記録されたシーケンスを再生するが、広く使われるには十分なキャパシティの十分なラベル付きデータセットを収集する必要があるため、コストがかかる。
この研究は、GAN(Generative Adrial Networks)のよく知られた教師なし学習フレームワークを適用して、記録された車内データのラベルなしデータセットを学習する。
論文 参考訳（メタデータ） (2020-02-16T16:19:29Z)
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。