論文の概要: Learning Temporal Logic Properties: an Overview of Two Recent Methods
- arxiv url: http://arxiv.org/abs/2212.00916v1
- Date: Fri, 2 Dec 2022 00:32:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 16:22:44.891702
- Title: Learning Temporal Logic Properties: an Overview of Two Recent Methods
- Title（参考訳）: 時間論理特性の学習 : 最近の2つの方法の概要
- Authors: Jean-Rapha\"el Gaglione, Rajarshi Roy, Nasim Baharisangari, Daniel
Neider, Zhe Xu, Ufuk Topcu
- Abstract要約: 正あるいは負とラベル付けされた例から線形時間論理(LTL)公式を学習することで、システムの振る舞いの記述を推測することが可能になる。
2つの異なる問題設定における例から公式を学習する2つの方法を提案する。
- 参考スコア（独自算出の注目度）: 27.929058359327186
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning linear temporal logic (LTL) formulas from examples labeled as
positive or negative has found applications in inferring descriptions of system
behavior. We summarize two methods to learn LTL formulas from examples in two
different problem settings. The first method assumes noise in the labeling of
the examples. For that, they define the problem of inferring an LTL formula
that must be consistent with most but not all of the examples. The second
method considers the other problem of inferring meaningful LTL formulas in the
case where only positive examples are given. Hence, the first method addresses
the robustness to noise, and the second method addresses the balance between
conciseness and specificity (i.e., language minimality) of the inferred
formula. The summarized methods propose different algorithms to solve the
aforementioned problems, as well as to infer other descriptions of temporal
properties, such as signal temporal logic or deterministic finite automata.
- Abstract（参考訳）: 線形時相論理(ltl)の公式を正または負とラベルづけされた例から学ぶと、システムの振る舞いの記述を推測する応用が見つかる。
2つの異なる問題設定の例からLTL式を学習する2つの方法を要約する。
最初の方法は、例のラベル付けにおいてノイズを仮定する。
そのため、ほとんどの例と一致しなければならないが、すべての例とは一致しないLTL式を推論する問題を定義する。
第2の方法は、正の例のみを与える場合に有意義なLTL式を推測する他の問題を考える。
したがって、第1の方法はノイズに対するロバスト性に対処し、第2の方法は推論された公式の簡潔さと特異性(すなわち言語極小性)のバランスに対処する。
要約した手法では、上記の問題を解決するアルゴリズムや、信号時相論理や決定論的有限オートマトンなどの時間的特性の他の記述を推測するアルゴリズムが提案されている。
関連論文リスト
- Learning Interpretable Temporal Properties from Positive Examples Only [27.929058359327186]
我々は,人間の解釈可能なモデルを用いて,ブラックボックスシステムの時間的挙動を説明する問題を考察する。
我々は決定論的有限オートマトン(DFAs)と線形時間論理(LTL)の基本的な解釈可能なモデルに依存している。
私たちのモチベーションは、特にブラックボックスシステムから否定的な例を観察することは一般的に困難であるということです。
論文 参考訳（メタデータ） (2022-09-06T17:04:09Z) - A Lagrangian Duality Approach to Active Learning [119.36233726867992]
トレーニングデータのサブセットのみをラベル付けするバッチアクティブな学習問題を考察する。
制約付き最適化を用いて学習問題を定式化し、各制約はラベル付きサンプルにモデルの性能を拘束する。
数値実験により,提案手法は最先端の能動学習法と同等かそれ以上に機能することを示した。
論文 参考訳（メタデータ） (2022-02-08T19:18:49Z) - Adaptive neighborhood Metric learning [184.95321334661898]
適応的近傍距離距離学習(ANML)という新しい距離距離距離距離距離距離学習アルゴリズムを提案する。
ANMLは線形埋め込みと深層埋め込みの両方を学ぶのに使うことができる。
本手法で提案するemphlog-exp平均関数は,深層学習手法をレビューするための新たな視点を与える。
論文 参考訳（メタデータ） (2022-01-20T17:26:37Z) - Scalable Anytime Algorithms for Learning Formulas in Linear Temporal
Logic [2.631744051718347]
トレースを分類する公式を学習する際の問題点を考察する。
既存の解には2つの制限がある: それらは小さな公式を超えてスケールせず、結果を返すことなく計算資源を消費する。
我々は,両問題に対処する新しいアルゴリズムを導入する。我々のアルゴリズムは,従来よりも桁違いに大きい式を構築でき,いつでも可能である。
論文 参考訳（メタデータ） (2021-10-13T13:57:31Z) - Graph Signal Restoration Using Nested Deep Algorithm Unrolling [85.53158261016331]
グラフ信号処理は、センサー、社会交通脳ネットワーク、ポイントクラウド処理、グラフネットワークなど、多くのアプリケーションにおいてユビキタスなタスクである。
凸非依存型深部ADMM(ADMM)に基づく2つの復元手法を提案する。
提案手法のパラメータはエンドツーエンドでトレーニング可能である。
論文 参考訳（メタデータ） (2021-06-30T08:57:01Z) - Uncertainty-Aware Signal Temporal logic [21.626420725274208]
既存の時間論理推論手法は、データの不確かさをほとんど無視する。
本稿では,不確実性を考慮した信号時間論理(STL)推論手法を提案する。
論文 参考訳（メタデータ） (2021-05-24T21:26:57Z) - Learning Linear Temporal Properties from Noisy Data: A MaxSAT Approach [22.46055650237819]
雑音の存在下でも簡潔な公式を推測するための2つのアルゴリズムを考案する。
我々の第一のアルゴリズムは、推論問題を満足できる問題に還元することで最小の式を推論する。
第2の学習アルゴリズムは、決定木学習アルゴリズムに基づく公式上の決定木を導出する第1のアルゴリズムに依存している。
論文 参考訳（メタデータ） (2021-04-30T16:06:03Z) - Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。
本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文 参考訳（メタデータ） (2020-12-09T20:19:32Z) - Learning explanations that are hard to vary [75.30552491694066]
例を越えた平均化は、異なる戦略を縫合する記憶とパッチワークのソリューションに有利であることを示す。
そこで我々は論理ANDに基づく単純な代替アルゴリズムを提案し,実験的に検証する。
論文 参考訳（メタデータ） (2020-09-01T10:17:48Z) - Conditional gradient methods for stochastically constrained convex
minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。
私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。
提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文 参考訳（メタデータ） (2020-07-07T21:26:35Z) - Learning Interpretable Models in the Property Specification Language [6.875312133832079]
IEEE標準時相論理PSLにおける公式の学習アルゴリズムを開発した。
私たちの研究は、n番目の点ごとに起こる事象のような多くの自然の性質が、言葉で表現できないという事実に動機づけられている。
論文 参考訳（メタデータ） (2020-02-10T11:42:50Z)
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。