論文の概要: Compositional Active Learning of Synchronous Systems through Automated Alphabet Refinement

• arxiv url: http://arxiv.org/abs/2504.16624v1
• Date: Wed, 23 Apr 2025 11:30:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 16:44:36.915167
• Title: Compositional Active Learning of Synchronous Systems through Automated Alphabet Refinement
• Title（参考訳）: Alphabet自動リファインメントによる同期システムの合成能動的学習
• Authors: Leo Henry, Thomas Neele, Mohammad Mousavi, Matteo Sammartino,
• Abstract要約: 我々は、未知の分解を伴う同期並列システムの合成学習手法を開発した。 我々のアプローチは、コンポーネントモデルを学習しながら、グローバルアルファベットをコンポーネントアルファベットに自動的に洗練します。 本稿では,これらの概念を実装した合成学習アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.2678472239880052
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Active automata learning infers automaton models of systems from behavioral observations, a technique successfully applied to a wide range of domains. Compositional approaches for concurrent systems have recently emerged. We take a significant step beyond available results, including those by the authors, and develop a general technique for compositional learning of a synchronizing parallel system with an unknown decomposition. Our approach automatically refines the global alphabet into component alphabets while learning the component models. We develop a theoretical treatment of distributions of alphabets, i.e., sets of possibly overlapping component alphabets. We characterize counter-examples that reveal inconsistencies with global observations, and show how to systematically update the distribution to restore consistency. We present a compositional learning algorithm implementing these ideas, where learning counterexamples precisely correspond to distribution counterexamples under well-defined conditions. We provide an implementation, called CoalA, using the state-of-the-art active learning library LearnLib. Our experiments show that in more than 630 subject systems, CoalA delivers orders of magnitude improvements (up to five orders) in membership queries and in systems with significant concurrency, it also achieves better scalability in the number of equivalence queries.
• Abstract（参考訳）: アクティブオートマトン学習は、行動観察からシステムのオートマトンモデルを推定する。 並列システムに対する構成的アプローチが最近出現した。 我々は,著者らを含む利用可能な結果を超える重要な一歩を踏み出し,未知の分解を伴う同期並列システムの合成学習法を開発した。 我々のアプローチは、コンポーネントモデルを学習しながら、グローバルアルファベットをコンポーネントアルファベットに自動的に洗練します。 我々は、アルファベットの分布、すなわち、おそらく重複するコンポーネントアルファベットの集合の理論的な処理を開発する。 我々は,地球観測の不整合を明らかにする反例を特徴付けるとともに,分布を体系的に更新して一貫性を回復する方法を示す。 本稿では,これらの概念を実装した合成学習アルゴリズムを提案する。 我々は、最先端のアクティブラーニングライブラリLearnLibを使用して、CoalAと呼ばれる実装を提供する。 実験の結果, 630以上の被験者システムにおいて, CoalA はメンバシップクエリや並列性の高いシステムにおいて, 最大5桁までの桁数の改善を実現し, 同値クエリのスケーラビリティも向上していることがわかった。

関連論文リスト

• DISCERN: Decoding Systematic Errors in Natural Language for Text Classifiers [18.279429202248632]
  本稿では,テキスト分類器における系統的バイアスを言語説明を用いて解釈するフレームワークであるdisCERNを紹介する。 DISCERNは、2つの大きな言語モデル間の対話ループを用いて、体系的エラーの正確な自然言語記述を反復的に生成する。 本研究では, クラスタを例に挙げるよりも, 言語説明を通して, 系統的バイアスをより効果的に(25%以上相対的に) 効率的に解釈できることを示す。
  論文  参考訳（メタデータ） (2024-10-29T17:04:55Z)
• 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)
• Finding structure in logographic writing with library learning [55.63800121311418]
  書記システムにおける構造を発見するための計算フレームワークを開発する。 我々の枠組みは中国語の表記体系における既知の言語構造を発見する。 図書館学習のアプローチが、人間の認知における構造の形成の基盤となる基本的な計算原理を明らかにするのにどのように役立つかを実証する。
  論文  参考訳（メタデータ） (2024-05-11T04:23:53Z)
• Learning Personalized Models with Clustered System Identification [4.422315636150272]
  本稿では, 線形系モデルにおいて, 異なる系力学から複数の軌道を観測することから, 線形系モデルを学習することの問題点に対処する。 本稿では,各システムがクラスタアイデンティティを交互に推定し,そのダイナミクスを推定するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-03T22:06:49Z)
• Noise-Resilient Ensemble Learning using Evidence Accumulation Clustering [1.7188280334580195]
  アンサンブル学習法は、同じタスクを実行する複数のアルゴリズムを組み合わせて、優れた品質のグループを構築する。 これらのシステムは、ネットワークの各ピアまたはマシンが1つのアルゴリズムをホストし、その結果をそのピアに伝達する分散セットアップによく適合する。 しかし、ネットワークは破損し、アンサンブルの品質に有害な影響を及ぼすピアの予測精度が変化する。 雑音耐性アンサンブル分類法を提案し,精度の向上と乱数誤差の補正を支援する。
  論文  参考訳（メタデータ） (2021-10-18T11:52:45Z)
• Structured Reordering for Modeling Latent Alignments in Sequence Transduction [86.94309120789396]
  本稿では,分離可能な置換の辺りを正確に推定する効率的な動的プログラミングアルゴリズムを提案する。 結果のSeq2seqモデルは、合成問題やNLPタスクの標準モデルよりも体系的な一般化が優れている。
  論文  参考訳（メタデータ） (2021-06-06T21:53:54Z)
• 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)
• Network Classifiers Based on Social Learning [71.86764107527812]
  空間と時間に対して独立に訓練された分類器を結合する新しい手法を提案する。 提案したアーキテクチャは、ラベルのないデータで時間とともに予測性能を改善することができる。 この戦略は高い確率で一貫した学習をもたらすことが示され、未訓練の分類器に対して頑健な構造が得られる。
  論文  参考訳（メタデータ） (2020-10-23T11:18:20Z)
• Self-organizing Democratized Learning: Towards Large-scale Distributed Learning Systems [71.14339738190202]
  民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。 本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。 提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-07-07T08:34:48Z)

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。