論文の概要: Data-Driven Probabilistic Evaluation of Logic Properties with PAC-Confidence on Mealy Machines
- arxiv url: http://arxiv.org/abs/2508.14710v1
- Date: Wed, 20 Aug 2025 13:38:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-21 16:52:41.470571
- Title: Data-Driven Probabilistic Evaluation of Logic Properties with PAC-Confidence on Mealy Machines
- Title（参考訳）: メカニカルマシン上でのPAC信頼度を考慮した論理特性のデータ駆動確率論的評価
- Authors: Swantje Plambeck, Ali Salamati, Eyke Huellermeier, Goerschwin Fey,
- Abstract要約: 本稿では,メアリーマシンという形で抽象的なCPSを考える。
我々は,n段階の有限地平線上でのシステムの安全性確率を決定するためのデータ駆動型手法を提案する。
自動車線維持システムにおけるケーススタディによるアプローチの検証を行った。
- 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: Cyber-Physical Systems (CPS) are complex systems that require powerful models for tasks like verification, diagnosis, or debugging. Often, suitable models are not available and manual extraction is difficult. Data-driven approaches then provide a solution to, e.g., diagnosis tasks and verification problems based on data collected from the system. In this paper, we consider CPS with a discrete abstraction in the form of a Mealy machine. We propose a data-driven approach to determine the safety probability of the system on a finite horizon of n time steps. The approach is based on the Probably Approximately Correct (PAC) learning paradigm. Thus, we elaborate a connection between discrete logic and probabilistic reachability analysis of systems, especially providing an additional confidence on the determined probability. The learning process follows an active learning paradigm, where new learning data is sampled in a guided way after an initial learning set is collected. We validate the approach with a case study on an automated lane-keeping system.
- Abstract（参考訳）: サイバー物理システム(CPS)は、検証、診断、デバッグといったタスクに強力なモデルを必要とする複雑なシステムである。
多くの場合、適切なモデルが入手できず、手作業による抽出が難しい。
データ駆動型アプローチは、例えば、システムから収集されたデータに基づいて診断タスクと検証問題に対するソリューションを提供する。
本稿では,メアリーマシンという形で抽象的なCPSを考える。
我々は,n段階の有限地平線上でのシステムの安全性確率を決定するためのデータ駆動型手法を提案する。
このアプローチは、確率的略正(PAC)学習パラダイムに基づいている。
したがって、離散論理とシステムの確率的到達可能性解析の関連性、特に決定された確率にさらなる信頼を与える。
学習プロセスは、初期学習セットが収集された後、ガイドされた方法で新しい学習データをサンプリングする、アクティブな学習パラダイムに従う。
自動車線維持システムにおけるケーススタディによるアプローチの検証を行った。
関連論文リスト
- Detecting underdetermination in parameterized quantum circuits [1.1999555634662633]
機械学習における中心的な疑問は、トレーニングされたモデルの予測がどれほど信頼性が高いかである。
下決定問題は下決定問題と呼ばれ、それを検出する方法を開発することが重要である。
量子機械学習(QML)がある種の学習問題に対する古典的な方法の代替として出現するにつれ、その問題は、どの程度過小評価されるかという問題が発生する。
論文 参考訳（メタデータ） (2025-04-04T09:50:13Z) - Data-Driven Reachability Analysis of Stochastic Dynamical Systems with
Conformal Inference [1.446438366123305]
共形推論を用いた離散時間力学系のデータ駆動型到達可能性解析について考察する。
複雑な閉ループ力学を持つ学習可能な制御系に着目する。
論文 参考訳（メタデータ） (2023-09-17T07:23:01Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - 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) - A Meta-learning Approach to Reservoir Computing: Time Series Prediction
with Limited Data [0.0]
本研究では,実験プロセスから適切なモデル構造を自動的に抽出するデータ駆動型手法を提案する。
簡単なベンチマーク問題に対して,我々のアプローチを実証する。
論文 参考訳（メタデータ） (2021-10-07T18:23:14Z) - 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) - Detecting discriminatory risk through data annotation based on Bayesian
inferences [5.017973966200985]
本稿では,与えられたデータセットの判別結果のリスクについて警告することを目的としたデータアノテーション手法を提案する。
機械学習コミュニティが一般的にアクセスする3つのデータセット上で,我々のシステムを実証的にテストする。
論文 参考訳（メタデータ） (2021-01-27T12:43:42Z) - Verification of ML Systems via Reparameterization [6.482926592121413]
確率的プログラムを定理証明器で自動的に表現する方法を示す。
また、ベイズ仮説テストで用いられるヌルモデルは、人口統計学的パリティ(英語版)と呼ばれる公平性基準を満たすことを証明した。
論文 参考訳（メタデータ） (2020-07-14T02:19:25Z) - How Training Data Impacts Performance in Learning-based Control [67.7875109298865]
本稿では,トレーニングデータの密度と制御性能の関係を考察する。
データセットの品質尺度を定式化し、$rho$-gap と呼ぶ。
フィードバック線形化制御法に$rho$-gapを適用する方法を示す。
論文 参考訳（メタデータ） (2020-05-25T12:13:49Z)
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。