論文の概要: Quantitative Verification of Omega-regular Properties in Probabilistic Programming

• arxiv url: http://arxiv.org/abs/2512.21596v1
• Date: Thu, 25 Dec 2025 09:26:29 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 11:58:42.238372
• Title: Quantitative Verification of Omega-regular Properties in Probabilistic Programming
• Title（参考訳）: 確率計画法におけるOmega-regular特性の定量的検証
• Authors: Peixin Wang, Jianhao Bai, Min Zhang, C. -H. Luke Ong,
• Abstract要約: 時間論理と確率的プログラミングを一体化する新しいフレームワークである時間的時間的時間的時間的時間的推論を導入する。 本研究では,オメガレギュラー特性の確率の満足度に関する上限値と下限値の計算法を開発した。 提案手法をプロトタイプツールTPInferに実装し,ベンチマークで評価する。
• 参考スコア（独自算出の注目度）: 12.097479337434878
• License:
• Abstract: Probabilistic programming provides a high-level framework for specifying statistical models as executable programs with built-in randomness and conditioning. Existing inference techniques, however, typically compute posterior distributions over program states at fixed time points, most often at termination, thereby failing to capture the temporal evolution of probabilistic behaviors. We introduce temporal posterior inference (TPI), a new framework that unifies probabilistic programming with temporal logic by computing posterior distributions over execution traces that satisfy omega-regular specifications, conditioned on possibly temporal observations. To obtain rigorous quantitative guarantees, we develop a new method for computing upper and lower bounds on the satisfaction probabilities of omega-regular properties. Our approach decomposes Rabin acceptance conditions into persistence and recurrence components and constructs stochastic barrier certificates that soundly bound each component. We implement our approach in a prototype tool, TPInfer, and evaluate it on a suite of benchmarks, demonstrating effective and efficient inference over rich temporal properties in probabilistic models.
• Abstract（参考訳）: 確率的プログラミングは、確率性と条件付けを組み込んだ実行可能プログラムとして統計モデルを指定するための高レベルなフレームワークを提供する。 しかし、既存の推論手法は、通常、固定時間点におけるプログラム状態上の後続分布を計算し、たいていは終了時に計算し、確率的行動の時間的進化を捉えない。 本稿では,時間的確率的プログラミングを時間的論理と統一するフレームワークである時間的時間的時間的時間的時間的時間的時間的時間的時間的確率的時間的時間的時間的時間的確率的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的時間的 厳密な量的保証を得るために、我々はオメガ正則特性の満足度に関する上下境界を計算する新しい方法を開発した。 提案手法では,Rabinの受け入れ条件を永続化および繰り返しコンポーネントに分解し,各コンポーネントを健全にバインドする確率障壁証明書を構築する。 提案手法をプロトタイプツールTPInferに実装し,ベンチマークで評価し,確率モデルにおけるリッチな時間特性に対する有効かつ効率的な推論を実証する。

関連論文リスト

• Robust Probabilistic Model Checking with Continuous Reward Domains [1.7829696876801548]
  本稿では,離散時間マルコフ連鎖における連続と離散の報酬分布を扱う新しい手法を提案する。 本手法は,真の分布の統計的特性を保ちながら,理論的に有界な誤差で報酬分布を近似する。
  論文  参考訳（メタデータ） (2025-02-06T22:03:18Z)
• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• Conformal Quantitative Predictive Monitoring of STL Requirements for Stochastic Processes [4.279881803310469]
  Signal Temporal Logic (STL) で与えられたプロセスと豊富な仕様をサポートする最初のPM法である textitquantitative predictive monitoring (QPM) を導入する。 QPMは、$phi$の量的(いわゆる頑健な)STLセマンティクスを予測することで満足度を定量的に測定する。 合成式を扱うために,我々のモニタをどのように構成的に組み合わせることができるかを示す。
  論文  参考訳（メタデータ） (2022-11-04T11:08:29Z)
• Probabilistic Reconciliation of Count Time Series [0.6810856082577402]
  本稿では,コヒーレンシの定義と確率予測の整合性を提案する。 これは実数値変数と数変数の両方に適用できる。 これはベイズの法則の一般化に基づいており、実値変数と数変数の両方を調合することができる。
  論文  参考訳（メタデータ） (2022-07-19T15:23:09Z)
• Distributional Gradient Boosting Machines [77.34726150561087]
  私たちのフレームワークはXGBoostとLightGBMをベースにしています。 我々は,このフレームワークが最先端の予測精度を実現することを示す。
  論文  参考訳（メタデータ） (2022-04-02T06:32:19Z)
• Probabilistic Forecasting with Generative Networks via Scoring Rule Minimization [5.5643498845134545]
  生成ニューラルネットワークを用いて高次元空間上の分布をパラメトリズする。 生成ネットワークをトレーニングし、関心の現象の時間的シーケンスの記録に基づいて、予測順序(または前順序)のスコアリングルールを最小化する。 本手法は,特に確率的キャリブレーションにおいて,最先端の対角法よりも優れている。
  論文  参考訳（メタデータ） (2021-12-15T15:51:12Z)
• Robust and Adaptive Temporal-Difference Learning Using An Ensemble of Gaussian Processes [70.80716221080118]
  本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。 OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。 1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
  論文  参考訳（メタデータ） (2021-12-01T23:15:09Z)
• Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
  複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。 このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。 複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:52:31Z)
• Remaining Useful Life Estimation Under Uncertainty with Causal GraphNets [0.0]
  時系列モデルの構築とトレーニングのための新しいアプローチを提案する。 提案手法は,非定常時系列の予測モデル構築に適している。
  論文  参考訳（メタデータ） (2020-11-23T21:28:03Z)
• Evaluating probabilistic classifiers: Reliability diagrams and score decompositions revisited [68.8204255655161]
  確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。 コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
  論文  参考訳（メタデータ） (2020-08-07T08:22:26Z)

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。