論文の概要: Counterexample Classification against Signal Temporal Logic Specifications

• arxiv url: http://arxiv.org/abs/2601.13743v1
• Date: Tue, 20 Jan 2026 08:57:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.234977
• Title: Counterexample Classification against Signal Temporal Logic Specifications
• Title（参考訳）: 信号時相論理仕様に対する反例分類
• Authors: Zhenya Zhang, Parv Kapoor, Jie An, Eunsuk Kang,
• Abstract要約: Signal Temporal Logic (STL) は、ハイブリッドシステムの望ましい振る舞いを特定するための仕様言語として広く採用されている。 実際には、これらの反例は異なる原因から起こりうるので、異なるシステム欠陥に関係している。 パラメトリック信号時間論理(PSTL)を用いて各クラスを表す分類基準を提案する。
• 参考スコア（独自算出の注目度）: 7.16622393795242
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Signal Temporal Logic (STL) has been widely adopted as a specification language for specifying desirable behaviors of hybrid systems. By monitoring a given STL specification, we can detect the executions that violate it, which are often referred to as counterexamples. In practice, these counterexamples may arise from different causes and thus are relevant to different system defects. To effectively address this, we need a proper criterion for classifying these counterexamples, by which we can comprehend the possible violation patterns and the distributions of these counterexamples with respect to the patterns. In this paper, we propose a classification criterion by using parametric signal temporal logic (PSTL) to represent each class. Due to this formalism, identifying the classes of a counterexample requires finding proper parameter values of PSTL that enable a class to include the counterexample. To improve the efficiency of class identification, we further derive an inclusion relation between different classes, and then propose a binary search-like approach over it that significantly prunes the classes needed to query. We implement a prototype tool and experimentally evaluate its effectiveness on two widely-studied systems.
• Abstract（参考訳）: Signal Temporal Logic (STL) は、ハイブリッドシステムの望ましい振る舞いを特定するための仕様言語として広く採用されている。 与えられたSTL仕様をモニタリングすることで、違反する実行を検出します。 実際には、これらの反例は異なる原因から起こりうるので、異なるシステム欠陥に関係している。 この問題に効果的に対処するためには、これらの反例を分類するための適切な基準が必要である。 本稿では,各クラスを表すパラメトリック信号時間論理(PSTL)を用いて分類基準を提案する。 この形式主義により、反例のクラスを特定するには、クラスが反例を含むことができるPSTLの適切なパラメータ値を見つける必要がある。 クラス識別の効率を向上させるため、異なるクラス間の包含関係を導出し、クエリに必要なクラスを著しく引き起こすバイナリ検索のようなアプローチを提案する。 試作ツールを実装し, 広範に研究されている2つのシステムにおいて, その効果を実験的に評価する。

関連論文リスト

• Learning Probabilistic Temporal Logic Specifications for Stochastic Systems [24.82640206181621]
  マルコフ連鎖の集合から簡潔なL仕様を推論する新しい学習アルゴリズムを提案する。 我々はアルゴリズムの有効性を,アルゴリズムによって誘導されるポリシーから学習し,確率論的モデルから学習する2つのユースケースで示す。
  論文  参考訳（メタデータ） (2025-05-17T18:19:35Z)
• 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)
• Algorithmic syntactic causal identification [0.8901073744693314]
  因果的ベイズネット(CBN)の因果的識別は因果的推論において重要なツールである。 d-分離やdo-calculusといった手法を用いた因果同定の定式化は、古典的確率論の数学的言語で表現されている。 古典的確率論を対称モノイド圏の代替公理的基礎に置き換えることで、この制限を解除できることを示す。
  論文  参考訳（メタデータ） (2024-03-14T17:14:53Z)
• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
  Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。 パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。 エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T18:47:11Z)
• On the Complexity of Rational Verification [5.230352342979224]
  合理的検証とは、同時マルチエージェントシステムの時間論理特性が保持する問題を指す。 合理的な検証の複雑さは仕様によって大幅に低減できることを示す。 平均支払ユーティリティ関数によって与えられるプレイヤーの目標を考慮した場合、合理的な検証のための改善された結果を提供する。
  論文  参考訳（メタデータ） (2022-07-06T12:56:22Z)
• When in Doubt: Improving Classification Performance with Alternating Normalization [57.39356691967766]
  分類のための非パラメトリック後処理ステップである交互正規化(CAN)を用いた分類を導入する。 CANは、予測されたクラス確率分布を再調整することで、挑戦的な例の分類精度を向上させる。 多様な分類課題にまたがってその効果を実証的に示す。
  論文  参考訳（メタデータ） (2021-09-28T02:55:42Z)
• Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
  因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。 この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。 実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
  論文  参考訳（メタデータ） (2020-08-02T11:19:36Z)
• Classifier-independent Lower-Bounds for Adversarial Robustness [13.247278149124757]
  理論的には、テストタイムの逆数と雑音の分類例に対するロバスト性の限界を解析する。 最適輸送理論を用いて、与えられた分類問題に対して分類器ができるベイズ最適誤差の変分式を導出する。 一般的な距離ベース攻撃の場合,ベイズ最適誤差に対して明らかな下限を導出する。
  論文  参考訳（メタデータ） (2020-06-17T16:46:39Z)

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。