論文の概要: Probabilistic Model Checking Taken by Storm

• arxiv url: http://arxiv.org/abs/2603.15559v1
• Date: Mon, 16 Mar 2026 17:22:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:58.68832
• Title: Probabilistic Model Checking Taken by Storm
• Title（参考訳）: 嵐による確率的モデル検査
• Authors: Matthias Volk, Linus Heck, Sebastian Junges, Joost-Pieter Katoen, Tim Quatmann,
• Abstract要約: このチュートリアルは、さまざまな分野で人気があるマルコフ決定プロセス(MDP)に焦点を当てている。 Stormは10年前のモデルチェッカーで、パフォーマンスとリッチなPythonベースのエコシステムに優れています。
• 参考スコア（独自算出の注目度）: 5.706572558369409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This tutorial paper presents a hands-on perspective on probabilistic model checking with the Storm model checker. Storm is a decade-old model checker that excels in performance and a rich Python-based ecosystem, which makes it easy to integrate in various workflows. This tutorial focuses on Markov decision processes (MDP), which are popular in a variety of fields. It demonstrates the basic workflow, from Python-based modeling, model checking with a variety of properties, to the extraction of policies. Further, it showcases the support for recent topics that focus on different types of uncertainty, such as interval MDP and POMDP, and the ability to quickly implement simple algorithms on top of existing data structures.
• Abstract（参考訳）: 本チュートリアルでは,ストームモデルチェッカーを用いた確率モデルチェックのハンズオン視点について述べる。 Stormは10年前のモデルチェッカーで、パフォーマンスとリッチなPythonベースのエコシステムに優れており、さまざまなワークフローに簡単に統合できる。 このチュートリアルは、さまざまな分野で人気があるマルコフ決定プロセス(MDP)に焦点を当てている。 Pythonベースのモデリング、さまざまなプロパティによるモデルチェックからポリシーの抽出に至るまで、基本的なワークフローを実証している。 さらに、間隔 MDP や POMDP など、さまざまな不確実性に着目した最近のトピックのサポートや、既存のデータ構造の上にシンプルなアルゴリズムを迅速に実装する機能についても紹介している。

関連論文リスト

• Deep Multivariate Models with Parametric Conditionals [47.20275199636936]
  確率変数の不均一な集合に対する深層多変量モデルについて考察する。 本稿では,各変数群に対する条件付き確率分布を用いて,共同確率分布を表現することを提案する。 それらの学習は、その制限分布のデータ確率を最大化することにより、パラメトリドマルコフ連鎖カーネルのトレーニングとしてアプローチすることができる。
  論文  参考訳（メタデータ） (2026-02-02T11:01:48Z)
• Tsururu: A Python-based Time Series Forecasting Strategies Library [37.84139339249633]
  Tsururuは、SoTAの研究と産業を橋渡しするPythonライブラリである。 グローバルおよび多変量アプローチとマルチステップ予測戦略の柔軟な組み合わせを可能にする。
  論文  参考訳（メタデータ） (2025-09-19T10:26:00Z)
• Predicting the Performance of Black-box LLMs through Self-Queries [60.87193950962585]
  大規模言語モデル(LLM)は、AIシステムにおいてますます頼りになってきている。 本稿では、フォローアッププロンプトを使用し、異なる応答の確率を表現として捉え、ブラックボックス方式でLCMの特徴を抽出する。 これらの低次元表現上で線形モデルをトレーニングすると、インスタンスレベルでのモデル性能の信頼性を予測できることを示す。
  論文  参考訳（メタデータ） (2025-01-02T22:26:54Z)
• BayesBlend: Easy Model Blending using Pseudo-Bayesian Model Averaging, Stacking and Hierarchical Stacking in Python [0.0]
  重みを推定し、複数の(ベイジアン)モデルの予測分布をブレンドするために、BayesBlend Pythonパッケージを導入する。 ベイズブレンドは、モデルウェイトを推定するために擬ベイズモデルの平均化、積み重ね、一意的に階層的ベイズ積み重ねを実装している。 ベイズブレンドの保険損失モデリングの例を例に紹介する。
  論文  参考訳（メタデータ） (2024-04-30T19:15:33Z)
• NoMoPy: Noise Modeling in Python [0.0]
  NoMoPyは隠れマルコフモデル (HMM) としてモデル化されたノイズのフィッティング、解析、生成のためのコードである ここでは、NoMoPyで実装された機能の詳細を説明し、実例問題におけるその利用と性能の例を示す。
  論文  参考訳（メタデータ） (2023-10-31T18:52:05Z)
• Predictable MDP Abstraction for Unsupervised Model-Based RL [93.91375268580806]
  予測可能なMDP抽象化(PMA)を提案する。 元のMDPで予測モデルを訓練する代わりに、学習されたアクション空間を持つ変換MDPでモデルを訓練する。 我々はPMAを理論的に解析し、PMAが以前の教師なしモデルベースRLアプローチよりも大幅に改善することを示す。
  論文  参考訳（メタデータ） (2023-02-08T07:37:51Z)
• PAMI: partition input and aggregate outputs for model interpretation [69.42924964776766]
  本研究では、深層学習モデルが局所的な特徴を集約してモデル予測を行うという観察に基づいて、PAMIと呼ばれるシンプルで効果的な可視化フレームワークを提案する。 基本的な考え方は、入力の大多数を隠蔽し、元のモデル予測に対する保存された入力部の相対的な寄与として対応するモデル出力を使用することである。 複数のタスクに対する大規模な実験により,提案手法は,クラス固有の入力領域をより正確に見つけるために,既存の可視化手法よりも優れていることを確認した。
  論文  参考訳（メタデータ） (2023-02-07T08:48:34Z)
• DeeProb-kit: a Python Library for Deep Probabilistic Modelling [0.0]
  DeeProb-kitはPythonで書かれた統一ライブラリで、DPM(Deep Probabilistic Model)のコレクションで構成されている。 効率的に実装された学習技術、推論ルーチン、統計アルゴリズム、高品質な完全ドキュメントAPIを提供する。
  論文  参考訳（メタデータ） (2022-12-08T17:02:16Z)
• Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
  まず確率分布をモデル化し,そのモデルからサンプリングする。 これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
  論文  参考訳（メタデータ） (2021-10-20T12:25:22Z)

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。