論文の概要: Evolution-Based Timed Opacity under a Universal Observation Model

• arxiv url: http://arxiv.org/abs/2603.26573v1
• Date: Fri, 27 Mar 2026 16:34:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.596319
• Title: Evolution-Based Timed Opacity under a Universal Observation Model
• Title（参考訳）: ユニバーサル観測モデルによる進化的タイムド・オパチー
• Abstract要約: 時間的不透明性に関する既存の文献では、時間的オートマトンの制限されたサブクラスや限られた観測モデルに対して特定の定義を使用している。 本稿では,タイムド・オートマトンのための普遍観測モデルを導入することにより,タイムド・アンパシティの統一的な枠組みを確立する。
• 参考スコア（独自算出の注目度）: 5.49362178188018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing literature on timed opacity uses specific definitions for restricted subclasses of timed automata or limited observation models. This lack of a unified definition makes it difficult to establish formal relationships and compare the expressiveness of different opacity variants. This paper establishes a unified framework for timed opacity by introducing a universal observation model for timed automata. First, we introduce an observation model with full observation of time delay and partial observation of locations, clocks, and events. Second, based on this model, we define the notion of evolution-based timed opacity. Third, we mathematically prove that evolution-based timed opacity strictly implies language-based timed opacity and establish a formal equivalence with execution-time opacity under constrained observations. This framework establishes a unified semantic hierarchy for characterizing the landscape of timed opacity.
• Abstract（参考訳）: 時間的不透明性に関する既存の文献では、時間的オートマトンの制限されたサブクラスや限られた観測モデルに対して特定の定義を使用している。 この統一的な定義の欠如は、形式的な関係を確立し、異なる不透明な不変量の表現性を比較するのを難しくする。 本稿では,タイムド・オートマトンのための普遍観測モデルを導入することにより,タイムド・アンパシティの統一的な枠組みを確立する。 まず、時間遅延をフルに観察し、位置、時計、イベントを部分的に観察する観察モデルを提案する。 第二に、このモデルに基づいて、進化に基づく時間的不透明感の概念を定義する。 第3に,進化に基づく時間的不透明度は言語に基づく時間的不透明度を厳密に意味し,制約された観測下での実行時間的不透明度と公式な等価性を確立することを数学的に証明する。 このフレームワークは、時間的不透明感の景観を特徴づけるための統一的なセマンティック階層を確立する。

関連論文リスト

• Existence Precedes Value: Joint Modeling of Observational Existence and Evolving States in Time Series Forecasting [15.993594186846826]
  実世界の時系列は、しばしばセンサーの休眠、送信遅延、イベント駆動サンプリングのために、非常に不完全で不規則である。 タイムフライ(Timeflies)は、将来の観測可能性推定と価値推定の連立問題として予測を再構築する統合されたフレームワークである。
  論文  参考訳（メタデータ） (2026-06-11T16:59:42Z)
• Tracking the Truth: Object-Centric Spatio-Temporal Monitoring for Video Large Language Models [154.39583176906893]
  大規模言語モデル(ML)は高度な理解を持ち、シーンにおける幻覚の傾向が高い。 これは、時間的モニタリングの失敗、オブジェクトの動的アイデンティティ、状態、そして時間とともに関係を永続的に追跡する能力に起因している、と我々は主張する。 既存のベンチマークでは、局所的な視覚的手がかりや統計的先行によってしばしば解決される1つの最終回答クエリに頼って、この欠陥を曖昧にしている。
  論文  参考訳（メタデータ） (2026-05-09T14:32:36Z)
• Interpretability in Deep Time Series Models Demands Semantic Alignment [19.12673689717747]
  我々は、ディープ時系列モデルにおける解釈可能性について、セマンティックアライメントを追求すべきだと述べる。 一度定着すると、意味的アライメントは時間的進化の下で保持されなければならない。 我々は、セマンティックに整合したディープ時系列モデルのための青写真について概説し、信頼をサポートする特性を特定し、モデル設計への影響について議論する。
  論文  参考訳（メタデータ） (2026-02-02T15:48:30Z)
• TimeSliver : Symbolic-Linear Decomposition for Explainable Time Series Classification [10.148392358711787]
  時系列分類のための新しい説明可能性駆動型ディープラーニングフレームワークTimeSliverを提案する。 TimeSliverは、各時間セグメントの最終的な予測への貢献を符号化し、各時点に意味のある重要なスコアを割り当てることができます。 TimeSliverは26のUEAベンチマークデータセットで、最先端のベースラインの2%以内の予測パフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-01-29T05:42:58Z)
• Priors in Time: Missing Inductive Biases for Language Model Interpretability [58.07412640266836]
  スパースオートエンコーダは、時間とともに概念の独立を前提としており、定常性を暗示している。 本稿では,時間的帰納バイアスを持つ新たな解釈可能性目標である時間的特徴分析を導入し,その表現を2つの部分に分解する。 私たちの結果は、堅牢な解釈可能性ツールの設計において、データにマッチする帰納的バイアスの必要性を浮き彫りにしています。
  論文  参考訳（メタデータ） (2025-11-03T18:43:48Z)
• Beyond Static Perception: Integrating Temporal Context into VLMs for Cloth Folding [6.0914269533287175]
  BiFoldは、視覚的な観察から言語条件のピック・アンド・プレイス・アクションを予測するモデルである。 本稿では,その微調整と時間的コンテキストがテキストと画像領域の効果的なアライメントを可能にすることを示す。
  論文  参考訳（メタデータ） (2025-05-12T14:24:03Z)
• Measurement events relative to temporal quantum reference frames [44.99833362998488]
  我々は,Page-Wootters形式に対する2つの一貫したアプローチを比較し,進化と測定の操作的意味を明らかにする。 非イデアルクロックに対して、浄化された測定手法は時間的非局所進化方程式をもたらすことを示す。 これらのアプローチには運用上の異なる状況が記述されていると論じる。
  論文  参考訳（メタデータ） (2023-08-21T18:26:12Z)
• OpenSTL: A Comprehensive Benchmark of Spatio-Temporal Predictive Learning [67.07363529640784]
  提案するOpenSTLは,一般的なアプローチを再帰的モデルと再帰的モデルに分類する。 我々は, 合成移動物体軌道, 人間の動き, 運転シーン, 交通流, 天気予報など, さまざまな領域にわたるデータセットの標準評価を行う。 リカレントフリーモデルは、リカレントモデルよりも効率と性能のバランスが良いことがわかった。
  論文  参考訳（メタデータ） (2023-06-20T03:02:14Z)
• Instructed Diffuser with Temporal Condition Guidance for Offline Reinforcement Learning [71.24316734338501]
  テンポラリ・コンポラブル・ディフューザ(TCD)を用いた実効時間条件拡散モデルを提案する。 TCDは、相互作用シーケンスから時間情報を抽出し、時間条件で生成を明示的にガイドする。 提案手法は,従来のSOTAベースラインと比較して最高の性能を達成または一致させる。
  論文  参考訳（メタデータ） (2023-06-08T02:12:26Z)
• TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
  本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。 提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。 私たちのコードはGitHubで公開されます。
  論文  参考訳（メタデータ） (2023-01-05T22:10:16Z)

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。