論文の概要: Learning Linear Temporal Specifications from Demonstrations with Uncertainty

• arxiv url: http://arxiv.org/abs/2607.10918v1
• Date: Sun, 12 Jul 2026 20:43:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.566548
• Title: Learning Linear Temporal Specifications from Demonstrations with Uncertainty
• Title（参考訳）: 不確実性のあるデモから線形時間仕様を学習する
• Abstract要約: 本稿では,不確実性のある実演から最小の線形時間論理式を学習するための枠組みを提案する。 提案手法を最先端の学習手法に対して評価し,不確実性条件下での基幹構造とより密に整合した仕様を復元することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning temporal logic specifications from system demonstrations is essential for tasks such as formal verification and controller synthesis, especially in safety-critical domains. Existing approaches typically assume demonstrations are correct or only affected by misclassification errors. In practice, however, system traces are often uncertain or incomplete due to sensor faults, measurement errors, or data loss. We present a framework for learning minimal Linear Temporal Logic (LTL) formulas from demonstrations with uncertainty. Our approach models uncertainty via Hamming distance to generate possible estimates around each observed trace, which are grouped with constraints requiring that at least one trace per group is consistent with the learned formula. Our problem is then reduced to an equivalent Pseudo-Boolean Optimization. We evaluate our method against state-of-the-art LTL learning approaches and show that it recovers specifications that more closely align with ground-truth formulas under uncertainty.
• Abstract（参考訳）: システムデモから時間論理の仕様を学習することは、特に安全クリティカルな領域において、形式的検証やコントローラ合成といったタスクに不可欠である。 既存のアプローチでは、デモは正しくないか、誤分類エラーによってのみ影響を受けると仮定するのが一般的である。 しかし実際には、センサーの故障、測定エラー、データ損失などにより、システムトレースが不確実あるいは不完全な場合が多い。 本稿では,不確実性のある実演から最小限の線形時間論理式(LTL)を学習するためのフレームワークを提案する。 我々のアプローチはハミング距離を介して不確実性をモデル化し、各観測されたトレースについて可能な推定値を生成する。 この問題を擬似ブール最適化(Pseudo-Boolean Optimization)に還元する。 提案手法は最先端のLTL学習手法に対して評価し,不確実性条件下での基底構造式とより密に整合した仕様を復元することを示す。

関連論文リスト

• On Synthesis of Metric Interval Temporal Logics [0.5505634045241289]
  本稿では,表現型時間論理の適応型学習に最初に取り組む枠組みを提案する。 我々のアプローチは、タイムドラーニングの問題を、拡張性のある未使用のものに正式に還元します。 いくつかのベンチマークで実装を評価し,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2026-09-01T10:30:46Z)
• Proximal Mediation Analysis with Hidden Recanting Witnesses [6.9475003037956435]
  多くの実践的な設定は、治療によって引き起こされた仲介者-アウトカムの共同設立者として定義される証人が欠席しているか、または完全に知られた先駆者である、という仮定に依存している。 本研究は,未確認の目撃者の存在下での経路特異的な影響を特定することの課題に対処する,3つの新しい識別戦略を開発する。
  論文  参考訳（メタデータ） (2026-06-16T07:07:06Z)
• Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
  本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。 具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
  論文  参考訳（メタデータ） (2026-05-09T15:30:52Z)
• How LLMs Fail and Generalize in RTL Coding for Hardware Design? [56.361436215029045]
  我々は,認知理論に触発された問題解決性に基づく新しい誤り分類法を導入する。 我々の分類学は、障害を構文、意味、解決可能な機能、解決不可能な機能タイプに分類する。
  論文  参考訳（メタデータ） (2026-04-26T14:34:49Z)
• Adaptive Unknown Fault Detection and Few-Shot Continual Learning for Condition Monitoring in Ultrasonic Metal Welding [2.578856520461645]
  超音波金属溶接(UMW)は工業用途で広く用いられているが、工具摩耗、表面汚染、材料変動に敏感である。 本稿では,UMWにおける未知の故障検出と数発連続学習を可能にする適応条件監視手法を提案する。
  論文  参考訳（メタデータ） (2026-04-15T04:37:11Z)
• The Hidden Cost of Approximation in Online Mirror Descent [56.99972253009168]
  オンラインミラー降下(OMD)は、最適化、機械学習、シーケンシャルな意思決定において多くのアルゴリズムの基盤となる基本的なアルゴリズムパラダイムである。 本研究では,不正確なOMDに関する系統的研究を開始し,正規化器の滑らかさと近似誤差に対する頑健さとの複雑な関係を明らかにする。
  論文  参考訳（メタデータ） (2025-11-27T10:09:07Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Neuro-Symbolic Predictive Process Monitoring [7.295472411867107]
  本稿では,データ駆動学習と時間論理に基づく事前知識を統合したニューロシンボリック予測プロセスモニタリング(PPM)手法を提案する。 本稿では,有限トレース(LTLf)上の線形時間論理を自己回帰列予測器のトレーニングプロセスに組み込む新しい手法を提案する。 実世界の3つのデータセットを実験的に評価したところ,本手法は接尾辞予測精度と時間的制約の遵守を改善した。
  論文  参考訳（メタデータ） (2025-08-31T13:07:17Z)
• Understanding and Mitigating Classification Errors Through Interpretable Token Patterns [58.91023283103762]
  容易に解釈可能な用語でエラーを特徴付けることは、分類器が体系的なエラーを起こす傾向にあるかどうかを洞察する。 正しい予測と誤予測を区別するトークンのパターンを発見することを提案する。 提案手法であるPremiseが実際によく動作することを示す。
  論文  参考訳（メタデータ） (2023-11-18T00:24:26Z)
• Learning Prompt-Enhanced Context Features for Weakly-Supervised Video Anomaly Detection [37.99031842449251]
  弱い監督下での映像異常検出は重大な課題を呈する。 本稿では,効率的なコンテキストモデリングとセマンティック識別性の向上に焦点をあてた,弱教師付き異常検出フレームワークを提案する。 提案手法は,特定の異常なサブクラスの検出精度を大幅に向上させ,その実用的価値と有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2023-06-26T06:45:16Z)
• Bounded (O(1)) Regret Recommendation Learning via Synthetic Controls Oracle [6.935657546323529]
  一定嗜好を持つユーザが繰り返し到着するオンライン探索システムでは、後悔の限度が達成される。 この結果は、商品の人気が短命であることが多いレコメンデーションシステムにとって、興味のあるものかもしれない。 本研究は,これらの問題に対処しつつ,いまだに限定された後悔を達成しつつ,理論的研究を行うものである。
  論文  参考訳（メタデータ） (2023-01-29T22:39:50Z)
• Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
  通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。 理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。 本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
  論文  参考訳（メタデータ） (2022-10-12T06:46:38Z)

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。