論文の概要: On the Time and Frequency Domain Representations of Signals for CPS Specification
- arxiv url: http://arxiv.org/abs/2608.21167v2
- Date: Mon, 24 Aug 2026 10:08:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 18:24:36.897991
- Title: On the Time and Frequency Domain Representations of Signals for CPS Specification
- Title（参考訳）: CPS仕様のための信号の時間と周波数領域表現について
- Authors: Claudio Mandrioli, Drishti Yadav, Domenico Bianculli,
- Abstract要約: 本稿では,CPS(Cyber-Physical Systems)の要件を規定する時間周波数表現について検討する。
時間周波数表現を用いた仕様言語のためのdesiderataを導出し、S2TL(Signal-Spectrum Temporal Logic)を提案する。
我々は,CPSトレースを監視するためのS2TLセマンティクスを運用し,モニタを実装した。
- 参考スコア（独自算出の注目度）: 1.59594089941013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Specification languages are instrumental to the Verification \& Validation of Cyber-Physical Systems (CPSs). Most state-of-the-art specification languages use the time-domain representation of signals, which is not always suitable for describing signal shapes and dynamic behaviours. Instead, fields like control and robotics use the frequency-domain representation to characterise these behaviours. Time-frequency representations combine the capabilities of both domains. We investigate the use of time-frequency representations to specify CPS requirements. We analyse existing taxonomies of CPS requirements to identify which requirement classes can benefit from time-frequency representations. We derive the desiderata for a specification language that uses time-frequency representations and propose Signal-Spectrum Temporal Logic (S2TL), a language enabling assertions over frequency intervals and relations between frequency components. We operationalise the S2TL semantics for monitoring CPS traces, and implement a monitor. We define specification templates for the identified requirement classes and compare time- and time-frequency-domain formulations in terms of applicability, expression fidelity, and noise tolerance of monitoring. We observe that, while time-domain specifications are applicable only to input traces containing step-like changes or using constant interpolation, time-frequency specifications extend their evaluation to traces generated through linear interpolation, and improve tolerance to offset and high-frequency noise, while achieving comparable fidelity to the intended system properties.
- Abstract（参考訳）: 仕様言語は、CPS (Verification \& Validation of Cyber-Physical Systems) の略である。
ほとんどの最先端仕様言語は信号の時間領域表現を用いており、信号の形状や動的な振る舞いを記述するのに必ずしも適していない。
代わりに、制御やロボット工学のような分野は、周波数領域の表現を使ってこれらの振る舞いを特徴づける。
時間周波数表現は両方のドメインの能力を組み合わせる。
本稿では,CPS要求の特定に時間周波数表現を用いる方法について検討する。
我々は、CPS要求の既存の分類を解析し、どの要求クラスが時間周波数表現の恩恵を受けるかを特定する。
本稿では,時間周波数表現を用いた仕様言語のデシラタを導出し,周波数間隔のアサーションと周波数成分間の関係性を実現する言語であるSignal-Spectrum Temporal Logic (S2TL)を提案する。
我々は,CPSトレースを監視するためのS2TLセマンティクスを運用し,モニタを実装した。
特定された要求クラスに対する仕様テンプレートを定義し、適用性、表現の忠実性、監視の耐雑音性の観点から時間周波数領域と時間周波数領域の定式化を比較した。
時間領域仕様はステップ様の変化を含む入力トレースや一定補間のみに適用できるが、時間周波数仕様は線形補間によって生成されたトレースに評価を拡張し、オフセットや高周波ノイズに対する耐性を向上させるとともに、意図したシステム特性に匹敵する忠実性を実現する。
関連論文リスト
- Preliminary Insights in Chronos Frequency Data Understanding and Reconstruction [37.58968387141567]
時系列データを処理する基盤モデルは、実践者が一般的な時間表現を学習できる統一アーキテクチャを提供する。
採用が増えているにもかかわらず、そのようなモデルが基本的な信号特性を符号化する範囲は依然として不十分である。
オンライン最小記述長プローブを用いて、モデルの内部表現における周波数情報の存在と分離性をテストする。
論文 参考訳（メタデータ） (2026-05-07T14:37:54Z) - TS-Haystack: A Multi-Scale Retrieval Benchmark for Time Series Language Models [4.387988928531881]
時系列言語モデル(TSLM)は、自然言語における連続的な信号の推論のための統一モデルとして登場している。
既存のモデルは通常、短いシーケンスでトレーニングされ、評価されるが、現実の時系列センサーストリームは数百万のデータポイントにまたがる。
TS-Haystackは4つのカテゴリにまたがる10のタスクタイプからなる長期コンテキストの時間的評価ベンチマークである。
論文 参考訳（メタデータ） (2026-02-15T15:50:02Z) - Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。
FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
論文 参考訳（メタデータ） (2025-06-10T18:40:20Z) - MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
時系列予測は、周波数の異なる周期特性から導かれる。
マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。
主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-03-11T11:40:14Z) - Retrieval-Augmented Mining of Temporal Logic Specifications from Data [0.46040036610482665]
この研究は、観測された振る舞いからデータ駆動的な方法でSTL要求を学習するタスクに対処する。
本稿では,ベイズ最適化(BO)と情報検索(IR)技術を組み合わせて,STL式の構造とパラメータを同時に学習する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-23T09:29:00Z) - Speech Emotion Recognition via an Attentive Time-Frequency Neural
Network [21.87456615530486]
我々は、音声感情認識(SER)のための注意時間周波数ニューラルネットワーク(ATFNN)を提案する。
具体的には、Transformerエンコーダに基づく周波数領域エンコーダ(F-Encoder)と、Bidirectional Long Short-Term Memory(Bi-LSTM)に基づく時間領域エンコーダ(T-Encoder)を備えたTFNNを設計する。
第2の課題に対処するため,周波数アテンションネットワーク(F-Attention)と時間アテンションネットワーク(T-Attention)を併用して,感情関連周波数帯域と時間フレーム範囲に着目した。
論文 参考訳（メタデータ） (2022-10-22T12:18:26Z) - HyperTime: Implicit Neural Representation for Time Series [131.57172578210256]
暗黙の神経表現(INR)は、データの正確で解像度に依存しないエンコーディングを提供する強力なツールとして最近登場した。
本稿では、INRを用いて時系列の表現を分析し、再構成精度とトレーニング収束速度の点で異なるアクティベーション関数を比較した。
本稿では,INRを利用して時系列データセット全体の圧縮潜在表現を学習するハイパーネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-08-11T14:05:51Z) - Learnable Wavelet Packet Transform for Data-Adapted Spectrograms [0.0]
学習可能なウェーブレットパケット変換のためのフレームワークを提案し,データから自動的に特徴を学習する。
学習した機能はスペクトログラムとして表現することができ、データセットの重要な時間周波数情報を含んでいる。
提案手法の特性と性能を,改良されたスペクトルリークを評価し,音響モニタリングのための異常検出タスクに適用することにより評価した。
論文 参考訳（メタデータ） (2022-01-26T17:28:17Z) - Robust Feature Learning on Long-Duration Sounds for Acoustic Scene
Classification [54.57150493905063]
音響シーン分類(ASC)は、所定の音声信号が記録されるシーンの種類(環境)を特定することを目的としている。
我々は,CNNを訓練するための頑健な特徴学習(RFL)フレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:33:05Z) - Voice2Series: Reprogramming Acoustic Models for Time Series
Classification [65.94154001167608]
Voice2Seriesは、時系列分類のための音響モデルをプログラムする新しいエンドツーエンドアプローチである。
V2Sは20のタスクで性能が優れるか、最先端のメソッドと結びついているかを示し、平均精度を1.84%向上させる。
論文 参考訳（メタデータ） (2021-06-17T07:59:15Z) - Exploiting Attention-based Sequence-to-Sequence Architectures for Sound
Event Localization [113.19483349876668]
本稿では,注意に基づくシーケンス・ツー・シーケンスモデルを用いて,音のイベントの局所化に新たなアプローチを提案する。
それは無響および残響の条件の最先端の方法と比較される優秀なローカリゼーションの性能をもたらします。
論文 参考訳（メタデータ） (2021-02-28T07:52:20Z)
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。