文献

J-GLOBAL ID：202202282114857495   整理番号：22A0777755

不確実性を意識した信号時間論理推論【JST・京大機械翻訳】

Uncertainty-Aware Signal Temporal Logic Inference

著者 (5件)： Baharisangari Nasim (School for Engineering of Matter, Transport and Energy, Arizona State University, Tempe, AZ, USA) ,  Gaglione Jean-Raphaeel (University of Texas at Austin, Austin, TX, USA) ,  Neider Daniel (Max Planck Institute for Software Systems, Kaiserslautern, Germany) ,  Topcu Ufuk (University of Texas at Austin, Austin, TX, USA) ,  Xu Zhe (School for Engineering of Matter, Transport and Energy, Arizona State University, Tempe, AZ, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13124  ページ： 61-85  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 時間的論理推論は,時間論理式の形でデータからのシステム挙動の形式的記述を抽出するプロセスである。既存の時間論理推論法は,データの不確実性を無視し,実世界展開におけるそのような方法の限られた適用性をもたらす。本論文では,まず,システムの軌跡に関連した不確実性を調べ,間隔軌跡の形でそのような不確実性を表した。次に,システムの望ましくない挙動と望ましい挙動を分類するために,2つの不確実性意識信号時間論理(STL)推論アプローチを提案した。有限に多くの軌跡を分類する代わりに,間隔軌跡内で無限に多くの軌跡を分類した。第1のアプローチでは,STL公式が間隔軌跡によって満足されるか,または違反するマージンを定量化するために,間隔軌跡に関してSTL公式のロバスト意味論を組み込んだ。第2の手法は最初の学習アルゴリズムに依存し,与えられたシステムの挙動を分類するためにSTL公式を推論するために決定木を利用する。また,提案したアプローチは,STL公式の推論における最悪ケースロバスト性マージンを最適化することにより,非分離可能データに対しても働く。最後に,提案アルゴリズムの性能を評価し,得られた数値結果を示し,提案アルゴリズムは,平均で95倍まで計算時間の削減を示し,一方,最悪ケースロバスト性マージンは,サンプリングベースベースラインアルゴリズムと比較して330%まで改善された。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  意味論 ,  システム ,  *不確実性 ,  *論理 ,  軌跡 ,  意識 ,  ディシジョンツリー ,  基準線 ,  *時間論理 ,  *推論 ,  ロバスト性 ,  形式記述 ,  学習アルゴリズム

著者キーワード (3件)： 時間論理推論 ,  不確実性 ,  決定木

分類 (2件)： 人工知能  (JE08000Z) ,  計算理論  (JB02000A)

タイトルに関連する用語 (4件)： 不確実性 ,  意識 ,  時間論理 ,  推論