×
尼古拉斯·巴塞特；Thao Dang先生；阿克谢·马姆巴卡姆；若泽·伊格纳西奥·雷格诺·贾拉博

标记模式的学习规范。 （英语） Zbl 07317091号

Bertrand，Nathalie（编辑）等，时间系统的形式化建模和分析。第18届国际会议，FORMATS 2020，奥地利维也纳，2020年9月1日至3日。诉讼程序。查姆：斯普林格。莱克特。注释计算。科学。12288, 76-93 (2020).
小结：在这项工作中，我们引入了一个监督学习框架，用于从信号中的标记模式推断时序逻辑规范，从而可以使用这些公式正确检测未标记样本中的相同模式。输入到训练过程中的输入模式由捕获其出现的布尔信号进行标记。为了表示具有定量特征的模式，我们使用正在增加的参数规范，我们称之为增加参数模式预测（IPPP）。这意味着增加参数的值会使预测的模式在更大的集合上成立。我们使用的一类特殊的参数规范形式是参数信号时序逻辑（PSTL）。本文的主要贡献之一是定义了一种新的度量方法，称为epsilon计数，用于评估所学公式的质量。此测量使我们能够比较两个布尔信号，因此，量化了公式诱导的标记信号与真实标记信号（例如，由专家给出的标记信号）的差异。因此，\（\epsilon\）-计数可以测量不匹配的数量（误报或漏报），最高可达到一定的误差容限\（\ epsilon \）。我们的监督学习框架可以表示为一个具有两个目标函数的多准则优化问题：信号参数公式给出的误报和漏报最小化。我们提供了一种算法来解决这个多准则优化问题。我们的方法在两个案例研究中进行了演示，涉及标记ECG（心电图）数据的特征化和分类。
关于整个系列，请参见[Zbl 1455.68021号].

引用于2文件

MSC公司：

68季度xx 计算理论

关键词：

信号模式匹配；单调规范学习；Pareto多准则优化；信号时序逻辑
PDF格式BibTeX公司 XML格式引用
\textit{N.Basset}等人，Lect。注释计算。科学。12288，76-93（2020；Zbl 07317091）
全文： 内政部 哈尔

参考文献：

[1] ECGFiveDays数据集。http://www.timeseriesclassification.com/description.php？数据集=ECGFiveDays
[2] Pareto前方交叉算法的实现。https://gricad-gitlab.univ-grenoble-alpes.fr/verimag/tempo/multidimensional_search/-/tree/icrossitionAkshay
[3] StlEval\（\epsilon\）-count运算符的实现。https://gricad-gitlab.univ-grenoble-alpes.fr/verimag/tempo/StlEval/-/tree/akshay测试
[4] 标签图案的学习规范（技术报告）。http://www-verimag.imag.fr/TR/TR-2020-1.pdf ·Zbl 07317091号
[5] 阿巴斯，H。；罗迪奥诺娃，A。；马穆拉斯，K。；Bartocci，E。；南非斯莫尔卡；Grosu，R.，心律失常检测的定量正则表达式，IEEE/ACM Trans。计算。生物信息学。，16, 5, 1586-1597 (2019) ·doi:10.1109/TCBB.2018.2885274
[6] 阿鲁尔（Alur，R.）。；Dill，DL，《时间自动机理论》，Theoret。计算。科学。，126, 2, 183-235 (1994) ·Zbl 0803.68071号 ·doi:10.1016/0304-3975（94）90010-8
[7] Asarin，E。；A.Donzé。；马勒，O。；尼科维奇，D。；Khurshid，S。；Sen，K.，时间属性的参数识别，运行时验证，147-160（2012），海德堡：施普林格·doi:10.1007/978-3-642-29860-8_12
[8] Bakhirkin，A。；Basset，N。；Vojnar，T。；Zhang，L.，《STL之外的规范和有效监控》，《系统构建和分析的工具和算法》，79-97（2019），Cham:Springer，Cham·Zbl 1527.68125号 ·doi:10.1007/978-3-030-17465-15
[9] Bakhirkin，A.，Basset，N.，Maler，O.，Requeno，J.I.：从成员资格查询中学习pareto front。工作纸或预印本（2019年）。https://hal.archives-ouvertes.fr/hal-02125140
[10] Bakhirkin，A。；Basset，N。；马勒，O。；Jarabo，J-IR；安德烈女士。；Stoelinga，M.，ParetoLib:用于参数合成的python库，时间系统的形式化建模和分析，114-120（2019），Cham:Springer，Cham·doi:10.1007/978-3-030-29662-97
[11] Bakhirkin，A.，Ferrére，T.，Maler，O.：STL的有效参数识别。摘自：《第21届混合系统国际会议论文集：计算与控制》，HSCC 2018，第177-186页。ACM，纽约（2018）·Zbl 1409.68166号
[12] Bombara，G.，Vasile，C.I.，Penedo，F.，Yasuoka，H.，Belta，C.：使用信号时序逻辑进行数据分类的决策树方法。摘自：《第19届混合系统国际会议论文集：计算与控制》，HSCC 2016，第1-10页。ACM，纽约（2016）·兹比尔1366.68228
[13] Chen，T.、Diciola，M.、Kwiatkowska，M.和Mereacre，A.：用于心脏起搏器定量验证的Simulink混合心脏模型。摘自：《第16届混合系统国际会议论文集：计算与控制》，HSCC 2013，第131-136页。ACM，纽约（2013）·Zbl 1311.92100号
[14] Cutulenco，G.，Joshi，Y.，Narayan，A.，Fischmeister，S.：从系统跟踪中挖掘定时正则表达式。在：第五届软件挖掘国际研讨会论文集，2016年软件挖掘，第3-10页。ACM，纽约（2016）
[15] Dau，H.A.：等人：UCR时间序列分类档案，2018年10月。https://www.cs.ucr.edu/eamonn/time_series_data_2018/
[16] Goldberger，AL，PhysioBank，physiotoolkit，and physoniet:复杂生理信号新研究资源的组成部分，《循环》，101，23，e215-e220（2000）·doi:10.1161/01.CIR.101.23.e215
[17] Jha，S。；Tiwari，A。；南非Seshia；Sahai，T。；Shankar，N.，TeLEx：使用紧密度度量从实证学习信号时序逻辑，形式方法系统。设计。，54, 3, 364-387 (2019) ·Zbl 1425.68349号 ·doi:10.1007/s10703-019-00332-1
[18] Kolmogorov，A.N.，Tikhomirov，V.M.：函数空间中集合的熵和容量。Uspekhi Matematicheskikh Nauk，14（2（86）），386（1959）·Zbl 0090.33503号
[19] Kong，Z.，Jones，A.，Ayala，A.M.，Gol，E.A.，Belta，C.：从数据进行分类和预测的时间逻辑推理。摘自：《第17届混合系统国际会议论文集：计算与控制》（CPS周），HSCC 2014，第273-282页。ACM，纽约（2014）·Zbl 1362.68266号
[20] 孔，Z。；琼斯，A。；Belta，C.，学习和检测异常行为的时间逻辑，IEEE Trans。自动控制，62，3，1210-1222（2017）·Zbl 1368.68283号 ·doi:10.1109/TAC.2016.2585083
[21] Lemieux，C.、Park，D.、Beschatnikh，I.：一般LTL规范挖掘（T）。摘自：第30届IEEE/ACM自动化软件工程国际会议论文集，ASE 2015，第81-92页。IEEE（2015）
[22] Maler，O.：学习部分有序域的单调划分（正在进行中）。工作底稿或预印本（2017年）https://hal.archives-ouvertes.fr/hal-01556243
[23] Mohammadinejad，S.、Deshmukh，J.V.、Puranic，A.G.：网络物理系统模型的采矿环境假设。收录于：第11届ACM/IEEE网络物理系统国际会议记录（即将出版），ICCPS 2020。IEEE（2020）
[24] Mohammadinejad，S.，Deshmukh，J.V.，Puranic，A.G.，Vazquez-Chanlatte，M.，Donzé，A.：使用高效枚举技术对时间序列数据进行可解释分类。摘自：《第23届混合系统国际会议论文集：计算与控制》（即将出版），HSCC 2020。ACM，纽约（2020年）·Zbl 07300850号
[25] Moody，G.B.，Mark，R.G.：MIT-BIH心律失常数据库的影响。IEEE工程医学生物学。杂志20（3），45-50（2001）
[26] Neider，D.，Gavran，I.：学习线性时间特性。摘自：《第18届计算机辅助设计形式方法国际会议论文集》，FMCAD 2011，第1-10页。ACM，奥斯汀（2018）
[27] 尼科维奇，D。；秦，X。；费雷尔，T。；Mateis，C。；Deshmukh，J。；Finkbeiner，B。；Mariani，L.，《用于指定和提取信号特征的形状表达式》，《运行时验证》，292-309（2019），查姆：施普林格，查姆·doi:10.1007/978-3-030-32079-9_17
[28] Vazquez-Chanlatte，M。；Deshmukh，合资企业；金，X。；Seshia，南非；马朱姆达尔，R。；Kunčak，V.，时间序列数据的逻辑聚类和学习，计算机辅助验证，305-325（2017），查姆：斯普林格，查姆·Zbl 1494.68232号 ·数字对象标识代码：10.1007/978-3-319-63387-9_15
[29] Vazquez-Chanlatte，M。；Ghosh，S。；合资公司Deshmukh；Sangiovanni-Vincentelli，A。；Seshia，南非；哥伦比亚特区科伦坡。；Leucker，M.，《使用单调逻辑属性的时间序列学习》，《运行时验证》，389-405（2018），查姆：斯普林格，查姆·doi:10.1007/978-3-030-03769-7_22
[30] von Birgelen，A.，Niggemann，O.：在没有离散事件的情况下，使用自组织映射学习混合时间自动机。摘自：第22届IEEE新兴技术和工厂自动化国际会议记录，ETFA 2017，第1-8页。IEEE（2017）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。