×
安东尼奥·阿纳斯塔西奥·布鲁托·达·科斯塔;帕拉布·达斯古普塔

从实时时间序列中学习时间因果关系。 （英语） Zbl 1497.68411号

J.阿蒂夫。智力。研究（JAIR） 70, 205-243 (2021).
摘要：我们的目标是挖掘时间因果序列，以解释时间序列轨迹中观察到的事件（结果）。时间序列中关键事件的因果解释在设计调试、异常检测、规划、根分析等方面都有应用。我们利用决策树和区间算法挖掘解释时间序列中定义事件的序列。我们提出了改进的决策树构造度量来处理时间维引入的非确定性。挖掘的序列用易于解释的可读时间逻辑语言表示。通过各种示例说明了所提出方法的应用。

引用于1文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62D20型 观察性研究的因果推断
62米10 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

因果关系;决策树;时间推理

软件：

第4.5条;德克萨斯州
PDF格式BibTeX公司 XML格式引用
\textit{A.A.Bruto da Costa}和\textit{P.Dasgupta}，J.Artif。智力。研究（JAIR）70，205--243（2021；Zbl 1497.68411）
全文： 内政部 arXiv公司

参考文献：

[1] Aggarwal，C.C.（2015）。数据挖掘：教科书。斯普林格出版公司·Zbl 1311.68001号
[2] Asarin，E.等人（2012年）。时间属性的参数识别。InProc.公司。第二届运行时验证国际会议，第147-160页。
[3] Bakhirkin，A.等人（2018年）。stl的有效参数识别。在HSCC中，HSCC’18，第177-186页。ACM公司·Zbl 1409.68166号
[4] Chakrabarti，K.等人（2002年）。用于索引大型时间序列数据库的局部自适应降维。ACM事务处理。数据库系统。，27(2), 188-228.
[5] Chang，P.H.，&Wang，L.C.（2010年）。通过模拟跟踪的顺序数据挖掘自动提取断言。在ASP-DAC中，第607-612页。
[6] Chockler，H.等人（2020年）。学习软件错误的语言。J.阿蒂夫。智力。研究，67，881-903·兹比尔1437.68071
[7] Danese，A.等人（2015a）。从行为模型的执行轨迹中自动提取断言。InProc.公司。日期，第67-72页。
[8] Danese，A.等人（2015b）。一种基于时间窗口的控制信号动态断言挖掘方法。InProc.公司。VLSI-SoC，第246-251页。
[9] Esling，P.和Agon，C.（2012年）。时间序列数据挖掘。ACM计算。调查。，45（1），12:1-12:34·Zbl 1293.68104号
[10] Evans，R.和Grefenstette，E.（2018年）。从噪声数据中学习解释规则。J.阿蒂夫。国际研究，61（1），1-64·Zbl 1426.68235号
[11] Faloutsos，C.等人（1994年）。时间序列数据库中的快速子序列匹配。1994年ACM SIGMOD国际数据管理会议记录，SIGMOD'94，第419-429页。ACM公司。
[12] Guo，R.等人（2018）。用数据学习因果关系的调查：问题和方法。CoRR，abs/1809.09337。
[13] IEEE（2010）。1850-2010年：IEEE属性规范语言标准（PSL）(https://standards.ieee.org/findsds/standard/1850-2010.html)..
[14] IEEE（2012）。1800-2012-IEEE SystemVerilog统一硬件设计、规范和验证语言标准(http://standards.ieee.org/findsds/标准/1800-2012.html）。。
[15] Indyk，P.等人（2000年）。使用草图识别大规模时间序列数据集中的代表性趋势。《第26届超大数据库国际会议论文集》，VLDB’00，第363-372页，美国加利福尼亚州旧金山，Morgan Kaufmann Publishers Inc。
[16] J.R.Quinlan（1993）。C4.5：机器学习程序。Morgan Kaufmann Publishers Inc.，美国加利福尼亚州旧金山。
[17] Jin，X.等（2015）。从闭环控制模型中挖掘需求。IEEE集成电路和系统计算机辅助设计汇刊，34（11），1704-1717。
[18] Lemieux，C.等人（2015）。一般ltl规范挖掘（t）。InProc.公司。ASE的。
[19] Ma，J.和Perkins，S.（2003年）。时间序列的在线新颖性检测。第九届ACM SIGKDD知识发现和数据挖掘国际会议论文集，KDD’03，第613-618页，美国纽约州纽约市。
[20] Maler，O.和Nickovic，D.（2004年）。监测连续信号的时间特性。《时间系统形式化建模与分析程序》（FORMATSFTRTFT）。LNCS第3253卷，第152-166页。斯普林格·Zbl 1109.68518号
[21] Mitchell，T.M.（1997）。机器学习（第1版）。McGraw-Hill，Inc.，美国纽约州纽约市·Zbl 0913.68167号
[22] Ott，R.L.和Longnecker，M.T.（2006）。统计方法和数据分析导论（附光盘）。达克斯伯里出版社，美国马萨诸塞州波士顿。
[23] Pearl，J.（1995）。实证研究的因果图。《生物特征》，82（4），669-688·Zbl 0860.62045号
[24] Pearl，J.（2000）。因果关系：模型、推理和推理。剑桥大学出版社，美国纽约州纽约市·Zbl 0959.68116号
[25] Pearl，J.（2019）。因果推理的七种工具，以及对机器学习的反思。Commun公司。美国医学会，62（3），54-60。
[26] Pearl，J.等人（2009年）。统计学中的因果推理：概述。统计调查，396-146·Zbl 1300.62013年
[27] Pnueli，A.（1977年）。程序的时序逻辑。第18届计算机科学基础年度研讨会论文集，SFCS’77，第46-57页，美国华盛顿特区。IEEE计算机学会。
[28] Quinlan，J.R.（1986）。决策树的归纳。马赫。学习。，1(1), 81-106.
[29] Ralanamahatana，C.A.等人（2005年）。挖掘时间序列数据，第1069-1103页。施普林格美国。
[30] Vasudevan，S.等人（2010年）。GoldMine：使用数据挖掘和静态分析自动生成断言。InProc.公司。日期，第626-629页。
[31] Yang，H.等（2012）。查询嵌入式系统上的参数时态逻辑属性。InProf.教授。ICTSS。
[32] Ypma，A.等人（1997年）。使用自组织映射进行新颖性检测。InIn过程。第1322-1325页。斯普林格。
[33] Zhong，S.和Khoshgoftaar，T.M.（2007）。基于聚类的网络入侵检测。国际可靠性、质量和安全工程杂志，14（2），169-187
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。