×

学习用于成分验证的最小分离DFA。 (英语) Zbl 1234.68166号

Kowalewski,Stefan(编辑)等人,《系统构建和分析的工具和算法》。2009年3月22日至29日在英国约克举行的第15届国际会议TACAS 2009,是欧洲软件理论与实践联合会议的一部分。诉讼程序。柏林:施普林格出版社(ISBN 978-3-642-00767-5/pbk)。计算机科学讲座笔记550531-45(2009)。
摘要:提出了学习两种不相交正则语言的最小分离DFA的算法,并针对不同的应用进行了调整。最重要的应用之一是学习自动合成验证中的最小上下文假设。本文提出了一种有效的学习算法,称为(L^{text{Sep}}),它学习并生成最小分离DFA。我们的算法在两种输入语言的最小DFA大小的乘积中具有二次查询复杂性。相比之下,Gupta等人的最新算法在两个DFA的大小上具有指数级的查询复杂性。此外,实验结果表明,在随机生成的示例问题上,我们的学习算法明显优于所有现有算法。我们描述了我们的算法如何适用于自动成分验证。根据LTSA基准对修改后的版本进行评估,并与其他自动成分验证方法进行比较。结果表明,在49个基准问题中,我们的算法有30个优于其他算法。
关于整个系列,请参见[Zbl 1157.68007号].

MSC公司:

68问题32 计算学习理论
65年第68季度 形式语言和自动机
60年第68季度 规范和验证(程序逻辑、模型检查等)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Alur,R.,Madhusudan,P.,Nam,W.:通过学习假设进行象征性成分验证。收录:Etessami,K.,Rajamani,S.K.(编辑)CAV 2005。LNCS,第3576卷,第548–562页。斯普林格,海德堡(2005)·兹比尔1081.68601 ·doi:10.1007/11513988_52
[2] Angluin,D.:从查询和反例中学习正则集。信息与计算75(2),87–106(1987)·Zbl 0636.68112号 ·doi:10.1016/0890-5401(87)90052-6
[3] Angluin,D.:等价查询的负面结果。机器学习5(2),121-150(1990)
[4] Barringer,H.、Giannakopoulou,D.、Pésáreanu,C.s.:通过学习实现自动成分验证的证明规则。收录于:SAVCBS 2003,第14-21页(2003)
[5] Chaki,S.、Clarke,E.M.、Sinha,N.、Thati,P.:动态组件替代性分析。In:Fitzgerald,J.S.,Hayes,I.J.,Tarlecki,A.(编辑)FM 2005。LNCS,第3582卷,第512–528页。斯普林格,海德堡(2005)·Zbl 1120.68421号
[6] Chaki,S.、Strichman,O.:优化的基于L*的假设保证推理。收录:Grumberg,O.,Huth,M.(编辑)TACAS 2007。LNCS,第4424卷,第276-291页。斯普林格,海德堡(2007)·Zbl 1147.68568号 ·doi:10.1007/978-3-540-71209-1_22
[7] Chen,Y.-F.,Farzan,A.,Clarke,E.M.,Tsay,Y.-K.,Wang,B.-Y.:学习用于成分验证的最小分离DFA。卡内基梅隆大学技术报告CMU-CS-09-101(2009)·Zbl 1234.68166号
[8] Clarke,E.M.,Grumberg,O.,Peled,D.A.:模型检查。麻省理工学院出版社,剑桥(1999)
[9] Cobleigh,J.M.,Avrunin,G.S.,Clarke,L.A.:分手很难做到:对自动假设保证推理的评估。ACM软件工程与方法汇刊7(2),1–52(2008)·doi:10.1145/1348250.1348253
[10] Cobleigh,J.M.、Giannakopoulou,D.、Psreanu,C.s.:成分验证的学习假设。收录:Garavel,H.,Hatcliff,J.(编辑)TACAS 2003。LNCS,第2619卷,第331-346页。斯普林格,海德堡(2003)·Zbl 1031.68545号 ·文件编号:10.1007/3-540-36577-X24
[11] Farzan,A.,Chen,Y.-F.,Clarke,E.M.,Tsay,Y.-K.,Wang,B.-Y.:将自动成分验证扩展到欧米伽规则语言的整个类别。摘自:Apolloni,B.,Howlett,R.J.,Jain,L.(编辑)KES 2007,第二部分。LNCS,第4693卷,第2-17页。斯普林格,海德堡(2007)·Zbl 1134.68406号
[12] Gheorghiu,M.,Giannakopoulou,D.,Pésáreanu,C.s.:精炼界面字母以进行成分验证。收录:Grumberg,O.,Huth,M.(编辑)TACAS 2007。LNCS,第4424卷,第292-307页。斯普林格,海德堡(2007)·Zbl 1186.68290号 ·doi:10.1007/978-3-540-71209-1_23
[13] Grinchtein,O.,Leucker,M.,Piterman,N.:自动推断网络不变量。收录:Furbach,U.,Shankar,N.(编辑)IJCAR 2006。LNCS(LNAI),第4130卷,第483-497页。斯普林格,海德堡(2006)·兹比尔1222.68379 ·doi:10.1007/11814771_40
[14] Gupta,A.,McMillan,K.L.,Fu,Z.:成分验证的自动假设生成。摘自:Damm,W.,Hermanns,H.(编辑)CAV 2007。LNCS,第4590卷,第420-432页。斯普林格,海德堡(2007)·Zbl 1135.68473号 ·doi:10.1007/978-3-540-73368-345
[15] Paull,M.C.,Unger,S.H.:最小化不完全指定的顺序开关函数中的状态数。电子计算机上的IRE转换EC-8,356–366(1959)·doi:10.10109/TEC.19959.5222697
[16] Pena,J.M.,Oliveira,A.L.:一种简化不完全指定有限状态机的新算法。收录于:ICCAD 1998,第482-489页。纽约ACM出版社(1998年)
[17] Rivest,R.L.,Schapire,R.E.:使用归位序列推断有限自动机。信息与计算103(2),299–347(1993)·Zbl 0786.68082号 ·doi:10.1006/inco.1993.1021
[18] Sinha,N.,Clarke,E.M.:使用惰性学习进行基于SAT的成分验证。摘自:Damm,W.,Hermanns,H.(编辑)CAV 2007。LNCS,第4590卷,第39-54页。斯普林格,海德堡(2007)·Zbl 1135.68483号 ·doi:10.1007/978-3-540-73368-38
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。