×
马丁·塔普勒;埃迪·穆什卡丁;伯恩哈德·艾切尼格（Bernhard K.Aichernig）。;药丸，印戈

随机反应系统的主动模型学习。 （英语） Zbl 1522.68348号

Calinescu，Radu（编辑）等人，《软件工程和形式化方法》。第19届国际会议，SEFM 2021，虚拟活动，2021年12月6日至10日。诉讼程序。查姆：斯普林格。莱克特。注释计算。科学。13085, 481-500 (2021).
概述：黑匣子系统本身很难验证。许多验证技术，如模型检查，都需要以形式化模型为基础。然而，这种模型通常不存在，或者可能已经过时。主动自动机学习通过提供从系统交互中自动推断形式化模型来帮助解决这个问题。因此，近年来，自动机学习在验证界受到了广泛关注。这导致了各种效率的提高，为工业应用铺平了道路。然而，大多数研究都集中在确定性系统上。在这里，我们提出了一种有效学习随机反应系统模型的方法。我们的方法适用于马尔可夫决策过程的基于L^*的学习，并将其改进和扩展到随机Mealy机器。我们的评估表明，与之前的工作相比，我们可以将学习成本降低8.7倍。
关于整个系列，请参见[Zbl 1511.68014号].

MSC公司：

60年第68季度 规范和验证（程序逻辑、模型检查等）
68问题32 计算学习理论
65年第68季度 形式语言和自动机
87年第68季度 计算机科学中的概率（算法分析、随机结构、相变等）
90立方厘米 马尔可夫和半马尔可夫决策过程

关键词：

主动自动机学习;模型挖掘;概率验证;随机粉碎机;马尔可夫决策过程

软件：

AALpy公司;棱镜;风暴;探查-黑线
PDF格式BibTeX公司 XML格式引用
\textit{M.Tappler}等人，Lect。注释计算。科学。13085、481--500（2021；Zbl 1522.68348）
全文： 内政部

参考文献：

[1] Aichernig，BK；Pferscher，A。；Tappler，M。；Lee，R。；Jha，S。；Mavridou，A。；Giannakopoulou，D.，《从被动到主动：有效学习时间自动机》，NASA形式方法，1-19（2020），Cham:Springer，Cham·doi:10.1007/978-3-030-55754-6_1
[2] Aichernig，BK；Tappler，M.，概率黑盒可达性检查（扩展版本），形式方法系统。设计。，54116-448（2019）·Zbl 1425.68247号 ·doi:10.1007/s10703-019-00333-0
[3] Aichernig，BK；Tappler，M。；Wallner，F。；Ahrendt，W。；Wehrheim，H.，主动自动机学习的学习和测试算法的基准组合，测试和证明，3-22（2020），查姆：斯普林格，查姆·Zbl 1511.68136号 ·doi:10.1007/978-3-030-50995-8_1
[4] Angluin，D.，从查询和反例中学习正则集，Inf.Compute。，75, 2, 87-106 (1987) ·Zbl 0636.68112号 ·doi:10.1016/0890-5401（87）90052-6
[5] RC卡拉斯科；Oncina，J。；RC卡拉斯科；Oncina，J.，通过状态合并方法学习随机规则语法，语法推理和应用，139-152（1994），海德堡：斯普林格·doi:10.1007/3-540-58473-0_144
[6] RC卡拉斯科；Oncina，J.，从多项式时间的随机样本中学习确定性正则文法，RAIRO:Theor。通知。申请。（RAIRO:ITA），33，1，1-20（1999）·Zbl 0940.68071号 ·doi:10.1051/ita:199102
[7] 卡萨库贝塔，F。；维达尔，E.，用推断出的随机有限状态传感器进行机器翻译，计算。语言学家。，30, 2, 205-225 (2004) ·Zbl 1234.68400号 ·doi:10.1162/0891020104323093294
[8] Chen，Y.，Nielsen，T.D.：用于系统验证的马尔可夫决策过程的主动学习。参见：第十一届机器学习和应用国际会议，ICMLA，美国佛罗里达州博卡拉顿，2012年12月12-15日，第2卷，第289-294页。IEEE（2012）
[9] Dehnert，C。；南部丛林。；卡托恩，J-P；沃尔克，M。；马朱姆达尔，R。；Kunčak，V.，《风暴即将来临：现代概率模型检查器》，《计算机辅助验证》，592-600（2017），查姆：斯普林格，查姆·数字对象标识代码：10.1007/978-3-319-63390-9_31
[10] El-Fakih，K.，Groz，R.，Irfan，M.N.，Shahbaz，M.：在测试环境中学习可观测非确定性系统的有限状态模型。载于：ICTSS 2010，第97-102页（2010）
[11] 菲特尔·乌·布罗什坦，P。；詹森（Janssen，R.）。；Vaandrager，F。；南部乔杜里。；Farzan，A.，《将模型学习和模型检查结合起来分析TCP实现》，《计算机辅助验证》，454-471（2016），Cham:Springer，Cham·数字对象标识代码：10.1007/978-3-319-41540-6_25
[12] 格林斯坦，O。；Jonsson，B。；Leucker，M.，《事件记录自动机的学习》，Theor。计算。科学。，411, 47, 4029-4054 (2010) ·Zbl 1205.68201号 ·doi:10.1016/j.tcs.2010.07.008
[13] de la Higuera，C.，《语法推理：学习自动机和语法》（2010），纽约：剑桥大学出版社，纽约·Zbl 1227.68112号 ·doi:10.1017/CBO9781139194655
[14] Hoeffing，W.，有界随机变量和的概率不等式，美国统计协会，58，301，13-30（1963）·Zbl 0127.10602号 ·doi:10.1080/01621459.1963.10500830
[15] Hungar，H。；O.尼塞。；斯特芬，B。；华盛顿州亨特；Somenzi，F.，自动机学习中的领域特定优化，计算机辅助验证，315-327（2003），海德堡：斯普林格·Zbl 1278.68177号 ·doi:10.1007/978-3-540-45069-6_31
[16] 伊斯伯纳，M。；Howar，F。；斯特芬，B。；Bonakdarpour，B。；Smolka，SA，《TTT算法：主动自动机学习的无冗余方法》，《运行时验证》，307-322（2014），Cham:Springer，Cham·doi:10.1007/978-3-319-11164-326
[17] Kwiatkowska，M。；诺曼，G。；帕克博士。；Gopalakrishnan，G。；Qadeer，S.，PRISM 4.0：概率实时系统验证，计算机辅助验证，585-591（2011），海德堡：施普林格·doi:10.1007/978-3642-22110-147
[18] Mao，H.，Chen，Y.，Jaeger，M.，Nielsen，T.D.，Larsen，K.G.，Niellsen，B.：学习马尔可夫决策过程以进行模型检查。参见：《形式方法中的工程量学报》，QFM 2012。EPTCS，法国巴黎，2012年8月28日，第103卷，第49-63页（2012年）
[19] 毛，H。；陈，Y。；Jaeger，M。；尼尔森，TD；拉森，KG；尼尔森，B.，《从模型检查的角度学习确定性概率自动机》，马赫。学习。，105, 2, 255-299 (2016) ·Zbl 1454.68061号 ·doi:10.1007/s10994-016-5565-9
[20] Margaria，T.、Niese，O.、Raffelt，H.、Steffen，B.：遗留反应式系统的高效基于测试的模型生成。2004年11月10日至12日，美国加利福尼亚州索诺马谷，第九届IEEE国际高水平设计验证和测试研讨会，第95-100页。IEEE计算机学会（2004）
[21] 穆什卡丁，E。；Aichernig，BK；药丸，I。；Pferscher，A。；Tappler，M。；Hou，Z。；Ganesh，V.，AALpy:主动自动机学习库，验证和分析自动化技术，67-73（2021），Cham:Springer，Cham·doi:10.1007/978-3-030-88885-55
[22] Nerode，A.，《线性自动机变换》，Proc。美国数学。Soc.，9，4，541-544（1958年）·Zbl 0089.33403号 ·doi:10.1090/S0002-9939-1958-0135681-9
[23] Pferscher，A。；Aichernig，BK；Casola，V.公司。；De Benedictis，A。；Rak，M.，《学习抽象的非确定性有限状态机》，《测试软件和系统》，52-69（2020），Cham:Springer，Cham·数字对象标识代码：10.1007/978-3-030-64881-74
[24] 铆钉，RL；Schapire，RE，使用归位序列推断有限自动机，Inf.Compute。，103, 2, 299-347 (1993) ·兹比尔0786.68082 ·doi:10.1006/inco.1993.1021
[25] 沙巴兹，M。；格罗兹，R。；卡瓦尔坎蒂，A。；Dams，DR，推断粉状机器，FM 2009:形式方法，207-222（2009），海德堡：施普林格·doi:10.1007/978-3-642-05089-3_14
[26] Tappler，M。；艾切尔尼格，BK；巴奇，G。；艾希塞德，M。；Larsen，KG，基于（L^*\）的马尔可夫决策过程学习（扩展版），形式方面计算。，33, 4, 575-615 (2021) ·Zbl 1519.68106号 ·doi:10.1007/s00165-021-00536-5
[27] Tappler，M。；Aichernig，BK；巴奇，G。；艾希塞德，M。；拉森，KG；MH，ter Beek；McIver，A。；Oliveira，JN，基于L^*的马尔可夫决策过程学习，形式方法-未来30年，651-669（2019），查姆：斯普林格，查姆·doi:10.1007/978-3-030-30942-838
[28] Tappler，M.、Aichernig，B.K.、Bloem，R.：通过主动自动机学习进行基于模型的物联网通信测试。参见：2017年IEEE软件测试、验证和确认国际会议，2017年3月13日至17日，日本东京，第276-287页。IEEE计算机学会（2017）
[29] Volpato，M.，Tretmans，J.：非确定性输入输出转换系统的近似主动学习。ECEASST 72（2015）
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。