摘要
P.Ashok、T.Brázdil、K.Chatterjee、J.Křetínsk‖、C.H.Lampert和V.Toman。 2019.用带有线性分类器的决策树表示策略。 在 QEST（1）。 施普林格，109-128。 谷歌学者 
普拉纳夫·阿肖克（Pranav Ashok）、马蒂亚斯·杰克米耶（Mathias Jackermeier）、普什帕克·贾格塔普（Pushpak Jagtap）、扬·K·埃因斯克（Jan Křetínsk \345]）、马克西米利安·维宁格（Maximilian Weini。 dtControl：控制器表示的决策树学习算法。 arX输入：cs。 LG/2002.04991号 谷歌学者 P.Ashok、J.Křetínsk \345]、K.G.Larsen、A.Le Coönt、J.H.Taankvist和M.Weininger。 2019.SOS：混合马尔可夫决策过程的安全、最优和小型策略。 在 QEST（1） D.Parker和V.Wolf（编辑）。 施普林格，147-164。 谷歌学者 R.Iris Bahar、Erica A.Frohm、Charles M.Gaona、Gary D.Hachtel、Enrico Macii、Abelardo Pardo和Fabio Somenzi。 代数决策图及其应用。 系统设计中的形式化方法 10, 2/3 (1997), 171--206. 谷歌学者 数字图书馆 
C.Belta、B.Yordanov和E.A.Gol。 2017 离散时间动力系统的形式化方法。 第89卷。 斯普林格。 谷歌学者 C.M.Bishop。 2007 模式识别和机器学习，第5版。 斯普林格。 谷歌学者 T.Brázdil、K.Chatterjee、M.Chmelik、A.Fellner和J.Kretínsk。 2015.马尔可夫决策过程中学习小策略的反例解释。 在 CAV（1）（计算机科学课堂讲稿） 第9206卷。 斯普林格，158--177。 谷歌学者 T.Brázdil、K.Chatterjee、J.Kretínsk和V.Toman。 2018.反应合成中决策树的策略表示。 在 TACAS（1）（计算机科学讲义） 第10805卷。 施普林格，385--407。 谷歌学者 L.Breiman、J.H.Friedman、R.A.Olshen和C.J.Stone。 1984 分类和回归树。 华兹华斯。 谷歌学者 R.E.布莱恩特。 1986。布尔函数操作的基于图形的算法。 IEEE传输。 计算。 100，8（1986），677-691。 谷歌学者 数字图书馆 Ioannis T.Christou和Sofoklis Efremidis。 2007.持续学习应用程序的不断发展的倾斜决策树集成架构。 在 AIAI（IFIP） ，第247卷。 施普林格，3-11。 谷歌学者 A.David、P Gjöl Jensen、K.Guldstrand Larsen、M.Mikucionis和J.H.Taankvist。 2015年，Uppaal Stratego。 在 TACAS（计算机科学讲稿） ，第9035卷。 施普林格，206-211。 谷歌学者 安托万·吉拉德。 2013.使用近似互模拟的低复杂性量化开关控制器。 非线性分析：混合系统 10 (2013), 34--44. 谷歌学者 交叉引用 
普什帕克·贾格塔普（Pushpak Jagtap）、法丁·阿卜迪（Fardin Abdi）、马蒂亚斯·伦格（Matthias Rungger）、马吉德·扎马尼（Majid Zamani）和马可·卡卡莫（Marco Caccamo）。 2018.通过完全系统重启实现网络物理系统的软件容错。 CoRR公司 abs/1812.03546（2018）。 谷歌学者 Pushpak Jagtap和Majid Zamani。 2017.QUEST：符号控制器的状态空间无量化合成工具。 在 QEST（计算机科学课堂讲稿） 第10503卷。 施普林格，309-313。 谷歌学者 小曼纽尔·马佐（Manuel Mazo Jr.）、安娜·戴维蒂安（Anna Davitian）和保罗·塔布阿达（Paulo Tabuada）。 2010年，PESSOA:嵌入式控制器合成工具。 在 CAV（计算机科学课堂讲稿） 第6174卷。 斯普林格，566-569。 谷歌学者 Kyle D.Julian、Mykel J.Kochenderfer和Michael P.Owen。 2018.飞机防撞系统的深度神经网络压缩。 CoRR公司 abs/1810.04240（2018）。 谷歌学者 马哈茂德·哈立德和马吉德·扎马尼。 2019.pFaces：符号控制加速生态系统。 在 HSCC公司。 美国医学会，252--257。 谷歌学者 尼尔斯·兰德威尔（Niels Landwehr）、马克·A·霍尔（Mark A.Hall）和艾比·弗兰克（Eibe Frank）。 2003.逻辑模型树。 在 ECML（计算机科学课堂讲稿） ，第2837卷。 施普林格，241-252。 谷歌学者 Kim Guldstrand Larsen、Adrien Le Coönt、Marius Mikucionis和Jakob Haahr Taankvist。 2018年，Uppaal Tiga连续系统的保证控制综合。 在 CyPhy/WESE（计算机科学课堂讲稿） 第11615卷。 施普林格，113--133。 谷歌学者 Kim Guldstrand Larsen、Marius Mikucionis和Jakob Haahr Taankvist。 2015.安全和最佳自适应巡航控制。 在 正确的系统设计（计算机科学课堂讲稿） 第9360卷。 施普林格，260-277。 谷歌学者 菲利普·梅耶（Philipp J.Meyer）、马蒂亚斯·伦格（Matthias Rungger）、迈克尔·卢滕伯格（Michael Luttenberger）、哈维尔·埃斯帕尔扎（Javier Esparza）和马吉德·扎马尼（Majid Zamani）。 2017.安全控制员定量实施策略。 CoRR公司 abs/1712.05278（2017）。 谷歌学者 T·M·米切尔。 1997 机器学习。 麦格劳·希尔。 谷歌学者 数字图书馆 塞布蒂·穆埃利、安托万·吉拉德和格雷戈·格勒。 2013年CoSyMA：使用多尺度抽象进行控制器合成的工具。 在 HSCC。 美国医学会，83-88。 谷歌学者 S.K.Murthy、S.Kasif、S.Salzberg和R.Beigel。 1993.OC1：斜决策树的随机归纳。 在 AAAI公司。 AAAI出版社/麻省理工学院出版社，322--327。 谷歌学者 G.N.Nair、F.Fagnani、S.Zampieri和R.J.Evans。 2007.数据速率约束下的反馈控制：概述。 程序。 IEEE标准 95, 1 (2007), 108--137. 谷歌学者 交叉引用 Daniel Neider、Shambwaditya Saha和P.Madhusudan。 2016.通过学习分类器合成分段函数。 在 TACAS（计算机科学讲稿） 第9636卷。 施普林格，186-203。 谷歌学者 F.Pedregosa、G.Varoqueaux、A.Gramfort、V.Michel、B.Thirion、O.Grisel、M.Blondel、P.Prettenhofer、R.Weiss、V.Dubourg、J.Vanderplas、A.Passos、D.Cournapeau、M.Brucher、M.Perrot和E.Duchesnay。 2011年，Scikit学习：Python中的机器学习。 机器学习研究杂志 12 (2011), 2825--2830. 谷歌学者 数字图书馆 拉里·皮亚特（Larry D.Pyeat）和阿黛尔·豪（Adele E.Howe）。 1998 强化学习中的决策树函数逼近。 技术报告。 科罗拉多州立大学计算机科学系。 谷歌学者 数字图书馆 J.R.昆兰。 1993 C4.5：机器学习程序。 摩根·考夫曼。 谷歌学者 G.Reissig、A.Weber和M.Rungger。 2016.符号控制器合成的反馈细化关系。 IEEE传输。 自动化。 控制 62, 4 (2016), 1781--1796. 谷歌学者 交叉引用 M.Rungger和Zamani M.2016年。 SCOTS：符号控制器合成工具。 在 HSCC。 美国医学会，99-104。 谷歌学者 数字图书馆 马蒂亚斯·伦格（Matthias Rungger）、亚历山大·韦伯（Alexander Weber）和冈特·雷西格（Gunther Reissig）。 2015年，国家低复杂性抽象空间网格。 在 疾病预防控制中心。 IEEE，6139--6146。 谷歌学者 马蒂亚斯·伦格和马吉德·扎马尼。 2017.不确定控制系统的不变反馈熵。 CoRR公司 abs/1706.05242（2017）。 谷歌学者 A.Swikir和M.Zamani。 2019.交换系统网络符号模型的合成。 IEEE控制系统信件 3, 4 (2019), 1056--1061. 谷歌学者 交叉引用 P.塔布阿达。 2009 混合系统的验证和控制：符号方法。 施普林格科技与商业媒体。 谷歌学者 数字图书馆 保罗·厄特戈夫（Paul E.Utgoff）。 1988.感知器树：混合概念表征的案例研究。 在 AAAI公司。 AAAI出版社/麻省理工学院出版社，601-606。 谷歌学者 数字图书馆 Ivan S.Zaprev、Cees Verdier和Manuel Mazo Jr.2018年。 BDD存储的最佳符号控制器确定。 在 ADHS（IFAC-PapersOnLine） ，第51卷。 爱思唯尔，1-6。 谷歌学者 哈里·张。 2004年，朴素贝叶斯的最优性。 在 FLAIRS会议。 AAAI出版社，562-567。 谷歌学者
建议
dtControl：用于控制器表示的决策树学习算法 HSCC’20：第23届混合系统国际会议论文集：计算与控制 决策树学习是机器学习应用中最常用的一种分类技术。 最近的工作表明，决策树可以用来简洁地表示可证明正确的控制器。 与表示法相比。。。 dtControl 2.0：通过专家指导的决策树学习进行可解释的策略表示 系统构建和分析的工具和算法 摘要 最近的进展表明，决策树是如何适用于简洁地表示满足各种目标的策略（或控制器）的数据结构。 此外，它们还使战略更易于解释。 最近的工具dtControl具有。。。
