本文基于加权树自动机提出了一种新的线性时间算法，用于子树核计算，具有输出敏感性、无序数与有序数适用性以及适用于任何增量树内核学习方法等优点，并在多种合成树语言数据集上进行了实验，结果显示出了该算法超过了现有方法。

Feb, 2023

本文研究有限状态自动机、正则表达式匹配、模式识别和指数级扩张问题，在复杂的正则语言类别中提出了理论和硬件解决方案，解决了网络入侵检测系统工作中的严重限制问题，并通过正确性和复杂性定理支持该解决方案。

Aug, 2023

本文介绍了 Tsetlin Machine，一种通过使用陈述公式的 Tsetlin Automata 集合来解决复杂的模式识别问题的机器。 使用一个新颖的游戏来协调自动机，具有高准确性、可解释性和计算简单性，它在五个基准中提供与其他分类器相媲美的准确性。

Apr, 2018

本文介绍了通过改良变换法来解决逻辑程序终止性分析的限制的方法，并将其应用于 AProVE 终止证明器进行实验与评估。

Mar, 2008

主题：主动自动机学习；适应性学习；状态匹配；参考模型；样本复杂度；摘要：本文介绍了一种自动学习的新框架，它通过状态匹配提供了对参考模型结构的灵活使用，从而减少了自动学习的样本复杂度。实证评估表明，该适应性学习框架改进了当前的状态艺术水平约两个数量级。

Jun, 2024

该研究介绍了一种新的算法，用于将上下文相关的重写规则编译成有限状态转换器（FSTs），能够更有效地进行自然语言和语音处理，并且扩展该算法以允许编译加权规则成加权的 FSTs。

Jun, 1996

该研究介绍了使用语法宏对有限形式语言进行重写的问题，提出了多项式时间算法来解决该问题的变体，并展示了其正确性。通过将算法应用于 OWL 编写的生物医学本体论，证明了该问题的实际相关性以及算法的可行性和有效性。此方法在提升本体质量和理解方面提供了有价值的帮助，并以系统的方式分析和评估重写系统的特性，包括语法宏、模板或其他形式的重写规则对计算问题的影响。

Dec, 2023

提出一般模型理论语义学来处理重写，利用预排序代数模型理论来处理具有不同排序的代数。在这个框架下，将重写在任意代数上进行特征化，使用该结果证明了基于非确定性编程的 Maude 和 CafeOBJ 的抽象计算模型的声音和完整性，并在 pushout-based 模块化技术的上下文中为代数重写开发了组成性结果。

Apr, 2022

ISA 是一种学习和利用强化学习中子目标的方法，通过交错强化学习和感知高级事件的子目标自动机的归纳来学习如何到达任务目标状态，该方法使用一种现有的逻辑编程系统，使这些子目标表示为基于常命题逻辑的逻辑公式，并保证了最少状态的自动机归纳和对称性破缺机制。在多个问题上的实验表明，该方法可用于学习成功的策略，并达到与人工预设子目标相当的平均奖励水平。

Sep, 2020

本文提出 ISA，使用归纳逻辑程序设计帮助学习强化学习中的子目标，建立了可自我更新的自动机模型。实验证明，通过使用学习到的自动机进一步增强奖励调整和多任务迁移学习，ISA 能够在多种格局提供同样优秀的表现且对可观察事件数量的影响进行了分析。

Nov, 2019