May, 2022

时间实例查询的唯一可特征化性和可学习性

PDF
TL;DR通过分析命题线性时间逻辑 LTL 与 EL 或 ELI 描述逻辑中的概念结合的 2D 语言所查询的时间知识图中的路径形查询，研究了一些查询操作可以通过（多项式大小的）正 / 负时间数据示例的集合来唯一地描述的可能性，探讨了这些查询的多项式特性，并将其应用于活性学习框架中对时间实例查询的学习。
temporal instance queriespositive and negative temporal data examplespropotional linear temporal logicuntil operatoractive learning
发现论文，激发创造
  • 本体介导查询的唯一可区分性和可学习性的时态化

    本文研究了基于时间本体论的查询是否也具有与非时间本体论查询相似的特性可识别性和学习性， 并提供了针对已有结果何时可以从非时间查询转移到时间查询的系统性转换结果。

    Jun, 2023

  • 联结查询：独特特征和精确可学性

    研究了如何构造多项式多个正负示例唯一确定的不变式查询，提出了前沿算法并讨论其在描述逻辑和模式映射中的应用。

    Aug, 2020

  • 线性时态逻辑中本体导向查询的一阶重写性

    本研究探索基于本体的时间数据访问，并通过证明重写为具有内置线性顺序的一阶逻辑或关系原始递归机制保证其电路复杂度，建立了包括正 LTL 公式、单调 MFO（<）公式和任意 MFO（<）公式在内的 OM ​​问题一系列查询的层次结构，从而为基于本体的访问提供了基础。

    Apr, 2020

  • LTL 本体中介的时间查询的逆向工程

    以正线性时态逻辑 LTL 为例，研究了解决给定答案和非答案的情况下构造查询问题的相关问题，关注于设计合适的查询语言以及决策是否存在特定语言的查询来分离给定答案和非答案的复杂性，同时考虑了纯 LTL 查询和通过 LTL 本体中介的查询。

    May, 2023

  • 仅从正例学习可解释的时间属性

    本文探讨黑盒系统建模中使用有限状态自动机和线性时态逻辑公式的方法，通过正例学习建立有意义的、最小化的模型。作者提出了符号方法和反例引导方法两种学习方式，并在合成数据上进行评估。

    Sep, 2022

  • 学习时态逻辑性质：两种最近方法概述

    本文总结了两种不同的问题设置中，从正面或反面的示例中学习 LTL 公式的两种方法，第一种方法假设示例标记有噪声，第二种方法则考虑在仅给出正面示例的情况下推断有意义的 LTL 公式，所提出的方法提供了解决上述问题的不同算法，以及推断时的其他时间性质描述，如信号时间逻辑或确定性有限自动机。

    Dec, 2022

  • 从示例中学习时间公式是困难的

    从样例中学习线性时间逻辑（LTL）公式的问题的计算复杂性进行了研究，发现 LTL 学习问题在全逻辑和几乎所有的片段中都是 NP 完全的。这激发了寻找高效启发式算法的动力，并突显了以简洁的自然语言表达分离性质的复杂性。

    Dec, 2023

  • 基于本体的数据访问的时间描述逻辑（扩展版）

    研究本文探讨了基于本体的数据访问和时间概念建模，并设计了一种扩展 OWL 2 QL 标准本体语言的 TQL 的时间描述逻辑，以提供基本的时间概念建模工具，并确保对于数据实例的适当定义，具有一阶可重写的连接查询。

    Apr, 2013

  • 学习线性时间属性

    该论文提出了两种学习 Linear Temporal Logic（LTL）公式的新算法，该算法通过将学习任务简化为命题布尔逻辑中的一系列可满足问题来实现，并且验证了这两种算法在合成基准测试和领导者选举协议的执行理解方面的优异表现。

    Jun, 2018

  • 时态知识库的最佳对齐

    通过实现基于本体的情境识别技术，回答时间相关的 CQs 是一种实现本体的主要技术；本文介绍了 TKB 对准问题，计算一个变体的 TKB，该 TKB 最小程度地改变原 TKB，但能推出给定的时间 CQ，且在这个意义上是（代价）最优的；我们研究了这个问题在 ALC TKBs 和带有 LTL 运算符的连同查询上的情况，并设计了一种解决方案技术，用于计算 TKBs 的（代价最优的）对准。

    Jul, 2023