Mar, 2024

具有计时器的 Mealy 机器的主动学习

PDF
TL;DR我们提出了第一个用于黑盒上下文中的具有计时器的 Mealy 机组的查询学习算法。该算法扩展了 Vaandrager 等人的 L＃算法，以应用于定时设置。通过使用符号查询实现的我们的算法仅需要多项式数量的具体查询，相较于 Waga 的算法的指数数量的具体查询，该算法能有效学习实际基准测试组。
发现论文，激发创造
  • 输出分解学习 Mealy 机器

    我们提出了一种主动自动机学习算法，它基于将个别输出进行投影从而学习一个有限状态机的分解。这与 Labbaf 等人 (2023) 提出的最近的组合学习算法互为对偶。当将输出投影到一个较小的集合时，模型本身也会缩小。通过有几个这样的投影，我们不会丢失任何信息，完整的系统可以被重建。根据系统的结构，这大大减少了查询的数量，如算法的初步评估所示。

    May, 2024

  • 学习产品自动机

    本文介绍适用于学习 Moore 机的主动学习算法的优化方法，其中输出包括多个可观测量，并通过投影分解为较小的组件进行学习，这对于学习软件尤为重要，因为组合方法对于保证可扩展性非常重要。

    May, 2017

  • 度量时态逻辑中高效可监测公式的合成

    自动从系统执行中合成形式规范的学习算法，以实现有效可监控的 Metric Temporal Logic (MTL) 公式的综合。

    Oct, 2023

  • 机器学习的组合时钟拍卖

    本文介绍了 ML-powered iterative combinatorial auctions（ICAs）的设计，通过使用 demand queries 而非 value queries 采集 bidders 的偏好信息，该方法在实验中显示出高效性和潜力，克服了 value queries 的认知负担限制，为研究和实践搭建了桥梁。

    Aug, 2023

  • 学习具有时间感知行为的循环神经网络动态

    本文利用定时自动机来介绍一系列监督学习任务，建立在隐藏时间变量和复杂性直接可控的行为模型基础上，通过研究倒置的时间特征，证明基于动态系统理论的工具可以不仅提供模型学习方案的见解而且能够证明训练过程的动力学。

    Jun, 2023

  • 主动查询的马尔科夫形式

    我们综述了近期人工智能领域中积极学习算法的研究现状，并提出了一种基于马尔可夫模型的形式化方法来组织该领域的研究。我们将提出的形式化方法应用于数据集增强，奖励更新等积极学习过程的元状态转移，以及针对其它方面如何适应形式化方法。

    Jun, 2023

  • 多时间尺度世界模型

    在这项工作中，我们提出了一种概率形式主义来学习多时间尺度世界模型，即 Multi Time Scale State Space (MTS3) 模型。我们的模型使用多时间尺度上的计算有效推理方案，以对未来数秒的高准确性和不确定性进行预测。我们的实验集中于行动条件下的远期预测，结果显示 MTS3 在包括复杂模拟和真实世界动态系统的多个系统识别基准测试中胜过了最近的方法。

    Oct, 2023

  • 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

  • 单调多头注意力

    本文提出了一种名为 Monotonic Multihead Attention（MMA）的新型注意力机制，可应用于同时翻译的机器翻译任务，并介绍了两种特定于多头注意力的新颖且可解释的延迟控制方法，与最先进的 Milk 方法相比，MMA 具有更好的延迟 - 质量平衡，同时分析了延迟控制对关注范围的影响，通过分析解码器层数和头数对质量和延迟的影响来证明模型的引入。

    Sep, 2019

  • 自适应主动自动机学习中的状态匹配和多重参考

    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