.png){kind=icon}
返回
Componentwise Automata Learning for System Integration
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08707-2_1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
组合自动机学习作为一种分析复杂黑箱系统的技术正受到关注。它利用目标系统的内部组合结构来降低复杂性。在本文中，我们将系统集成——即构建一个由潜在第三方和黑箱组件组成的复合新系统的过程——确定为组合自动机学习的新应用领域。相应地，我们提出了一种新的问题设定，其中学习器可以直接访问黑箱组件。这与组合学习的常规问题设定形成对比，在后者中，目标是一个遗留黑箱系统，且查询只能针对整个系统（而不能针对组件）。我们称我们的问题为组件自动机学习以示区分。我们确定了其中的一个挑战，称为组件冗余：组件的某些部分可能对系统级行为没有贡献，学习它们会带来不必要的开销。我们引入了一种情境组件自动机学习算法，能够系统地消除此类冗余。我们通过实验评估了我们的提案并展示了其现实相关性。
Keyword:
automata learning
compositional automata learning
systems engineering
Mooremachine
期刊
A
IF:
0
论文数:
21
被引数:
0
.png){kind=icon}
查看更多内容