从输入-输出时间序列数据中学习非线性混合自动机
摘要：学习近似黑盒系统行为的自动机是一个长期研究的问题。除了在理论上的重要性外，近年来人们认识到它在基于搜索的测试和模型理解中的应用。我们提出了一种算法，能够从由黑盒混合系统生成的一组输入-输出跟踪中学习近似黑盒混合系统的非线性混合自动机。我们的方法在处理同时具有外生和内生混合系统以及每个转换关联的重置的混合自动机方面是新颖的。据我们所知，我们的方法是首个同时实现这两个功能的方法。我们将我们的算法应用于各个基准测试，并确认了其有效性。
作者：Amit Gurung, Masaki Waga, Kohei Suenaga
论文ID：2301.03915
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-07-28