分析 Angluin 的 L* 算法在噪声下的鲁棒性
形式语言与自动机理论
2022-09-22 v1 人工智能
摘要
Angluin 的 L* 算法利用成员查询与等价查询学习正则语言的最小（完全）确定有限自动机（DFA）。其概率近似正确（PAC）版本以足够大的随机成员查询集合替代等价查询，以获得对答案的高置信度。因此它可应用于任意类型的（也包括非正则）装置，并可视为一种基于观测抽象装置行为以合成自动机的算法。此处我们关注 Angluin 的 PAC 学习算法对于由 DFA 引入某些噪声而得到的装置的行为。更确切地说，我们研究 Angluin 的算法是否能降低噪声，并产出比噪声装置更接近原始 DFA 的 DFA。我们提出几种引入噪声的方式：（1）噪声装置以较小概率反转词相对于 DFA 的分类；（2）噪声装置以较小概率在询问词相对于 DFA 的分类前修改词的字母；以及（3）噪声装置结合词相对于 DFA 与其相对于一个计数器自动机的分类。我们的实验在数百个 DFA 上进行。我们的主要贡献直白地说在于表明：（1）当噪声装置由随机过程产生时 Angluin 算法表现良好；（2）但在结构化噪声下表现糟糕；且（3）随机性几乎必然产生具有非递归可枚举语言的系统。
引用
@article{arxiv.2209.10315,
title = {Analyzing Robustness of Angluin's L* Algorithm in Presence of Noise},
author = {Igor Khmelnitsky and Serge Haddad and Lina Ye and Benoît Barbot and Benedikt Bollig and Martin Leucker and Daniel Neider and Rajarshi Roy},
journal= {arXiv preprint arXiv:2209.10315},
year = {2022}
}
备注
In Proceedings GandALF 2022, arXiv:2209.09333