基于PAC置信度的Mealy机逻辑属性数据驱动概率评估
人工智能
2025-08-21 v1
摘要
cyber-physical systems (CPS) 是复杂系统，需要强大的模型来完成诊断、调试或验证等任务。通常不存在合适的模型且手动提取困难。数据驱动方法随后提供了解决方案，例如基于从系统收集的数据来进行诊断任务和验证问题。在本文中，我们考虑以Mealy机器形式的离散抽象的CPS。我们提出了一种数据驱动方法来确定系统在n个时间步的有限时域内的安全概率。该方法基于可能近似正确（PAC）学习范例。因此，我们在离散逻辑和系统概率可达性分析之间建立了联系，尤其是提供对确定的概率的额外置信度。学习过程遵循主动学习范例，在收集初始学习集后，以引导方式对新学习数据进行采样。我们以自动车线保持系统的案例研究来验证该方法。
引用
@article{arxiv.2508.14710,
title = {Data-Driven Probabilistic Evaluation of Logic Properties with PAC-Confidence on Mealy Machines},
author = {Swantje Plambeck and Ali Salamati and Eyke Huellermeier and Goerschwin Fey},
journal= {arXiv preprint arXiv:2508.14710},
year = {2025}
}