仅从正例学习可解释的时间性质
计算机科学中的逻辑
2023-03-03 v2 人工智能
摘要
我们考虑使用人类可解释模型来解释黑盒系统的时间行为这一问题。为此，基于近期研究趋势，我们依赖确定有限自动机（DFAs）与线性时序逻辑（LTL）公式这些基础且可解释的模型。与多数已有的 DFA 与 LTL 公式学习工作不同，我们仅依赖正例。其动机在于负例通常难以观测，尤其从黑盒系统中。为仅从正例学习有意义的模型，我们设计了以模型简洁性与语言最小性为正则项的算法。为此，我们的算法采用两种途径：一种符号化途径与一种反例引导途径。符号化途径将语言最小性高效编码为约束满足问题，反例引导途径则依赖生成合适的负例以剪枝搜索。两种途径均为我们提供了具所学模型理论保证的有效算法。为评估算法有效性，我们在合成数据上对所有算法进行了评测。
引用
@article{arxiv.2209.02650,
title = {Learning Interpretable Temporal Properties from Positive Examples Only},
author = {Rajarshi Roy and Jean-Raphaël Gaglione and Nasim Baharisangari and Daniel Neider and Zhe Xu and Ufuk Topcu},
journal= {arXiv preprint arXiv:2209.02650},
year = {2023}
}
备注
Full version of the paper that appeared in AAAI23