通过未来迹的高效哈希学习状态机
形式语言与自动机理论
2022-07-05 v1 机器学习
摘要
状态机是建模和可视化离散系统（如软件系统）以及表示正则文法的常用模型。大多数从数据被动学习状态机的算法都假设所有数据从一开始就可获得，并将这些数据载入内存。这使得它们难以应用于连续流数据，并在处理大型数据集时导致巨大的内存需求。在本文中，我们提出一种利用count-min-sketch数据结构从数据流中学习状态机的方法，以降低内存需求。我们采用著名的红蓝框架进行状态合并以缩减搜索空间。我们在既定的状态机学习框架中实现了我们的方法，并在知名数据集上进行了评估以提供实验数据，展示了我们的方法在结果质量和运行时间方面的有效性。
引用
@article{arxiv.2207.01516,
title = {Learning state machines via efficient hashing of future traces},
author = {Robert Baumgartner and Sicco Verwer},
journal= {arXiv preprint arXiv:2207.01516},
year = {2022}
}