部分可观测性下的神经预测监控
机器学习
2021-08-18 v2
摘要
我们考虑预测监控（PM）问题，即在运行时根据当前状态预测系统未来的违规。我们在最现实的设置下工作，即运行时仅可获得部分且带噪声的状态观测。此类设置直接影响可达性预测的准确性和可靠性，危及系统安全。在这项工作中，我们提出了一种基于学习的 PM 方法，可在部分可观测性（PO）下产生准确且可靠的可达性预测。我们基于神经预测监控（NPM）——一种使用深度神经网络近似混合系统可达性的 PM 方法——并将其扩展到 PO 情形。我们提出并比较了两种方案：端到端方法直接对粗糙观测进行操作，以及两步方法引入中间状态估计步骤。两种方案都依赖保形预测来提供 1）以预测区域形式给出的概率保证，以及 2）预测不确定性的可靠估计。我们利用后者识别不可靠（且可能错误）的预测，并在这些不确定输入上重新训练和改进监控器（即主动学习）。我们的方法实现了高精度的可达性预测与错误检测，以及具有保证覆盖率的紧凑预测区域。
引用
@article{arxiv.2108.07134,
title = {Neural Predictive Monitoring under Partial Observability},
author = {Francesca Cairoli and Luca Bortolussi and Nicola Paoletti},
journal= {arXiv preprint arXiv:2108.07134},
year = {2021}
}