使用多种机器学习算法预测 LTL 模型检测结果
计算机科学中的逻辑
2019-02-22 v2 机器学习
摘要
本文研究如何使用一些机器学习算法预测 LTL 模型检测的结果。我们构造了若干 Kripke 结构、LTL 公式及其模型检测结果作为数据集。采用基于随机森林 (RF)、K-近邻 (KNN)、决策树 (DT) 和逻辑回归 (LR) 的方法进行训练与预测。实验结果表明，若每个 LTL 公式长度为 500，则基于 RF、KNN、DT 和 LR 方法的预测准确率分别为 97.9%、98.2%、97.1% 和 98.2%，且其平均计算效率分别为现有方法的 7102500、598、4132364 和 5543415 倍。
引用
@article{arxiv.1901.07891,
title = {Predicting the Results of LTL Model Checking using Multiple Machine Learning Algorithms},
author = {Weijun Zhu and Mingliang Xu and Jianwei Wang},
journal= {arXiv preprint arXiv:1901.07891},
year = {2019}
}
备注
6 pages, 3 figures