使用单调逻辑属性的时间序列学习

当今的信息物理系统正在生成大量的时间序列数据。由于人工检查此类数据不可行，对能够帮助发现数据中逻辑结构的学习方法的需求不断增加。我们提出了一种基于逻辑的框架，允许将领域特定知识嵌入到关于时间序列数据的参数化逻辑规范中的公式里。其核心思想是将时间序列映射到公式参数空间中的一个曲面。给定此映射，我们确定边界之间的 Hausdorff 距离作为在参数化规范视角下两个时间序列数据之间的自然距离度量。这使得能够将非平凡的领域特定知识嵌入距离度量中，然后使用现成的机器学习工具对数据进行标注。在标注数据后，我们展示了如何为每个标签提取逻辑规范。最后，我们在真实世界的交通数据上展示了我们的技术，以学习用于减速和交通拥堵的分类器/监视器。