安全关键系统中复杂事件预测的不确定性度量
机器学习
2024-11-05 v1
摘要
复杂事件源自其他原始事件按照定义的模式和规则组合而成。我们使用机器学习来自行定义这些模式和规则，而非依赖专家的手工工作来组合模型规则，从而生成所需的复杂事件。复杂事件处理的不确定性对嵌入式和安全关键系统至关重要。本文举例说明如何度量事件感知和预测中的不确定性，涵盖也可能对安全性至关重要的嵌入式系统。然后，我们提出一种结合机器学习和灵敏度分析的方法，用于验证输出如何随每个输入参数变化。此外，我们的模型还度量与预测的复杂事件相关的不确定性。因此，我们使用共形预测来构建预测区间，因为模型本身具有不确定性，且数据含有噪声。我们还在分类（二分类和多分类）和回归问题测试用例上测试了我们的方法。最后，我们展示并讨论了结果，这些结果在我们的研究领域和工作范围内非常有前景。
引用
@article{arxiv.2411.01289,
title = {Uncertainty measurement for complex event prediction in safety-critical systems},
author = {Maria J. P. Peixoto and Akramul Azim},
journal= {arXiv preprint arXiv:2411.01289},
year = {2024}
}