Разработка методов машинного обучения для синтеза автоматных моделей систем управления с учетом темпоральных свойств и временных отсечек на основе пропозиционального кодирования

Номер гранта:18-07-01285
Область научного знания:инфокоммуникационные технологии и вычислительные системы
Тип конкурса: (а)(а) конкурс проектов фундаментальных научных исследований
Год выполнения:2018г.
Руководитель: Ульянцев ВладимирИгоревич
Статус заявки:поддержана

Аннотация к заявке:

Автоматные модели широко используются при создании, тестировании и верификации систем управления. Однако ручное построение таких моделей является трудоемкой задачей, а задачи автоматического синтеза обладают высокой вычислительной сложностью. Поэтому для решения задач синтеза конечно-автоматных моделей актуальна разработка методов машинного обучения. Настоящий Проект посвящен созданию новых методов машинного обучения, основанных на пропозициональном кодировании, для синтеза автоматных моделей систем управления. В настоящем Проекте будут разработаны новые методы индуктивного синтеза автоматных моделей по примерам поведения с учетом заданных темпоральных свойств (LTL) или временных отсечек, основанные на пропозициональном кодировании на языках задач выполнимости булевой формулы (SAT), удовлетворения ограничений (CSP), выполнимости формул в теориях (SMT), выполнимости булевой формулы с кванторами (QSAT). Новизной обладают как рассматриваемые формулировки задач синтеза, так и предлагаемые методы и подходы к решению данных задач, основанные на пропозициональном кодировании. Значимость ожидаемых результатов обусловлена их характеристиками, как качественными (возможность LTL-синтеза с учетом примеров поведения и точного решения задачи синтеза временных автоматов), так и количественными (высокая эффективность предлагаемых методов в смысле времени работы).
Аннотации к заявке и отчету приведены в авторской редакции. по состоянию на 13.08.2022.
Помог ли вам материал?
0    0