【阅读随笔】Learning Signal Temporal Logic through Neural Network for Interpretable Classification

已于 2023-06-12 16:25:38 修改
阅读量264 收藏
点赞数
分类专栏： 时序逻辑 文章标签： 人工智能
于 2022-11-13 12:51:44 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WSQ_2000/article/details/127830680
版权
该文章探讨了一篇关于使用神经网络进行信号时序逻辑学习的文章，旨在实现更可解释的分类。尽管存在一些小问题，但整体上对于时序逻辑推理的研究有一定的参考价值。作者分享了阅读笔记，并提及了导出带有图片的Zotero笔记的困扰。
摘要由CSDN通过智能技术生成

D. Li, M. Cai, C.-I. Vasile, and R. Tron, “Learning Signal Temporal Logic through Neural Network for Interpretable Classification.” arXiv, Oct. 04, 2022. doi: 10.48550/arXiv.2210.01910.

好久没有关注时序逻辑推理相关的文章了，这篇写得还不错，有点小bug但值得借鉴。

实在不知道zotero带图片的笔记该怎么导出，直接粘图片凑合存个档

笔记如下
请添加图片描述
请添加图片描述
请添加图片描述

ALL 2 WELL
关注
专栏目录
A Survey on Deep Learning Techniques Applied to medical image analysis
AI天才研究院
08-13 311
作者：禅与计算机程序设计艺术 Introduction:Deep learning techniques have recently gained popularity in medical image analysis because they are capable of accurately identifying disease markers without relying on human intervention, enabling better decision-making and tre
【论文阅读笔记】NeurIPS2020文章列表Part1
热门推荐
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
Signal Temporal Logic (STL)
qingmuluoyang的博客
05-23 1408
时序逻辑；STL
Python库 | signal_temporal_logic-0.1.1-cp38-cp38-win_amd64.whl
04-03
资源分类：Python库 所属语言：Python 资源全名：signal_temporal_logic-0.1.1-cp38-cp38-win_amd64.whl 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
【阅读随笔】Model predictive control with signal temporal logic specifications
WSQ_2000的博客
11-12 289
使用MILP对STL约束进行编码的经典文章
【阅读随笔】Reinforcement Learning for Signal Temporal Logic using Funnel-Based Approach
WSQ_2000的博客
12-15 255
这期区分funnel和funnel函数两个概念，上面的这个指数函数成为funnel函数，formulation中的不等式成为funnel.Funnel相当于是用一种启发式的方法限制了robustness的大小，对于eventually这样的算子强行启发出了过零点，有一点点扯。强化学习的作用不是很清晰，reward看起来给的是单步reward，但是funnel函数中存在需要整条轨迹才能确定的参数。，也就是说当前信号的鲁棒值需要处于以下的funnel内。是根据整条轨迹上鲁棒度的极值确定的。
【阅读随笔】神经网络与参数学习 Neural Network for Weighted Signal Temporal Logic
WSQ_2000的博客
07-21 667
首先由时间序列的分类问题引出现有机器学习分类方法的不足——可解释性差，并提出时序逻辑的解决方案，引出时序逻辑的分支——STL，并举例了几种量化满足程度的方法及其缺点。其中传统的基于min/max算子的鲁棒方法非凸、非平滑，且其满足程度仅取决于一个信号点，而没有利用到整体。为了解决这个问题，后来提出了wSTL，但是其信号上的权重定义存在bug(1)权重为0的信号点仍能影响总的鲁棒度(2)并不是权重越高的信号点对总鲁棒度的影响越大。提出了一种新的量化语义提出了wSTL-NN框架。...
【论文精读】时序逻辑应用之模型预测控制Model Predictive Control with Signal Temporal Logic Specifications
WSQ_2000的博客
03-29 1535
前言：因为天天写代码实在是太枯燥了，所以读点其他东西来调剂一下，这样科研进度不至于停下。前面读了几篇关于时序逻辑学习的文章，今天来了解一下时序逻辑公式在控制中的应用。 Raman, V., Donze, A., Maasoumy, M., Murray, R. M., Sangiovanni-Vincentelli, A., & Seshia, S. A. (2014, December). Model predictive control with signal temporal logic s
[论文精读]BrainGNN: Interpretable Brain Graph Neural Network for fMRI Analysis
Sherlily的博客
09-11 1650
计算机-人工智能-脑科学与类脑智能
【论文阅读笔记】NeurIPS2020文章列表Part2
zincrain的博客
12-09 6075
Online Multitask Learning with Long-Term Memory Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting On Reward-Free Reinforcement Learning with Linear Function A.
行为识别论文笔记|SlowFusion|Large-scale Video Classification with Convolutional Neural Networks|
njuptalex的博客
09-24 985
Large-scale Video Classification with Convolutional Neural Networks 论文笔记 Andrej Karpathy et al. “Large-scale Video Classification with Convolutional Neural Networks” CVPR 2014 Motivation 缺少使用CNN进行视频分类的数据集和方法，所以推出了数据集 Sports-1M（1 million YouTube videos,
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
关于图信号处理的系列笔记(Graph signal learning)
qq_40643955的博客
11-11 1771
之前发生的事情 前阵子帮一个研究生学长搞了一个社交网络团队识别的实验，用的是HAM方法，是一个比较简单的实验和文章，但我却为了完成它用了将近六个月的时间，最后实验因为服务器的数据被删干净而告终，完成度大概在80%左右。终于逃出魔窟了，嘻嘻嘻 接下来干些什么? 其实论文有用的地方只是一些核心的公式和算法，所以我以后阅读时不要被那些 没有任何营养的介绍性的语句浪费时间，那本系列笔记将记录我将要阅读的三...
【阅读笔记】Falsification of Cyber-Physical Systems Using Deep Reinforcement Learning
eddddd’ world
04-01 801
FM2018 Falsification of Cyber-Physical Systems Using Deep Reinforcement Learning （International Symposium on Formal Methods） 摘要摘要Introduction 摘要 随着软件和分布式计算的迅速发展，信息物理系统（CPS）被广泛应用于许多领域，如智能电网，自动驾驶汽车等。由于软...
Deep Direct Reinforcement Learning for Financial Signal Representation and Trading
敲代码的quant的博客
03-21 5587
这篇论文对我个人的意义挺大的，毕竟是入坑智能交易看的第一篇论文，这篇论文前前后后看了也不下十多遍，抛去其技术性的方面，整篇论文的排版、写作方式以及实验的对比都有很大的借鉴意义。原文在百度学术和google学术都可以找到。题目：《Deep Direct Reinforcement Learning for Financial Signal Representation and Trading》发表于...
ks8 本地化部署 F5-TTS
陈锐的技术笔记
11-13 945
此外，F5-TTS 还创新性地引入了推理时的 Sway Sampling 策略，这一策略可以在推理阶段优先处理早期的流步骤，从而提高生成语音与输入文本的对齐效果。在 LibriSpeech-PC 数据集上，该模型的字错误率（WER）达到了2.42，并且在推理时的实时因子(RTF)为0.15，显著优于之前的扩散模型 E2TTS，后者在处理速度和鲁棒性上存在短板。传统的 TTS 模型往往需要进行复杂的持续时间建模、音素对齐和专门的文本编码，这些都增加了合成过程的复杂性。继续TSS的启动，进入pod 输入命令。
基于OpenFOAM和深度学习驱动的流体力学计算与应用
2301_80236428的博客
11-14 733
从物理模型融合到复杂流动模拟，从数据驱动研究到流场智能分析，深度学习正以前所未有的力量重塑流体力学领域。伴随深度学习在流体力学研究中应用的普及，相关的开源软件和工具为科研人员提供了便捷的平台，简化了深度学习模型的实现与应用过程，加速了研究成果的转化。深度学习架构能够有效从流体数据中抽取关键特征，应用于流场预测、流动优化、流场可视化等多个领域，极大地提升了流体问题的分析效率和精度。构建物理增强的深度学习模型，将流体力学的控制方程、边界条件等物理规则内嵌于模型中，以提高模型的准确性和物理一致性。
文献阅读 | Nature Communications：使用自适应图注意自动编码器从空间解析的转录组学中解读空间域
最新发布
weixin_45851732的博客
11-15 1214
文献介绍 文献题目： 使用自适应图注意自动编码器从空间解析的转录组学中解读空间域 研究团队： 张世华（中国科学院数学与系统科学研究院） 发表时间： 2022-04-01 发表期刊： Nature Communications 影响因子： 17.6（2022年） DOI： 10.1038/s41467-022-29439-6 摘要 空间分辨转录组学的最新进展使得能够全面测量基因表达模式，同时保留组织微环境的空间背景。破译组织中 spots 的空间背景需要仔细使用它们的空间信息。为此，作者开发了一个图注
pytorch基础-数据集导入
gudao07的博客
11-14 1062
pytorch的数据导入，包括dataset,tensorboard,transform,dataloder等
temporal ensembling for semi-supervised learning
06-28
Temporal Ensembling是一种半监督学习方法，它使用了时间上的一致性来提高模型的性能。该方法通过对未标记数据进行预测，并将预测结果与之前的预测结果进行平均，从而获得更加稳定和准确的预测结果。同时，该方法还...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值