SMLP: Symbolic Machine Learning Prover

要約

記号的機械学習プローバ(SMLP)は、多数の入力ベクトルに対するシステムのシミュレーションまたは実行によって得られたデータサンプルに基づくシステム探索のためのツールおよびライブラリです。SMLPは、グレーボックスアプローチにより、このデータに基づいてシステムを探索することを目的としています：SMLPは、データ探索の統計的手法と、システムの応答との緊密なフィードバックループにおける機械学習モデルの構築と探索を組み合わせ、確率的手法と形式的手法を組み合わせてこれらのモデルを探索する。SMLPは、Intel社において、アナログレベルでのハードウェア設計の解析と最適化のために、産業環境で適用されている。SMLPは汎用的なツールであり、機械学習モデルによってサンプリングされモデル化されるシステムに適用することができる。

要約(オリジナル)

Symbolic Machine Learning Prover (SMLP) is a tool and a library for system exploration based on data samples obtained by simulating or executing the system on a number of input vectors. SMLP aims at exploring the system based on this data by taking a grey-box approach: SMLP combines statistical methods of data exploration with building and exploring machine learning models in close feedback loop with the system’s response, and exploring these models by combining probabilistic and formal methods. SMLP has been applied in industrial setting at Intel for analyzing and optimizing hardware designs at the analog level. SMLP is a general purpose tool and can be applied to systems that can be sampled and modeled by machine learning models.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL