BriefGPT - AI 论文速递
·
Optimizing Falsification in Learning-Based Control Systems Using a Multi-Fidelity Bayesian Approach
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种多保真度贝叶斯优化框架，旨在优化学习控制系统中的虚假判定问题。该方法高效识别违反安全要求的反例，并在不同精度的模拟器之间转换，实验证明其在反例检测中的计算效率优于全保真度优化和其他方法。
🎯
关键要点
-
本研究提出了一种多保真度贝叶斯优化框架，旨在优化学习控制系统中的虚假判定问题。
-
该方法能够高效识别违反安全要求的反例。
-
研究中实现了在不同精度的模拟器之间转换，以优化计算过程。
-
实验证明该方法在反例检测中的计算效率优于全保真度优化和其他基线方法。
🏷️
