uu.seUppsala universitets publikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Extending Automata Learning to Extended Finite State Machines
Scania CV AB, Sodertalje, Sweden.
Dortmund Univ Technol, Dortmund, Germany;Fraunhofer ISST, Dortmund, Germany.
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datorteknik.
TU Dortmund, Chair Programming Syst, Dortmund, Germany.
2018 (Engelska)Ingår i: Machine Learning for Dynamic Software Analysis: Potentials and Limits / [ed] Bennaceur, A Hahnle, R Meinke, K, Springer, 2018, s. 149-177Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Automata learning is an established class of techniques for inferring automata models by observing how they respond to a sample of input words. Recently, approaches have been presented that extend these techniques to infer extended finite state machines (EFSMs) by dynamic black-box analysis. EFSMs model both data flow and control behavior, and their mutual interaction. Different dialects of EFSMs are widely used in tools for model-based software development, verification, and testing. This survey paper presents general principles behind some of these recent extensions. The goal is to elucidate how the principles behind classic automata learning can be maintained and guide extensions to more general automata models, and to situate some extensions with respect to these principles.

Ort, förlag, år, upplaga, sidor
Springer, 2018. s. 149-177
Serie
Lecture Notes in Computer Science, ISSN 0302-9743, E-ISSN 1611-3349 ; 11026
Nationell ämneskategori
Reglerteknik
Identifikatorer
URN: urn:nbn:se:uu:diva-391442DOI: 10.1007/978-3-319-96562-8_6ISI: 000476941200006ISBN: 978-3-319-96562-8 (digital)ISBN: 978-3-319-96561-1 (tryckt)OAI: oai:DiVA.org:uu-391442DiVA, id: diva2:1345042
Konferens
International Dagstuhl Seminar on 16172 - Machine Learning for Dynamic Software Analysis - Potentials and Limits, APR 24-27, 2016, Wadern, GERMANY
Forskningsfinansiär
EU, FP7, Sjunde ramprogrammet, IST 231167VetenskapsrådetTillgänglig från: 2019-08-22 Skapad: 2019-08-22 Senast uppdaterad: 2019-08-22Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Personposter BETA

Jonsson, Bengt

Sök vidare i DiVA

Av författaren/redaktören
Jonsson, Bengt
Av organisationen
Datorteknik
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 13 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf