MétaCan
Menu
Retour à la cohorte
Enregistrement W2165235091 · doi:10.1109/eurmic.1998.711805

Verification of real time controllers against timing diagram specifications using constraint logic programming

2002· article· en· W2165235091 sur OpenAlexaff
E. Cerny, Fen Jin

Notice bibliographique

RevueProceedings. 24th EUROMICRO Conference (Cat. No.98EX204) · 2002
Typearticle
Langueen
DomaineComputer Science
ThématiqueFormal Methods in Verification
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProgramming languageFinite-state machineConsistency (knowledge bases)Logic programmingConstraint (computer-aided design)Controller (irrigation)Constraint logic programmingConstraint programmingFormal specificationFormal verificationAlgorithmTheoretical computer scienceConstraint satisfactionMathematicsMathematical optimization

Résumé

récupéré en direct d'OpenAlex

Given a pseudo-synchronous (sampled input) finite-state machine (FSM) implementation of a real-time controller and a specification in the form of timing diagrams (TDs), the question we wish to answer is whether the controller satisfies the specification. The method we propose uses constraint logic programming (CLP) based on relational interval arithmetic (RIA) and domain narrowing. The controller FSM is fed with input sequences derived from the timing assumptions on the inputs as stated in the specification, and its outputs are verified against the required timing of the specification (the commit constraints). Since timing constraints in TD specifications usually involve intervals of possible values, there may be many input sequences satisfying the assumptions. We consider all possible input sequences in one symbolic execution of the machine derived from the TD and the controller by formulating the execution of the machine as consistency checking of a constraint system. The number of constraints checked is linear with the sum of the lengths of the intervals of the assumption constraints in the specification. It was implemented in CLP(BNR) Prolog.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,152
Tête enseignante GPT0,291
Écart entre enseignants0,139 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings. 24th EUROMICRO Conference (Cat. No.98EX204)Même sujetFormal Methods in VerificationTravaux en français237 207