El rápido avance de tecnologías, como la Inteligencia Artificial, está permitiendo el desarrollo de sistemas software muy sofisticados. Para la detección temprana de errores en estos sistemas es usual la
construcción de modelos abstractos sobre los que se pueda razonar. Sin embargo, esta tarea de modelado se complica cuando lo único que puede observarse de los sistemas es su interacción con el entorno.
En este trabajo, se presenta LearnTA, una herramienta de aprendizaje para la generación automática de modelos de sistemas (Systems Under Learning/SULs) a partir de la observación de su ejecución. Concretamente, la herramienta tiene como objetivo aprender sistemas reactivos cuya evolución puede depender del tiempo.
LearnTA emplea un algoritmo de Automata Learning con aprendizaje pasivo. LearnTA utiliza el comportamiento observado del SUL que se quiere aprender para construir un modelo formal. El comportamiento observado del SUL está constituido por secuencias finitas (trazas) de
observaciones, cada una de las cuales tiene a lo sumo un evento de interacción del sistema con su entorno y su estado visible en un instante de tiempo. El modelo formal construido por LearnTA es un tipo especial de
autómata de tiempo real determinista.
Para evaluar LearnTA, se han realizado una serie de casos de estudio tanto con datos reales como con SULs sintéticos de diferente tamaño. Asimismo, también se ha realizado una comparación con TAG, otra herramienta perteneciente al estado del arte.
Buscar en Dimension