“Adversarial examples are inputs to machine learning models that an attacker has intentionally designed to cause the model to make a mistake”(Goodfellow et al 2017)这里放点神经网络对抗性样本的案例神经网络的鲁棒性Robustness:

目录需求初始模型第一次精化这一次的建模与前面的实例有相当的不同之处，这里建模的是一个协议，并且我们在此次建模使用的精化属于一种时间方面的精化。需求首先来看看这个任务的需求文件传输协议是用一个代理方向另一个代理方传送一个顺序文件。接收到的文件应该和源文件相同顺序文件由一个数据项的序列文件需要以一个个片段的方式在站点之间传输整个协议相当于一个分布式程序初始模型第一次精化...

目录Rodin基本操作Event-B表示法最近在做一些Event-B建模的事情，而Rodin平台使用的方法的中文说明实在太少，在各个模型建模时候，更想写一些建模的思路与需求文档分析方法，这里就总结一下Rodin平台的使用方法以及Event-B的语法结构Rodin基本操作Rodin基于Eclipse开发，所以基本操作和Eclipse差不多新建工程填写项目名称新建Event-B组件组件类型有Conte

什么是形式化验证？In the context of hardware and software systems, formal verification is the act of proving or disproving the correctness of intended algorithms underlying a system with respect to a certain f

“Adversarial examples are inputs to machine learning models that an attacker has intentionally designed to cause the model to make a mistake”(Goodfellow et al 2017)这里放点神经网络对抗性样本的案例神经网络的鲁棒性Robustness:

线性时序逻辑提供了一种非常直观但是在数学上又很精确的表示方法来描述LT性质，70年代后期，Pnueli提出将线性时序逻辑应用于验证复杂计算机系统。

Büchi自动机正则表达式描述的是有限字的语言，它的语义表示为：E↦L(E)⊆Σ∗E \mapsto L(E)\subseteqΣ^*E↦L(E)⊆Σ∗↦\mapsto↦这个符号的意思是maps to我们有如下规则L(∅)=∅  L(ε)={ε}  L(A)={A}L(\varnothing)=\varnothing\; L(ε)=\{ε\}\; L(A)=\{A\}L(∅)=∅L(ε)={ε}L

“Adversarial examples are inputs to machine learning models that an attacker has intentionally designed to cause the model to make a mistake”(Goodfellow et al 2017)这里放点神经网络对抗性样本的案例神经网络的鲁棒性Robustness:

目录Rodin基本操作Event-B表示法最近在做一些Event-B建模的事情，而Rodin平台使用的方法的中文说明实在太少，在各个模型建模时候，更想写一些建模的思路与需求文档分析方法，这里就总结一下Rodin平台的使用方法以及Event-B的语法结构Rodin基本操作Rodin基于Eclipse开发，所以基本操作和Eclipse差不多新建工程填写项目名称新建Event-B组件组件类型有Conte

目录需求文档分析新建工程状态的形式化事件的形式化安装完了Rodin，现在让我们开始动手验证吧~以一个控制软件为例，开启我们整个Event-B分析建模验证的过程需求文档现在有这么一座岛屿Island，有一座桥(Bridge)连通着大陆(Mainland)与这座小岛，而我们的系统主要功能是实现对桥上汽车的控制。在这里我们的需求文档有两类需求，一些需求与控制器的功能有关，我们标记为FUN(Functio