Identifikační kód | RIV/00216224:14330/15:00081179 |
Název v anglickém jazyce | Adaptive Aggregation of Markov Chains: Quantitative Analysis of Chemical Reaction Networks |
Druh | D - Článek ve sborníku |
Jazyk | eng - angličtina |
Obor - skupina | I - Informatika |
Obor | IN - Informatika |
Rok uplatnění | 2015 |
Kód důvěrnosti údajů | S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
Počet výskytů výsledku | 2 |
Počet tvůrců celkem | 4 |
Počet domácích tvůrců | 2 |
Výčet všech uvedených jednotlivých tvůrců | Alessandro Abate (státní příslušnost: GB - Spojené království Velké Británie a Severního Irska) Milan Češka (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 1846000) Luboš Brim (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 6500773) Marta Kwiatkowska (státní příslušnost: GB - Spojené království Velké Británie a Severního Irska) |
Popis výsledku v anglickém jazyce | Quantitative analysis of Markov models typically proceeds through numerical methods or simulation-based evaluation. Since the state space of the models can often be large, exact or approximate state aggregation methods (such as lumping or bisimulation reduction) have been proposed to improve the scalability of the numerical schemes. However, none of the existing numerical techniques provides general, explicit bounds on the approximation error, a problem particularly relevant when the level of accuracy affects the soundness of verification results. We propose a novel numerical approach that combines the strengths of aggregation techniques (state-space reduction) with those of simulation-based approaches (automatic updates that adapt to the process dynamics). The key advantage of our scheme is that it provides rigorous precision guarantees under different measures. |
Klíčová slova oddělená středníkem | continuous-time Markov chains; parameter exploration; model checking |
Stránka www, na které se nachází výsledek | - |
DOI výsledku | 10.1007/978-3-319-21690-4_12 |