会员服务
Freescale ·
2017 年 12 月 14 日
Formal specification of the FlexRay protocol using FocusST
翻译：使用 FocusST 正式指定弹性协议
Maria Spichkova
Maria Spichkova

FlexRay is a communication protocol developed by the FlexRay Consortium. The core members of the Consortium are Freescale Semiconductor, Robert Bosch GmbH, NXP Semiconductors, BMW, Volkswagen, Daimler, and General Motors, and the protocol was respectively oriented towards embedded systems in the automotive domain. This paper presents a formal specification of the FlexRay protocol using the FocusST framework. This work extends our previous research of formal specifications of this protocol using Focus formal language.


翻译：FlexRay是FlexRay Consortium开发的通信协议,其核心成员是自由半导体、Robert Bosch GmbH、NXP 半导体、BMW、Volkswagen、Daimler和General Motors, 协议分别针对汽车领域的嵌入系统。本文用FocusST框架对FlexRay协议作了正式的具体规定。这项工作延续了我们以前使用Focus正式语言对该协议正式规格的研究。
0
下载
关闭预览

相关内容

【Google】大迁移：通用视觉表示学习，General Visual Representation Learning
【Google】大迁移：通用视觉表示学习，General Visual Representation Learning
专知会员服务
36+阅读 · 2020年5月9日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
50+篇《神经架构搜索NAS》2020论文合集
专知会员服务
60+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
【北邮-腾讯AI】自监督学习音视觉说话人认证，Self-supervised learning for audio-visual speaker diarization
【北邮-腾讯AI】自监督学习音视觉说话人认证，Self-supervised learning for audio-visual speaker diarization
专知会员服务
25+阅读 · 2020年2月16日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
53+阅读 · 2020年1月30日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件（推荐SCI期刊）
人工智能 | ISAIR 2019诚邀稿件（推荐SCI期刊）
Call4Papers
6+阅读 · 2019年4月1日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
已删除
AI科技评论
4+阅读 · 2018年8月12日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization
Arxiv
17+阅读 · 2020年6月2日
Measuring Sentences Similarity: A Survey
Arxiv
7+阅读 · 2019年10月6日
Low-Resource Response Generation with Template Prior
Arxiv
4+阅读 · 2019年9月26日
gym-gazebo2, a toolkit for reinforcement learning using ROS 2 and Gazebo
gym-gazebo2, a toolkit for reinforcement learning using ROS 2 and Gazebo
Arxiv
7+阅读 · 2019年3月14日
Improved Speech Enhancement with the Wave-U-Net
Arxiv
8+阅读 · 2018年11月27日
Commonsense for Generative Multi-Hop Question Answering Tasks
Arxiv
4+阅读 · 2018年9月17日
Counterfactual Normalization: Proactively Addressing Dataset Shift and Improving Reliability Using Causal Mechanisms
Counterfactual Normalization: Proactively Addressing Dataset Shift and Improving Reliability Using Causal Mechanisms
Arxiv
7+阅读 · 2018年8月9日
Learning to Focus when Ranking Answers
Learning to Focus when Ranking Answers
Arxiv
5+阅读 · 2018年8月8日
Towards Synthesizing Complex Programs from Input-Output Examples
Arxiv
3+阅读 · 2018年1月30日
DOTA: A Large-scale Dataset for Object Detection in Aerial Images
Arxiv
19+阅读 · 2018年1月27日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Freescale
相关VIP内容
【Google】大迁移：通用视觉表示学习，General Visual Representation Learning
【Google】大迁移：通用视觉表示学习，General Visual Representation Learning
专知会员服务
36+阅读 · 2020年5月9日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
50+篇《神经架构搜索NAS》2020论文合集
专知会员服务
60+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
【北邮-腾讯AI】自监督学习音视觉说话人认证，Self-supervised learning for audio-visual speaker diarization
【北邮-腾讯AI】自监督学习音视觉说话人认证，Self-supervised learning for audio-visual speaker diarization
专知会员服务
25+阅读 · 2020年2月16日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
53+阅读 · 2020年1月30日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
热门VIP内容
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件（推荐SCI期刊）
人工智能 | ISAIR 2019诚邀稿件（推荐SCI期刊）
Call4Papers
6+阅读 · 2019年4月1日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
已删除
AI科技评论
4+阅读 · 2018年8月12日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization
Arxiv
17+阅读 · 2020年6月2日
Measuring Sentences Similarity: A Survey
Arxiv
7+阅读 · 2019年10月6日
Low-Resource Response Generation with Template Prior
Arxiv
4+阅读 · 2019年9月26日
gym-gazebo2, a toolkit for reinforcement learning using ROS 2 and Gazebo
gym-gazebo2, a toolkit for reinforcement learning using ROS 2 and Gazebo
Arxiv
7+阅读 · 2019年3月14日
Improved Speech Enhancement with the Wave-U-Net
Arxiv
8+阅读 · 2018年11月27日
Commonsense for Generative Multi-Hop Question Answering Tasks
Arxiv
4+阅读 · 2018年9月17日
Counterfactual Normalization: Proactively Addressing Dataset Shift and Improving Reliability Using Causal Mechanisms
Counterfactual Normalization: Proactively Addressing Dataset Shift and Improving Reliability Using Causal Mechanisms
Arxiv
7+阅读 · 2018年8月9日
Learning to Focus when Ranking Answers
Learning to Focus when Ranking Answers
Arxiv
5+阅读 · 2018年8月8日
Towards Synthesizing Complex Programs from Input-Output Examples
Arxiv
3+阅读 · 2018年1月30日
DOTA: A Large-scale Dataset for Object Detection in Aerial Images
Arxiv
19+阅读 · 2018年1月27日
Top
微信扫码咨询专知VIP会员
Top