Artefact JFLA 2023

Cet artefact accompagne l'article Filtrer sans s'appauvrir : inférer les paramètres constants de modèles réactifs probabilistes soumis aux JFLA 2023, ainsi que son annexe.

G. Baudart, G. Bussone, L. Mandel, C. Tasson

Installation

Les prérequis pour l'installation de l'artefact sont :

• opam avec la version 4.13.1 d'OCaml
• openblas (requis pour Owl)
• jupyter notebook (pour générer certaines figures)

1. Cloner le dépôt et ses sous-modules :

$ git clone --recurse-submodules https://github.com/rpl-lab/jfla23-apf.git

2. Pour éviter de polluer votre environnement opam, nous recommandons d'utiliser un switch local avec la version 4.13.1 d'OCaml dans le répertoire du projet :

$ cd jfla23-apf
$ opam switch create ./ 4.13.1

3. Installer toutes les dépendances :

$ make init

Premiers pas

Le répertoire radar contient l'exemple du radar présenté en Section 2. Il y a deux versions du code selon qu'on utilise APF (radar_apf.zls) ou un filtre particulaire (radar_pf.zls). Les deux versions sont quasiment identiques. Seul l'appel à l'opérateur infer est différent.

$ diff radar_apf.zls radar_pf.zls
3c3
< open Infer_apf_mm
---
> open Infer_pf
38c38
<     and d = infer { apf_particles=500; apf_mm_particles=200} radar (delta, alpha)
---
>     and d = infer 100000 radar (delta, alpha)

Un Makefile permet d'exécuter l'une ou l'autre version.

$ make
Usage:
  make exec_apf            #  Launch the radar using APF
  make exec_pf             #  Launch the radar using PF
  make clean               #  Clean

Les commandes make exec_apf et make exec_pf exécutent le radar sur des données générées aléatoirement (les résultats peuvent donc varier d'une exécution à l'autre). À chaque instant, on affiche l'observation courante et la position estimée sur stderr. On utilise stdout pour sauvegarder dans les fichiers radar_apf.log et radar_pf.log 1000 échantillons de la distribution de theta tous les 10 pas de temps.

$ make exec_apf
probzeluc -deps -apf -I `zeluc -where`-io -s main radar_apf.zls -o main_apf
mv main_apf.ml main.ml
dune exec ./main.exe | head -n 6  > radar_apf.log
0 obs: (10.000000, 10.000000) X: (10.000000, 10.000000)
1 obs: (10.564251, 9.785522) X: (10.787054, 9.925122)
2 obs: (11.721199, 10.198548) X: (11.843823, 11.082907)
3 obs: (11.104925, 9.458678) X: (11.301106, 9.901853)
4 obs: (10.304054, 10.664873) X: (11.440811, 11.086348)
5 obs: (9.798609, 11.798562) X: (11.508064, 13.358447)
6 obs: (9.925167, 11.034628) X: (10.072817, 11.315459)
7 obs: (10.689631, 11.321984) X: (11.602716, 12.146057)
8 obs: (9.236907, 12.117168) X: (10.611060, 12.063032)
9 obs: (9.366406, 12.431641) X: (9.658461, 12.010533)
10 obs: (10.035358, 13.032434) X: (10.321051, 14.128873)
...
$ more radar_apf.log 
[(0.227483946036,-1.62723082569),(-0.0431923038602,-0.15341926808),(0.15027264859,0.831109279674),(0.867994977552,-0.975503058299),(0.16450489668,0.447589557741),(-1.31139193853,-0.496981018174),(-0.749595381361,-0.481036051673),(-1.31419301861,1.24287328468),(1.57733522826,-0.825589666251),(0.507177826864,-1.30215398153),(-0.115901490303,0.247414701077),(-0.826030595597,-0.346696304294)
...

Une fois que les deux fichiers de log sont générés, le notebook Python plots.ipynb permet de reproduire la Figure 2 pour visualiser les distributions obtenues pour theta.

Implémentation

Analyse Statique (zelus/compiler/rewrite)

apf_cst.ml associe à une expression l'ensemble des variables constantes qu'elle définit.

apf_proba.ml associe à une expression tirant une variable aléatoire la distribution qu'elle échantillonne.

apf_lift.ml contrôle si une expression est constante et ne dépend pas de variables locales.

Compilation (zelus/compiler/rewrite)

apf_infer.ml compile les appels à infer.

apf_call.ml compile les appels de nœud.

apf_sample.ml lance l'analyse statique, supprime les équations introduisant des paramètres constants et les rajoute en argument du nœud.

Assumed Parameter Filter (probzelus/probzelus/inference)

infer_apf.ml est l'implémentation modulaire d'APF.

infer_apf_mm.ml spécialise l'implémentation modulaire en utilisant la méthode de correspondance des moments.

infer_apf_is.ml spécialise l'implémentation modulaire en utilisant l'échantillonnage préférentiel.

Évaluation

Les figures d'évaluation peuvent être re-générées en exécutant la commande make bench dans le dossier probzelus/bench-apf. Elles se trouveront alors dans le dossier probzelus/bench-apf/plots, au format PDF.

$ cd probzelus/bench-apf
$ make bench
$ ls plots
coin-ess.pdf        radar-ess.pdf        sin-ess.pdf        split-ess.pdf
coin-mse-theta.pdf  radar-mse-theta.pdf  sin-mse-theta.pdf  split-mse-theta.pdf
kalman-mse-x.pdf    radar-mse-x.pdf      sin-mse-x.pdf      split-mse-x.pdf

Note : Avec un processeur Intel Core i5-6200U (2.30GHz), les figures mettent environ 35 minutes à être générées.