<div dir="ltr">Learning and Automata (LearnAut) -- ICALP 2022 workshop<br>July 4th - Paris, France and virtually<br>Website: <a href="https://urldefense.com/v3/__https://learnaut22.github.io__;!!IBzWLUs!GDMrgPGGFRjPChNMsHB5nknthYpsSDVfsqu5kId-tlN48fqK4tFBINCVrHIq6ZMzVag1J90ettvLCQ$">https://learnaut22.github.io</a> <br><br>Learning
 models defining recursive computations, like automata and formal 
grammars, are the core of the field called Grammatical Inference (GI). 
The expressive power of these models and the complexity of the 
associated computational problems are major research topics within 
mathematical logic and computer science. Historically, there has been 
little interaction between the GI and ICALP communities, though recently
 some important results started to bridge the gap between both worlds, 
including applications of learning to formal verification and model 
checking, and (co-)algebraic formulations of automata and grammar 
learning algorithms.<br><br>The goal of this workshop is to bring 
together experts on logic who could benefit from grammatical inference 
tools, and researchers in grammatical inference who could find in logic 
and verification new fruitful applications for their methods.<br><br>We 
invite submissions of recent work, including preliminary research, 
related to the theme of the workshop. The Program Committee will select a
 subset of the abstracts for oral presentation. At least one author of 
each accepted abstract is expected to represent it at the workshop (in 
person, or virtually). <br><br>Note that accepted papers will be made 
available on the workshop website but will not be part of formal 
proceedings (i.e., LearnAut is a non-archival workshop).<br><br>Topics of interest include (but are not limited to):<br>- Computational complexity of learning problems involving automata and formal languages.<br>-
 Algorithms and frameworks for learning models representing language 
classes inside and outside the Chomsky hierarchy, including tree and 
graph grammars.<br>- Learning problems involving models with additional 
structure, including numeric weights, inputs/outputs such as 
transducers, register automata, timed automata, Markov reward and 
decision processes, and semi-hidden Markov models.<br>- Logical and relational aspects of learning and grammatical inference.<br>- Theoretical studies of learnable classes of languages/representations.<br>- Relations between automata or any other models from language theory and deep learning models for sequential data.<br>- Active learning of finite state machines and formal languages.<br>- Methods for estimating probability distributions over strings, trees, graphs, or any data used as input for symbolic models.<br>- Applications of learning to formal verification and (statistical) model checking.<br>- Metrics and other error measures between automata or formal languages.<br><br>** Invited speakers **<br><br>Jeffrey Heinz (Stony Brook University)<br>Ariadna Quattoni (Universitat Politècnica de Catalunya)<br><br>** Submission instructions **<br><br>Submissions
 in the form of extended abstracts must be at most 8 single-column pages
 long at most (plus at most four for bibliography and possible 
appendixes) and must be submitted in the JMLR/PMLR format. The LaTeX 
style file is available here: 
<a href="https://urldefense.com/v3/__https://ctan.org/tex-archive/macros/latex/contrib/jmlr__;!!IBzWLUs!GDMrgPGGFRjPChNMsHB5nknthYpsSDVfsqu5kId-tlN48fqK4tFBINCVrHIq6ZMzVag1J91Brtbzig$">https://ctan.org/tex-archive/macros/latex/contrib/jmlr</a><br><br>We do accept submissions of work recently published or currently under review.<br><br> - Submission url: <a href="https://urldefense.com/v3/__https://easychair.org/conferences/?conf=learnaut2022__;!!IBzWLUs!GDMrgPGGFRjPChNMsHB5nknthYpsSDVfsqu5kId-tlN48fqK4tFBINCVrHIq6ZMzVag1J91AVfyQjQ$">https://easychair.org/conferences/?conf=learnaut2022</a> <br> - Submission deadline: March 31st<br> - Notification of acceptance: April 30th<br> - Early registration: TBD<br><br>** Program Committee **<br><br>TBD<br><br>** Organizers **<br><br>Remi Eyraud (University of Saint-Étienne)<br>Tobias Kappé (ILLC, University of Amsterdam)<br>Guillaume Rabusseau (Mila & DIRO, Université de Montréal)<br>Matteo Sammartino (Royal Holloway, University of London & University College London) <br></div>