論文の概要: Learning to Represent Programs with Property Signatures

• arxiv url: http://arxiv.org/abs/2002.09030v1
• Date: Thu, 13 Feb 2020 01:50:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 13:59:18.659914
• Title: Learning to Represent Programs with Property Signatures
• Title（参考訳）: プロパティ署名によるプログラム表現の学習
• Authors: Augustus Odena, Charles Sutton
• Abstract要約: 本稿では、プロパティシグネチャの概念、プログラムの表現、機械学習アルゴリズムによる消費を目的としたプログラム仕様について紹介する。 実験により,ベースラインシンセサイザーの2倍のプログラムを1/10未満で出力できるように,ベースラインシンセサイザーを改良できることを示した。
• 参考スコア（独自算出の注目度）: 54.731579494044354
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the notion of property signatures, a representation for programs and program specifications meant for consumption by machine learning algorithms. Given a function with input type $\tau_{in}$ and output type $\tau_{out}$, a property is a function of type: $(\tau_{in}, \tau_{out}) \rightarrow \texttt{Bool}$ that (informally) describes some simple property of the function under consideration. For instance, if $\tau_{in}$ and $\tau_{out}$ are both lists of the same type, one property might ask `is the input list the same length as the output list?'. If we have a list of such properties, we can evaluate them all for our function to get a list of outputs that we will call the property signature. Crucially, we can `guess' the property signature for a function given only a set of input/output pairs meant to specify that function. We discuss several potential applications of property signatures and show experimentally that they can be used to improve over a baseline synthesizer so that it emits twice as many programs in less than one-tenth of the time.
• Abstract（参考訳）: 本稿では,機械学習アルゴリズムが使用するプログラムやプログラム仕様の表現であるプロパティシグネチャの概念を紹介する。 入力型 $\tau_{in}$ と出力型 $\tau_{out}$ の関数が与えられたとき、プロパティは型の関数である: $(\tau_{in}, \tau_{out}) \rightarrow \texttt{bool}$ that (形式的には) 考慮中の関数のいくつかの単純な性質を記述する。 例えば、$\tau_{in}$と$\tau_{out}$がどちらも同じ型のリストである場合、1つのプロパティは「入力リストは出力リストと同じ長さか? このようなプロパティのリストがある場合、プロパティシグネチャを呼び出す出力のリストを取得するために、関数のためにそれらすべてを評価することができます。 重要なことに、関数を指定するための入出力ペアのセットのみを与えられた関数のプロパティシグネチャを ‘guess’ することができる。 プロパティシグネチャの潜在的な応用について検討し、ベースラインシンセサイザの改善に使用できることを実験的に示し、その1/10未満で2倍のプログラムを発生することを示した。

関連論文リスト

• Shift-invariant functions and almost liftings [0.0]
  我々は、$k$ビット上のブール関数から誘導される$n$ビット上のシフト不変ベクトルブール関数を$kleq n$に対して検討する。 直径$k$の関数がほぼ持ち上げである場合、誘導関数の最大衝突数は、任意の$n$に対して2k-1$である。 暗号特性が良好で、非客観性が重大なセキュリティ上の弱点を生じさせないような、ほとんど持ち上げのクラスの関数を探索する。
  論文  参考訳（メタデータ） (2024-07-16T17:23:27Z)
• Function Trees: Transparent Machine Learning [1.3597551064547502]
  このような関数のグローバルな性質を知ることは、データを生成するシステムを理解するのに役立つ。 関数ツリーは、関数のメインとインタラクションのすべての効果を素早く識別し、計算するために使用することができる。
  論文  参考訳（メタデータ） (2024-03-19T20:23:31Z)
• GuardRails: Automated Suggestions for Clarifying Ambiguous Purpose Statements [0.0]
  関数の前に、プログラマは目的のステートメント、すなわち関数が何を計算するかの、短い自然言語による説明を書くことを奨励される。 目的のステートメントは曖昧であるかもしれない、すなわち、2つ以上の非等価な計算が特定の入力に当てはまる場合、意図した振る舞いを特定できないかもしれない。 本稿では,Large Language Models (LLMs) を用いてそのような入力を提案する小説を提案する。 我々は、Pythonプログラミング言語のVisual Studio Codeの拡張として、データセットのオープンソース実装を作成します。
  論文  参考訳（メタデータ） (2023-12-13T14:56:42Z)
• On the Information Capacity of Nearest Neighbor Representations [21.915057426589748]
  脳には計算と記憶が区別できない統合アーキテクチャがある。 脳のアーキテクチャに触発され、$textitassociative calculation$のモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-09T23:45:16Z)
• Improved Tree Search for Automatic Program Synthesis [91.3755431537592]
  重要な要素は、有効なプログラムの空間における効率的な探索を可能にすることである。 ここでは2つの大きな異なるDSL上でのアート結果の状態を導くMCTSの変種を提案する。
  論文  参考訳（メタデータ） (2023-03-13T15:09:52Z)
• Getting the Most out of Simile Recognition [48.5838790615549]
  Simile認識には2つのサブタスクがある: 文がsimileを含むかどうかを識別するsimile文分類と、対応するオブジェクトを特定するsimileコンポーネント抽出である。 最近の研究は表面弦以外の特徴を無視している。 1)POSタグ,依存性木,単語定義を含む入力側機能,2)デコード決定の相互依存性をキャプチャするデコード機能,の2つの特徴について検討する。
  論文  参考訳（メタデータ） (2022-11-11T03:22:45Z)
• Enlarging the notion of additivity of resource quantifiers [62.997667081978825]
  量子状態 $varrho$ と量子化器 $cal E(varrho) が与えられたとき、$cal E(varrhootimes N)$ を決定するのは難しい。 本研究では, ある球対称状態の1発の蒸留可能な絡み合いを, このような拡張付加性によって定量的に近似できることを示す。
  論文  参考訳（メタデータ） (2022-07-31T00:23:10Z)
• Glushkov's construction for functional subsequential transducers [91.3755431537592]
  グルシコフの構成は多くの興味深い性質を持ち、トランスデューサに適用するとさらに明らかになる。 正規表現の特別な風味を導入し、効率よく$epsilon$-free 機能的次数重み付き有限状態トランスデューサに変換することができる。
  論文  参考訳（メタデータ） (2020-08-05T17:09:58Z)
• On the Modularity of Hypernetworks [103.1147622394852]
  構造化対象関数の場合、ハイパーネットワークにおけるトレーニング可能なパラメータの総数は、標準ニューラルネットワークのトレーニング可能なパラメータの数や埋め込み法よりも桁違いに小さいことを示す。
  論文  参考訳（メタデータ） (2020-02-23T22:51:52Z)
• VC-dimensions of nondeterministic finite automata for words of equal length [2.099922236065961]
  NFA_b(q)$ は、非決定論的有限オートマトンで許容される言語の集合を、$b$文字のアルファベット上の$q$状態とする。 B_n$ は長さ $n$ の単語の集合を表す。
  論文  参考訳（メタデータ） (2020-01-07T22:49:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。