論文の概要: Evaluation of Generalizability of Neural Program Analyzers under
Semantic-Preserving Transformations
- arxiv url: http://arxiv.org/abs/2004.07313v2
- Date: Thu, 18 Mar 2021 07:10:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 04:23:17.210444
- Title: Evaluation of Generalizability of Neural Program Analyzers under
Semantic-Preserving Transformations
- Title(参考訳): 意味保存変換における神経プログラムアナライザの一般化可能性の評価
- Authors: Md Rafiqul Islam Rabin, Mohammad Amin Alipour
- Abstract要約: プログラムのセマンティックな等価な7つの変換を用いて,2つの一般的なニューラルプログラム解析器の一般化性を評価する。
その結果、多くの場合、ニューラルプログラムアナライザは、しばしば無視可能なテキスト差のあるプログラムに対して、うまく一般化できないことに注意した。
- 参考スコア(独自算出の注目度): 1.3477892615179483
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The abundance of publicly available source code repositories, in conjunction
with the advances in neural networks, has enabled data-driven approaches to
program analysis. These approaches, called neural program analyzers, use neural
networks to extract patterns in the programs for tasks ranging from development
productivity to program reasoning. Despite the growing popularity of neural
program analyzers, the extent to which their results are generalizable is
unknown.
In this paper, we perform a large-scale evaluation of the generalizability of
two popular neural program analyzers using seven semantically-equivalent
transformations of programs. Our results caution that in many cases the neural
program analyzers fail to generalize well, sometimes to programs with
negligible textual differences. The results provide the initial stepping stones
for quantifying robustness in neural program analyzers.
- Abstract(参考訳): 公開されているソースコードリポジトリは、ニューラルネットワークの進歩とともに、プログラム分析のためのデータ駆動アプローチを可能にした。
ニューラルプログラムアナライザと呼ばれるこれらのアプローチは、ニューラルネットワークを使用して、開発生産性からプログラム推論まで、プログラムのパターンを抽出する。
ニューラルプログラムアナライザの人気は高まっているが、その結果が一般化される程度は不明である。
本稿では,7つの意味論的等価なプログラム変換を用いた2つのニューラルネットワーク解析器の一般化可能性の大規模評価を行う。
その結果、多くの場合、ニューラルプログラムアナライザは、しばしば無視可能なテキスト差のあるプログラムに対して、うまく一般化できないことに注意した。
その結果,ニューラルプログラムアナライザのロバスト性を定量化するための最初のステップ石が得られた。
関連論文リスト
- NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.076028127394366]
ニューロベンチ(NeuroBench)はニューロモルフィックコンピューティングアルゴリズムとシステムのためのベンチマークフレームワークである。
NeuroBenchは、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
論文 参考訳(メタデータ) (2023-04-10T15:12:09Z) - Understanding Neural Code Intelligence Through Program Simplification [3.9704927572880253]
コードインテリジェンスシステムにおけるモデルに対する重要な入力特徴を特定するためのモデルに依存しないアプローチを提案する。
当社のアプローチであるSIVANDでは,CIモデルの入力プログラムのサイズを縮小する単純化手法を採用しています。
SIVANDの抽出した特徴は、ニューラルCIシステムの予測と学習行動を理解するのに役立つと信じている。
論文 参考訳(メタデータ) (2021-06-07T05:44:29Z) - Ps and Qs: Quantization-aware pruning for efficient low latency neural
network inference [56.24109486973292]
超低遅延アプリケーションのためのニューラルネットワークのトレーニング中の分級と量子化の相互作用を研究します。
量子化アウェアプルーニングは,タスクのプルーニングや量子化のみよりも計算効率のよいモデルであることが判明した。
論文 参考訳(メタデータ) (2021-02-22T19:00:05Z) - BF++: a language for general-purpose program synthesis [0.483420384410068]
強化学習(RL)に基づく技術決定システムのほとんどの状態は、データ駆動型ブラックボックスニューラルモデルである。
我々は,部分可観測マルコフ決定過程におけるエージェントの自動プログラミング用に設計された新しいプログラミング言語bf++を提案する。
論文 参考訳(メタデータ) (2021-01-23T19:44:44Z) - Neural Software Analysis [18.415191504144577]
多くのソフトウェア開発問題は、プログラム分析ツールによって対処できる。
最近の研究は、ニューラルソフトウェア分析(Neural Software Analysis)と呼ばれる開発ツールの代替方法によって、大きな成功を収めています。
鍵となるアイデアは、多数のコード例に基づいてニューラル機械学習モデルをトレーニングすることだ。
論文 参考訳(メタデータ) (2020-11-16T14:32:09Z) - Learning to Execute Programs with Instruction Pointer Attention Graph
Neural Networks [55.98291376393561]
グラフニューラルネットワーク(GNN)は、ソフトウェアエンジニアリングタスクを学習するための強力なツールとして登場した。
リカレントニューラルネットワーク(RNN)は、長いシーケンシャルな推論の連鎖に適しているが、プログラム構造を自然に組み込んでいるわけではない。
本稿では,新しいGNNアーキテクチャ,IPA-GNN(Instruction Pointer Attention Graph Neural Networks)を導入する。
論文 参考訳(メタデータ) (2020-10-23T19:12:30Z) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳(メタデータ) (2020-09-16T15:16:03Z) - On the Generalizability of Neural Program Models with respect to
Semantic-Preserving Program Transformations [25.96895574298886]
意味保存変換に対するニューラルプログラムモデルの一般化性を評価する。
コードには3つの異なるサイズのJavaデータセットと3つの最先端ニューラルネットワークモデルを使用します。
本結果は,抽象構文木のみに基づくニューラルプログラムモデルよりも,プログラム内のデータおよび制御依存性に基づくニューラルプログラムモデルの方が一般化可能であることを示唆している。
論文 参考訳(メタデータ) (2020-07-31T20:39:20Z) - Statistical Guarantees for Regularized Neural Networks [4.254099382808598]
最小二乗項と正則化器からなる推定器の一般統計保証を開発する。
ニューラルネットワークの正規化推定のための数学的基礎を確立した。
論文 参考訳(メタデータ) (2020-05-30T15:28:47Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳(メタデータ) (2020-05-04T13:24:00Z) - Synthetic Datasets for Neural Program Synthesis [66.20924952964117]
本稿では,プログラムと仕様の両方で合成データ分布のバイアスを制御し,評価するための新しい手法を提案する。
そこで我々は,Karel DSLと小さなCalculator DSLを用いて,これらの分布上でのディープネットワークのトレーニングにより,分散一般化性能が向上することが実証された。
論文 参考訳(メタデータ) (2019-12-27T21:28:10Z)
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。