論文の概要: Neural Software Analysis
- arxiv url: http://arxiv.org/abs/2011.07986v2
- Date: Thu, 8 Apr 2021 10:04:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 01:25:50.290820
- Title: Neural Software Analysis
- Title(参考訳): ニューラルソフトウェア解析
- Authors: Michael Pradel and Satish Chandra
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 18.415191504144577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many software development problems can be addressed by program analysis
tools, which traditionally are based on precise, logical reasoning and
heuristics to ensure that the tools are practical. Recent work has shown
tremendous success through an alternative way of creating developer tools,
which we call neural software analysis. The key idea is to train a neural
machine learning model on numerous code examples, which, once trained, makes
predictions about previously unseen code. In contrast to traditional program
analysis, neural software analysis naturally handles fuzzy information, such as
coding conventions and natural language embedded in code, without relying on
manually encoded heuristics. This article gives an overview of neural software
analysis, discusses when to (not) use it, and presents three example analyses.
The analyses address challenging software development problems: bug detection,
type prediction, and code completion. The resulting tools complement and
outperform traditional program analyses, and are used in industrial practice.
- Abstract(参考訳): 多くのソフトウェア開発問題は、伝統的に正確な論理的推論とヒューリスティックに基づいて、ツールが実用的であることを保証する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。
従来のプログラム分析とは対照的に、ニューラルネットワーク分析は自然に、コーディング規約やコードに埋め込まれた自然言語といったファジィ情報を扱う。
この記事では、ニューラルソフトウェア分析の概要、いつ使うべきか(しない)、そして3つのサンプル分析を紹介する。
分析は、バグ検出、型予測、コード補完といった、難しいソフトウェア開発問題に対処する。
結果として得られるツールは、伝統的なプログラム分析を補完し、性能を向上し、工業的実践で使用される。
関連論文リスト
- Efficacy of static analysis tools for software defect detection on open-source projects [0.0]
この調査では、SonarQube、PMD、Checkstyle、FindBugsといった一般的な分析ツールを使って比較を行った。
その結果,SonarQubeの欠陥検出は,他のツールと比較してかなり優れていることがわかった。
論文 参考訳(メタデータ) (2024-05-20T19:05:32Z) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳(メタデータ) (2023-08-10T13:19:10Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳(メタデータ) (2023-02-14T18:43:34Z) - Chatbots As Fluent Polyglots: Revisiting Breakthrough Code Snippets [0.0]
この研究は、AI駆動のコードアシスタントを使用して、現代技術を形成する影響力のあるコンピュータコードの選択を分析する。
この研究の最初の貢献は、過去50年で最も重要なコードの進歩の半分を調査することであった。
論文 参考訳(メタデータ) (2023-01-05T23:17:17Z) - Software Vulnerability Detection via Deep Learning over Disaggregated
Code Graph Representation [57.92972327649165]
この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。
コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
論文 参考訳(メタデータ) (2021-09-07T21:24:36Z) - A Smart and Defensive Human-Machine Approach to Code Analysis [0.0]
本稿では,仮想アシスタントを用いてプログラマと協調して,ソフトウェアが可能な限り安全であることを保証する手法を提案する。
プロポーズ方式では、様々なメトリクスを使って、プログラマがプロジェクトに適したコード分析ツールを選択するのを助けるレコメンデータシステムを採用している。
論文 参考訳(メタデータ) (2021-08-06T20:42:07Z) - Hessian-based toolbox for reliable and interpretable machine learning in
physics [58.720142291102135]
本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。
与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。
我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
論文 参考訳(メタデータ) (2021-08-04T16:32:59Z) - Improving Compositionality of Neural Networks by Decoding
Representations to Inputs [83.97012077202882]
我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。
本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
論文 参考訳(メタデータ) (2021-06-01T20:07:16Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳(メタデータ) (2020-05-27T11:56:56Z) - Evaluation of Generalizability of Neural Program Analyzers under
Semantic-Preserving Transformations [1.3477892615179483]
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。
論文 参考訳(メタデータ) (2020-04-15T19:55:06Z)
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。