Fugu-MT 論文翻訳(概要): Report of the Workshop on Program Synthesis for Scientific Computing

論文の概要: Report of the Workshop on Program Synthesis for Scientific Computing

arxiv url: http://arxiv.org/abs/2102.01687v1
Date: Tue, 2 Feb 2021 18:55:23 GMT
ステータス: 処理完了
システム内更新日: 2021-02-03 22:35:50.522405
Title: Report of the Workshop on Program Synthesis for Scientific Computing
Title（参考訳）: the workshop on program synthesis for scientific computing 参加報告
Authors: Hal Finkel, Ignacio Laguna
Abstract要約: プログラム合成は、学術、国立研究所、産業において活発な研究分野である。本報告では,科学計算におけるプログラム合成研究の関連分野を概説し,これまでの成果について論じ,今後の研究の機会を概説する。
参考スコア（独自算出の注目度）: 1.609950046042424
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Program synthesis is an active research field in academia, national labs, and industry. Yet, work directly applicable to scientific computing, while having some impressive successes, has been limited. This report reviews the relevant areas of program synthesis work for scientific computing, discusses successes to date, and outlines opportunities for future work. This report is the result of the Workshop on Program Synthesis for Scientific Computing was held virtually on August 4-5 2020 (https://prog-synth-science.github.io/2020/).
Abstract（参考訳）: プログラム合成は、学術、国立研究所、産業において活発な研究分野である。しかし、科学計算に直接適用できる仕事は、いくつかの印象的な成功を収めているが、制限されている。本報告は,科学計算におけるプログラム合成作業の関連分野を概観し,これまでの成功を議論し,今後の作業の機会を概説する。本報告は,2020年8月4日～5日(https://prog-synth-science.github.io/2020/)にサイエントコンピューティングのためのプログラム合成ワークショップの成果である。

関連論文リスト

Hierarchical Neural Program Synthesis [19.94176152035497]
プログラム合成は、与えられたタスク仕様を満たす人間可読プログラムを自動構築することを目的としている。プログラムを階層的に構成することでプログラムを合成するスケーラブルなプログラム合成フレームワークを提案する。入力/出力ペアを持つ文字列変換領域において,提案するフレームワークを広範囲に評価する。
論文参考訳（メタデータ） (2023-03-09T18:20:07Z)
Coordinated Science Laboratory 70th Anniversary Symposium: The Future of Computing [80.72844751804166]
2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
論文参考訳（メタデータ） (2022-10-04T17:32:27Z)
Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文参考訳（メタデータ） (2022-09-17T18:24:56Z)
Training the next generation of computational scientists through a new undergraduate course [0.0]
このコースは、次世代の研究指向の計算科学者と技術者として学生を準備することを目的としている。このトレーニングには、科学計算におけるプログラムの考え方、定式化、組織化、実装の方法が含まれる。
論文参考訳（メタデータ） (2022-03-17T19:42:52Z)
Extracting Built Environment Features for Planning Research with Computer Vision: A Review and Discussion of State-of-the-Art Approaches [12.072165962169112]
本研究では,コンピュータビジョン技術における最先端手法の学際的合成を行い,構築された環境特徴を抽出する。本研究では,計画と計算機科学の両分野の研究のレビューから得られた知見について考察した。
論文参考訳（メタデータ） (2022-01-30T01:02:18Z)
Visions in Theoretical Computer Science: A Report on the TCS Visioning Workshop 2020 [3.4148735410310738]
理論計算機科学(TCS)は、計算とアルゴリズムのプロセスと相互作用の数学的基礎を研究する。 TCSコミュニティは10年ごとにビジョンワークショップに参加し、この分野における課題と最近の成果について議論する。第2回TCSビジョンワークショップはSIGACT Committee for the Advancement of Theory Computer Scienceによって組織され、2020年7月20日に開催された。米国には76人以上の参加者がおり、そのほとんどがヨーロッパやアジアからの参加者だった。
論文参考訳（メタデータ） (2021-07-06T19:12:03Z)
Latent Execution for Neural Program Synthesis Beyond Domain-Specific Languages [97.58968222942173]
入力出力の例からCプログラムを合成する第一歩を踏み出す。特に,部分生成プログラムの実行を近似するために潜在表現を学習するLa Synthを提案する。これらのプログラムのトレーニングにより,Karel と C のプログラム合成における予測性能がさらに向上することを示す。
論文参考訳（メタデータ） (2021-06-29T02:21:32Z)
Interleaving Computational and Inferential Thinking: Data Science for Undergraduates at Berkeley [81.01051375191828]
カリフォルニア大学バークレー校の大学院データサイエンスカリキュラムは、5つの新しいコースに固定されている。これらのコースは計算思考、推論思考、現実世界の問題に取り組むことを強調する。これらのコースは、キャンパスで最も人気のあるコースの一つとなり、データサイエンスの新しい学部生とマイナープログラムへの関心が高まっている。
論文参考訳（メタデータ） (2021-02-13T22:51:24Z)
Synthesize, Execute and Debug: Learning to Repair for Neural Program Synthesis [81.54148730967394]
本稿では,合成,実行,デバッグの段階を組み込んだニューラルネットワーク生成フレームワークであるSEDを提案する。 SEDはまず、神経プログラムシンセサイザーコンポーネントを使用して初期プログラムを生成し、その後、神経プログラムデバッガを使用して生成されたプログラムを反復的に修復する。挑戦的な入出力プログラム合成ベンチマークであるKarelでは、SEDはニューラルプログラムシンセサイザー自体のエラー率をかなりのマージンで削減し、デコードのための標準ビームサーチより優れている。
論文参考訳（メタデータ） (2020-07-16T04:15:47Z)
Shape of synth to come: Why we should use synthetic data for English surface realization [72.62356061765976]
2018年の共有タスクでは、追加で合成されたデータを使用してトレーニングされたシステムの絶対的なパフォーマンスにはほとんど差がなかった。我々は、2018年の英語データセットの実験において、合成データの使用はかなりの効果があることを示した。我々は、こうしたデータを活用するシステムについて、今後の研究努力が引き続き探求されるよう、禁止されるのではなく、その使用を奨励すべきであると主張している。
論文参考訳（メタデータ） (2020-05-06T10:00:55Z)

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。