Fugu-MT 論文翻訳(概要): Genetic Algorithm for Program Synthesis

論文の概要: Genetic Algorithm for Program Synthesis

arxiv url: http://arxiv.org/abs/2211.11937v1
Date: Tue, 22 Nov 2022 01:16:13 GMT
ステータス: 処理完了
システム内更新日: 2022-11-23 16:33:38.952492
Title: Genetic Algorithm for Program Synthesis
Title（参考訳）: プログラム合成のための遺伝的アルゴリズム
Authors: Yutaka Nagashima
Abstract要約: 進化的計算を用いて,還元型プログラム合成ツール SuSLik の探索戦略を改良する。我々のクロスバリデーションは、進化的計算による改善が予期せぬ問題に一般化していることを示している。
参考スコア（独自算出の注目度）: 6.85316573653194
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A deductive program synthesis tool takes a specification as input and derives a program that satisfies the specification. The drawback of this approach is that search spaces for such correct programs tend to be enormous, making it difficult to derive correct programs within a realistic timeout. To speed up such program derivation, we improve the search strategy of a deductive program synthesis tool, SuSLik, using evolutionary computation. Our cross-validation shows that the improvement brought by evolutionary computation generalises to unforeseen problems.
Abstract（参考訳）: 帰納的プログラム合成ツールは、仕様を入力として、その仕様を満たすプログラムを導出する。このアプローチの欠点は、そのような正しいプログラムの検索スペースは巨大になりがちであり、リアルなタイムアウト内で正しいプログラムを導出することが難しいことである。このようなプログラム導出を高速化するために, 進化的計算を用いて, 帰納的プログラム合成ツール suslik の探索戦略を改善する。クロスバリデーションは,進化的計算によってもたらされる改善が予測できない問題に一般化することを示す。

関連論文リスト

Synthesizing Programs with Continuous Optimization [4.457604452495174]
本稿では,連続最適化問題としてプログラム合成の新たな定式化を提案する。次に、連続的な定式化を実際のプログラムに変換するためのマッピングスキームを提案する。
論文参考訳（メタデータ） (2022-11-02T02:12:10Z)
Iterative Genetic Improvement: Scaling Stochastic Program Synthesis [11.195558777385259]
プログラム合成は、与えられた仕様を満たす基礎となるプログラミング言語からプログラムを自動的に見つけることを目的としている。既存のプログラム合成技術はこの期待を十分に満たさず、スケーラビリティの問題に悩まされている。本稿では、この問題を解決するために反復的遺伝的改善と呼ばれるプログラム合成の新しい枠組みを提案する。
論文参考訳（メタデータ） (2022-02-26T02:00:35Z)
Searching for More Efficient Dynamic Programs [61.79535031840558]
本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
論文参考訳（メタデータ） (2021-09-14T20:52:55Z)
Recent Developments in Program Synthesis with Evolutionary Algorithms [1.8047694351309207]
関連する進化的プログラム合成手法を同定し,その性能を詳細に解析する。私たちが特定する最も影響力のあるアプローチは、スタックベース、文法誘導、および線形遺伝プログラミングである。今後の研究のために、研究者は、プログラムのアウトプットを使用して、ソリューションの品質を評価するだけでなく、ソリューションへの道を開くことを奨励します。
論文参考訳（メタデータ） (2021-08-27T11:38:27Z)
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)
Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
論文参考訳（メタデータ） (2020-12-23T20:40:18Z)
Latent Programmer: Discrete Latent Codes for Program Synthesis [56.37993487589351]
プログラム合成や文書要約などの多くのシーケンス学習タスクにおいて、重要な問題は出力シーケンスの広い空間を探索することである。本稿では,検索対象とする出力の表現を学習することを提案する。本稿では,まず入力/出力サンプルから離散潜在コードを予測するプログラム合成手法であるemphLatent Programmerを紹介し,そのプログラムを対象言語で生成する。
論文参考訳（メタデータ） (2020-12-01T10:11:35Z)
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)
Creating Synthetic Datasets via Evolution for Neural Program Synthesis [77.34726150561087]
いくつかのプログラム合成手法は、ランダムに生成された例と異なるデータ分布によく一般化されていることを示す。本稿では, 合成データ分布のバイアスを制御し, 現在の手法より優れていることを示すための, 新たな敵対的手法を提案する。
論文参考訳（メタデータ） (2020-03-23T18:34:15Z)

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。