論文の概要: Tail recursion transformation for invertible functions
- arxiv url: http://arxiv.org/abs/2302.10049v1
- Date: Mon, 20 Feb 2023 15:54:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 14:55:45.454268
- Title: Tail recursion transformation for invertible functions
- Title（参考訳）: 可逆関数に対するテール再帰変換
- Authors: Joachim Tilsted Kristensen, Robin Kaarsgaard, Michael Kirkedal Thomsen
- Abstract要約: 我々は、(グローバルな)可逆性への緩和(局所的な)可逆性は、状況を大幅に改善すると主張している。
鍵となる洞察は、可逆性を保存するプログラム変換によって導入された関数は、変換の対象となる関数がそれらを呼ぶ文脈においてのみ可逆である必要があるということである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tail recursive functions allow for a wider range of optimisations than
general recursive functions. For this reason, much research has gone into the
transformation and optimisation of this family of functions, in particular
those written in continuation passing style (CPS).
Though the CPS transformation, capable of transforming any recursive function
to an equivalent tail recursive one, is deeply problematic in the context of
reversible programming (as it relies on troublesome features such as
higher-order functions), we argue that relaxing (local) reversibility to
(global) invertibility drastically improves the situation. On this basis, we
present an algorithm for tail recursion conversion specifically for invertible
functions. The key insight is that functions introduced by program
transformations that preserve invertibility, need only be invertible in the
context in which the functions subject of transformation calls them. We show
how a bespoke data type, corresponding to such a context, can be used to
transform invertible recursive functions into a pair of tail recursive function
acting on this context, in a way where calls are highlighted, and from which a
tail recursive inverse can be straightforwardly extracted.
- Abstract（参考訳）: テール再帰関数は一般再帰関数よりも幅広い最適化を可能にする。
このため、この関数の族、特に連続パス形式(CPS)で書かれた関数の変換と最適化について多くの研究がなされている。
再帰的関数を等価なテール再帰的関数に変換することができるCPS変換は、(高次関数のような厄介な特徴に依存するため)可逆プログラミングの文脈で深く問題となるが、(局所的)可逆性への緩和(局所的)可逆性は、状況を大幅に改善すると主張する。
そこで本研究では,特に可逆関数に対する末尾再帰変換のアルゴリズムを提案する。
鍵となる洞察は、可逆性を保つプログラム変換によって導入された関数は、変換の対象関数がそれらを呼び出すコンテキストにおいてのみ可逆である。
このような文脈に対応する固有データ型が、この文脈に作用する一対のテール再帰関数に、呼び出しが強調表示され、テール再帰逆逆関数が直接抽出されるように、可逆再帰関数を変換する方法を示す。
関連論文リスト
- Interpreting Affine Recurrence Learning in GPT-style Transformers [54.01174470722201]
インコンテキスト学習により、GPTスタイルのトランスフォーマーは、重みを変更することなく推論中に一般化できる。
本稿では,ICLタスクとしてアフィンの再発を学習し,予測する能力に着目する。
実験的手法と理論的手法の両方を用いてモデルの内部動作を分析する。
論文 参考訳（メタデータ） (2024-10-22T21:30:01Z) - Transformers as Transducers [27.48483887144685]
変換器のシーケンス・ツー・シーケンスマッピング能力について有限変換器に関連付けることにより検討する。
既存のブール変種であるB-RASPをシーケンス・ツー・シーケンス関数に拡張し、一階有理関数を正確に計算することを示す。
マスク付き平均的注意変換器はS-RASPをシミュレートできることを示す。
論文 参考訳（メタデータ） (2024-04-02T15:34:47Z) - Transformer-Based Models Are Not Yet Perfect At Learning to Emulate
Structural Recursion [14.739369424331478]
本稿では,プログラミング言語領域における構造的再帰という抽象概念を,シーケンスモデリング問題や学習モデルの振る舞いにうまく結合する汎用フレームワークを提案する。
フレームワークを強力な概念ツールとして、さまざまな設定の下で異なる問題を特定します。
論文 参考訳（メタデータ） (2024-01-23T18:07:38Z) - Recursive Visual Programming [53.76415744371285]
本稿では、生成ルーチンを単純化し、より効率的な問題解決を提供し、より複雑なデータ構造を管理するRecursive Visual Programming (RVP)を提案する。
本稿では,VSR,COVR,GQA,NextQAなどのベンチマークにおいて,RVPの有効性を示す。
論文 参考訳（メタデータ） (2023-12-04T17:27:24Z) - Reinforcement-Enhanced Autoregressive Feature Transformation:
Gradient-steered Search in Continuous Space for Postfix Expressions [34.32619834917906]
離散的な特徴変換を連続的な空間最適化タスクとして再構成し,組込み最適化・再構成フレームワークを開発する。
本フレームワークは,1)高品質な変換精度トレーニングデータ作成を目的とした強化強化データ作成,2)連続空間内で準備されたトレーニングデータの知識をカプセル化することを目的とした特徴変換操作シーケンス埋め込み,3)学習空間内の潜在的に優れた埋め込みを明らかにするための勾配制御された最適埋め込み探索,の4段階を含む。
論文 参考訳（メタデータ） (2023-09-24T12:18:37Z) - Orthonormal Convolutions for the Rotation Based Iterative
Gaussianization [64.44661342486434]
本稿では、画像ガウス化を可能にする回転型反復ガウス化RBIGの拡張について詳述する。
RBIGの回転は主成分分析や独立成分分析に基づくため、画像では小さな画像パッチや孤立画素に制限されている。
emphConvolutional RBIG:この問題を緩和する拡張として,RBIGの回転が畳み込みであることを示す。
論文 参考訳（メタデータ） (2022-06-08T12:56:34Z) - Transformation-Interaction-Rational Representation for Symbolic
Regression [0.0]
シンボリック回帰は、しばしば遺伝的プログラミングを使用してデータセットを近似する関数形式を探索する。
この問題を緩和するために、Interaction-Transformationと呼ばれる新しい表現が最近提案された。
本稿では,2つの相互作用変換関数の有理性として,新しい関数形式を定義する表現の拡張を提案する。
論文 参考訳（メタデータ） (2022-04-25T16:53:43Z) - 3D Equivariant Graph Implicit Functions [51.5559264447605]
局所的詳細のモデリングを容易にする同変層を持つグラフ暗黙関数の新しいファミリを導入する。
提案手法は,ShapeNet再構成作業において既存の回転同変暗黙関数を0.69から0.89に改善する。
論文 参考訳（メタデータ） (2022-03-31T16:51:25Z) - Orthogonal Graph Neural Networks [53.466187667936026]
グラフニューラルネットワーク(GNN)は,ノード表現の学習において優れていたため,大きな注目を集めている。
より畳み込み層を積み重ねることで、GNNのパフォーマンスが大幅に低下する。
本稿では,モデルトレーニングの安定化とモデル一般化性能の向上のために,既存のGNNバックボーンを拡張可能なOrtho-GConvを提案する。
論文 参考訳（メタデータ） (2021-09-23T12:39:01Z) - Translating Recursive Probabilistic Programs to Factor Graph Grammars [20.539191533339427]
因子グラフ文法(FGG)は、推論を行うために列挙される必要はない因子グラフの集合を生成する。
条件付き一階確率型プログラムからのセマンティックス保存翻訳とFGGへの再帰を提供する。
論文 参考訳（メタデータ） (2020-10-22T21:17:04Z) - Invariant Feature Coding using Tensor Product Representation [75.62232699377877]
我々は,群不変特徴ベクトルが線形分類器を学習する際に十分な識別情報を含んでいることを証明した。
主成分分析やk平均クラスタリングにおいて,グループアクションを明示的に考慮する新たな特徴モデルを提案する。
論文 参考訳（メタデータ） (2019-06-05T07:15:17Z)
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。