Fugu-MT 論文翻訳(概要): Dataflow graphs as complete causal graphs

論文の概要: Dataflow graphs as complete causal graphs

arxiv url: http://arxiv.org/abs/2303.09552v1
Date: Thu, 16 Mar 2023 17:59:13 GMT
ステータス: 処理完了
システム内更新日: 2023-03-17 14:09:10.564923
Title: Dataflow graphs as complete causal graphs
Title（参考訳）: 完全な因果グラフとしてのデータフローグラフ
Authors: Andrei Paleyes, Siyuan Guo, Bernhard Sch\"olkopf, Neil D. Lawrence
Abstract要約: 我々は、フローベースプログラミング(FBP)というソフトウェア設計の代替手法を考える。ソフトウェアプロジェクトの日々のタスクを改善するために、この接続をどのように活用できるかを示します。
参考スコア（独自算出の注目度）: 17.15640410609126
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Component-based development is one of the core principles behind modern software engineering practices. Understanding of causal relationships between components of a software system can yield significant benefits to developers. Yet modern software design approaches make it difficult to track and discover such relationships at system scale, which leads to growing intellectual debt. In this paper we consider an alternative approach to software design, flow-based programming (FBP), and draw the attention of the community to the connection between dataflow graphs produced by FBP and structural causal models. With expository examples we show how this connection can be leveraged to improve day-to-day tasks in software projects, including fault localisation, business analysis and experimentation.
Abstract（参考訳）: コンポーネントベースの開発は、現代のソフトウェアエンジニアリングプラクティスの背後にあるコア原則の1つです。ソフトウェアシステムのコンポーネント間の因果関係を理解することは、開発者に大きな利益をもたらす。しかし、現代のソフトウェア設計アプローチでは、システム規模でのそのような関係の追跡と発見が難しくなり、それによって知的負債が増大する。本稿では,fbp(flow-based programming)というソフトウェア設計の代替手法を検討し,fbpが生成するデータフローグラフと構造因果モデルとの関係について,コミュニティの注意を喚起する。実証的な例では、この接続がどのようにしてソフトウェアプロジェクトの日々のタスクを改善するために活用できるかを示します。

関連論文リスト

Federated Neural Graph Databases [53.03085605769093]
プライバシを保ちながらマルチソースグラフベースのデータの推論を可能にする新しいフレームワークであるFederated Neural Graph Database (FedNGDB)を提案する。既存の方法とは異なり、FedNGDBは複雑なグラフ構造と関係を扱うことができ、様々な下流タスクに適合する。
論文参考訳（メタデータ） (2024-02-22T14:57:44Z)
Privacy-preserving design of graph neural networks with applications to vertical federated learning [56.74455367682945]
VESPERと呼ばれるエンドツーエンドのグラフ表現学習フレームワークを提案する。 VESPERは、適切なプライバシー予算の下でスパースグラフと密度グラフの両方で高性能なGNNモデルをトレーニングすることができる。
論文参考訳（メタデータ） (2023-10-31T15:34:59Z)
Semantic Code Graph -- an information model to facilitate software comprehension [0.0]
メンテナンスを容易にし、関連するコストを削減するために、コード理解プロセスを加速する必要性が高まっています。さまざまなコード構造モデルがすでに存在していますが、ソースコードを密接に表現するモデルが驚くほど不足しています。本稿では,コード依存関係の詳細な抽象表現を提供する情報モデルであるSemantic Code Graph (SCG)を提案する。
論文参考訳（メタデータ） (2023-10-03T15:09:49Z)
Understanding the Challenges of Deploying Live-Traceability Solutions [45.235173351109374]
SAFA.aiは、ほぼリアルタイムな環境で自動トレーサビリティを提供する、プロジェクト固有モデルを微調整するスタートアップである。本稿では,ソフトウェアトレーサビリティを商業化する上での課題について述べる。
論文参考訳（メタデータ） (2023-06-19T14:34:16Z)
Code Recommendation for Open Source Software Developers [32.181023933552694]
CODERは、オープンソースのソフトウェア開発者のための新しいグラフベースのコードレコメンデーションフレームワークである。本フレームワークは,プロジェクト内,クロスプロジェクト,コールドスタートレコメンデーションなど,様々な実験環境下での優れた性能を実現する。
論文参考訳（メタデータ） (2022-10-15T16:40:36Z)
GraphMAE: Self-Supervised Masked Graph Autoencoders [52.06140191214428]
本稿では,自己教師付きグラフ学習における課題を軽減するマスク付きグラフオートエンコーダGraphMAEを提案する。我々は3つの異なるグラフ学習タスクに対して、21の公開データセットに関する広範な実験を行った。その結果,GraphMAEはグラフオートエンコーダであり,設計に注意を払っている。
論文参考訳（メタデータ） (2022-05-22T11:57:08Z)
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)
Exploring the potential of flow-based programming for machine learning deployment in comparison with service-oriented architectures [8.677012233188968]
理由のひとつは、データ収集と分析に関するアクティビティのために設計されていないインフラストラクチャである、と私たちは論じています。本稿では,データストリームを用いたフローベースのプログラミングを,ソフトウェアアプリケーション構築に広く使用されるサービス指向アーキテクチャの代替として検討する。
論文参考訳（メタデータ） (2021-08-09T15:06:02Z)
Model-Agnostic Graph Regularization for Few-Shot Learning [60.64531995451357]
グラフ組み込み数ショット学習に関する包括的な研究を紹介します。本稿では,ラベル間のグラフ情報の組み込みによる影響をより深く理解できるグラフ正規化手法を提案する。提案手法は,Mini-ImageNetで最大2%,ImageNet-FSで6.7%の性能向上を実現する。
論文参考訳（メタデータ） (2021-02-14T05:28:13Z)
Graph Neural Network to Dilute Outliers for Refactoring Monolith Application [12.43382998243009]
ソフトウェアをよりよく理解するために,コードコンテキストにおけるグラフネットワークの最近の進歩に適応する新しい手法を提案する。我々のソリューションは、ソフトウェア工学と既存のグラフ表現に基づく技術の両方の成果と比較して、最先端のパフォーマンスを向上させることができる。
論文参考訳（メタデータ） (2021-02-07T16:00:27Z)
Graph signal processing for machine learning: A review and new perspectives [57.285378618394624]
本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
論文参考訳（メタデータ） (2020-07-31T13:21:33Z)

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。