論文の概要: HOTGP -- Higher-Order Typed Genetic Programming
- arxiv url: http://arxiv.org/abs/2304.03200v1
- Date: Thu, 6 Apr 2023 16:23:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 13:22:24.958945
- Title: HOTGP -- Higher-Order Typed Genetic Programming
- Title（参考訳）: HOTGP -- 高階型遺伝的プログラミング
- Authors: Matheus Campos Fernandes, Fabr\'icio Olivetti de Fran\c{c}a, Emilio
Francesquini
- Abstract要約: HOTGPは純粋、型付き、機能プログラムを合成する新しい遺伝的アルゴリズムである。
この文法はHaskellの標準ベースライブラリに基づいている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Program synthesis is the process of generating a computer program following a
set of specifications, which can be a high-level description of the problem
and/or a set of input-output examples. The synthesis can be modeled as a search
problem in which the search space is the set of all the programs valid under a
grammar. As the search space is vast, brute force is usually not viable and
search heuristics, such as genetic programming, also have difficulty navigating
it without any guidance. In this paper we present HOTGP, a new genetic
programming algorithm that synthesizes pure, typed, and functional programs.
HOTGP leverages the knowledge provided by the rich data-types associated with
the specification and the built-in grammar to constrain the search space and
improve the performance of the synthesis. The grammar is based on Haskell's
standard base library (the synthesized code can be directly compiled using any
standard Haskell compiler) and includes support for higher-order functions,
$\lambda$-functions, and parametric polymorphism. Experimental results show
that, when compared to $6$ state-of-the-art algorithms using a standard set of
benchmarks, HOTGP is competitive and capable of synthesizing the correct
programs more frequently than any other of the evaluated algorithms.
- Abstract（参考訳）: プログラム合成とは、一連の仕様に従ってコンピュータプログラムを生成するプロセスであり、問題の高レベルな記述や入力出力の例のセットである。
合成は、検索空間が文法の下で有効な全てのプログラムの集合である探索問題としてモデル化することができる。
探索空間は広大であるため、ブルートフォースは通常は実現不可能であり、遺伝的プログラミングのような探索ヒューリスティックスもまた、誘導なしで探索をナビゲートするのも困難である。
本稿では、純粋、型付き、関数型プログラムを合成する新しい遺伝的プログラミングアルゴリズムであるHOTGPを提案する。
HOTGPは、仕様と組み込み文法に関連する豊富なデータ型によって提供される知識を活用して、検索空間を制限し、合成の性能を向上させる。
この文法はhaskellの標準ベースライブラリ(合成されたコードは任意の標準haskellコンパイラで直接コンパイルできる)に基づいており、高階関数、$\lambda$-関数、パラメトリック多型をサポートする。
実験の結果,標準ベンチマークを用いた6ドルの最先端アルゴリズムと比較して,HOTGPは競争力があり,どのアルゴリズムよりも高い頻度で正しいプログラムを合成できることがわかった。
関連論文リスト
- Learning to Reason via Program Generation, Emulation, and Search [33.11955431589091]
言語モデル(LM)によるプログラム合成は、多くの推論能力を解放した。
すべての推論タスクは、コードとして容易に表現できるわけではない。例えば、常識的推論、道徳的意思決定、皮肉な理解を含むタスクである。
我々は,プログラム合成スキルをこのようなタスクに拡張するために,コード生成とエミュレートされた実行(CoGEX)を提案する。
論文 参考訳（メタデータ） (2024-05-25T19:40:50Z) - Efficient Algorithms for Recognizing Weighted Tree-Adjoining Languages [104.90415092306219]
4つの形式は、ツリー随伴文法(TAG)、線形指数文法(LIG)、プッシュダウン随伴オートマトン(PAA)、組込みプッシュダウンオートマトン(EPDA)に相当する。
我々は,文字列の導出量(文字列のすべてのオートマトン重み)と全導出量(全ての導出量重み)を計算するための新しいアルゴリズムを設計する。
EPDA の場合、我々のアルゴリズムは、$mathcalO(|Gamma|2)$ および $ の因子による Alonso et al. (2001) のアルゴリズムよりも空間効率と時間効率が良い。
論文 参考訳（メタデータ） (2023-10-23T18:26:00Z) - ExeDec: Execution Decomposition for Compositional Generalization in Neural Program Synthesis [54.18659323181771]
プログラム合成において望ましいいくつかの異なる構成一般化形式を特徴付ける。
本稿では,ExeDecを提案する。ExeDecは,実行サブゴールを予測し,各ステップでプログラム実行によって段階的に通知される問題を解くための,新しい分解ベースの戦略である。
論文 参考訳（メタデータ） (2023-07-26T01:07:52Z) - Solving Novel Program Synthesis Problems with Genetic Programming using
Parametric Polymorphism [0.0]
Code-build Genetic Programming (CBGP) は、スタックベースのコンパイルと形式型システムを用いて、線形ゲノムからタイプセーフなプログラムをコンパイルする。
CBGPは、これらの性質の全てで問題を解くことができ、そこでは、我々が知っている他のすべてのGP系が、これらの性質の問題を考慮できないような制限を持っている。
論文 参考訳（メタデータ） (2023-06-08T00:10:07Z) - A Divide-Align-Conquer Strategy for Program Synthesis [8.595181704811889]
本稿では,大規模プログラムの探索を複数の小さなプログラム合成問題に分割する例によって,構成セグメント化がプログラミングに応用可能であることを示す。
入力と出力における構成部品の構造的アライメントは、プログラム探索を導くのに使用されるペアワイズ対応に繋がる。
論文 参考訳（メタデータ） (2023-01-08T19:10:55Z) - Taylor Genetic Programming for Symbolic Regression [5.371028373792346]
遺伝的プログラミング(GP)は、記号回帰(SR)問題を解決するために一般的に用いられる手法である。
そこで我々はTaylorGP (Taylor Genetic Programming) を提案し,データセットに適合するシンボリック方程式を近似する。
TaylorGPは9つのベースライン法よりも精度が高いだけでなく、安定した結果を見つけるのにも速い。
論文 参考訳（メタデータ） (2022-04-28T13:43:39Z) - 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) - 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) - Code Building Genetic Programming [0.0]
我々は、コード構築遺伝プログラミング(CBGP)を、これを実現するためのフレームワークとして紹介する。
CBGPは、ホスト言語のソースコードに実行または変換できる計算グラフを生成する。
論文 参考訳（メタデータ） (2020-08-09T04:33:04Z)
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。