論文の概要: A Time Series Analysis of Assertions in the Linux Kernel

• arxiv url: http://arxiv.org/abs/2412.19465v1
• Date: Fri, 27 Dec 2024 05:22:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:28:28.147893
• Title: A Time Series Analysis of Assertions in the Linux Kernel
• Title（参考訳）: Linuxカーネルにおけるアクセレーションの時系列解析
• Authors: Jukka Ruohonen,
• Abstract要約: 本論文は,Linuxカーネルにおけるアサーション利用の経年変化を実証的に検討する。 カーネルパニックを引き起こすアサーションの使用は、カーネルの3番目のリリースシリーズから6番目のリリースシリーズまで、わずかに減少することはなかった。
• 参考スコア（独自算出の注目度）: 0.2538209532048867
• License:
• Abstract: Assertions are a classical and typical software development technique. These are extensively used also in operating systems and their kernels, including the Linux kernel. The paper patches a gap in existing knowledge by empirically examining the longitudinal evolution of assertion use in the Linux kernel. According to the results, the use of assertions that cause a kernel panic has slightly but not substantially decreased from the kernel's third to the sixth release series. At the same time, however, the use of softer assertion variants has increased; these do not cause a panic by default but instead produce warnings. With these time series results, the paper contributes to the existing but limited empirical knowledge base about operating system kernels and their long-term evolution.
• Abstract（参考訳）: アッサーション(Assertion)は、古典的で典型的なソフトウェア開発技術である。 これらはLinuxカーネルを含むオペレーティングシステムやカーネルでも広く使われている。 本論文は,Linuxカーネルにおけるアサーション利用の経時的進化を実証的に検証することによって,既存の知識のギャップを埋めるものである。 その結果、カーネルパニックの原因となるアサーションの使用は、カーネルの3番目のリリースシリーズから6番目のリリースシリーズまで、わずかに減少することはなかった。 しかし同時に、よりソフトなアサーション変種の使用が増加し、これらはデフォルトでパニックを引き起こすのではなく、警告を生成する。 これらの時系列結果から,オペレーティングシステムのカーネルに関する経験的知識基盤とその長期的進化に寄与する。

関連論文リスト

• KernelGPT: Enhanced Kernel Fuzzing via Large Language Models [8.77369393651381]
  我々はLarge Language Models (LLM) を通じてsyscall仕様を自動合成する最初のアプローチである KernelGPT を提案する。 以上の結果から, KernelGPTは最新の技術よりも, より新しい, 有効な仕様を作成できることを示す。
  論文  参考訳（メタデータ） (2023-12-31T18:47:33Z)
• Geometric Learning with Positively Decomposable Kernels [6.5497574505866885]
  本稿では、正の分解を許容するカーネルのみを必要とするカーネルKrein空間(RKKS)を再現する手法を提案する。 RKKSで学習するためには、この分解にアクセスする必要はない。
  論文  参考訳（メタデータ） (2023-10-20T21:18:04Z)
• A Unifying Perspective on Non-Stationary Kernels for Deeper Gaussian Processes [0.9558392439655016]
  代表データセットを用いて動作中のさまざまなカーネルを示し、その特性を慎重に研究し、性能を比較する。 そこで本研究では,既存のカーネルの利点を活かしたカーネルを提案する。
  論文  参考訳（メタデータ） (2023-09-18T18:34:51Z)
• Weisfeiler and Leman Go Walking: Random Walk Kernels Revisited [4.30226515682283]
  本研究では,歩行に基づくノード改善手法について検討し,これらを広く使われているいくつかの手法と公式に関連づける。 定義や計算に関する小さな修正のみを施した古典的ランダムウォークカーネルは、広く使われているWeisfeiler-Lemanサブツリーカーネルと同じくらい表現力があることを示す。 実際の分類タスクにおいて、ウォークベースのカーネルがWeisfeiler-Lemanカーネルの精度に達するか、あるいは超えるかを実験的に検証する。
  論文  参考訳（メタデータ） (2022-05-22T19:41:25Z)
• Meta-Learning Hypothesis Spaces for Sequential Decision-making [79.73213540203389]
  オフラインデータ(Meta-KeL)からカーネルをメタ学習することを提案する。 穏やかな条件下では、推定されたRKHSが有効な信頼セットを得られることを保証します。 また,ベイズ最適化におけるアプローチの有効性を実証的に評価した。
  論文  参考訳（メタデータ） (2022-02-01T17:46:51Z)
• Fast Sketching of Polynomial Kernels of Polynomial Degree [61.83993156683605]
  他のカーネルはしばしばテイラー級数展開を通じてカーネルによって近似されるので、カーネルは特に重要である。 スケッチの最近の技術は、カーネルの$q$という難解な程度に実行時間に依存することを減らしている。 我々は、この実行時間を大幅に改善する新しいスケッチを、先頭の注文項で$q$への依存を取り除くことで提供します。
  論文  参考訳（メタデータ） (2021-08-21T02:14:55Z)
• Kernel Continual Learning [117.79080100313722]
  カーネル連続学習は、破滅的な忘れ事に取り組むための、シンプルだが効果的な連続学習の変種である。 エピソードメモリユニットは、カーネルリッジ回帰に基づいてタスク固有の分類器を学ぶために、各タスクのサンプルのサブセットを格納する。 タスク毎にデータ駆動カーネルを学ぶための変動ランダム機能。
  論文  参考訳（メタデータ） (2021-07-12T22:09:30Z)
• Kernel Identification Through Transformers [54.3795894579111]
  カーネル選択はガウス過程(GP)モデルの性能決定において中心的な役割を果たす。 この研究は、高次元GP回帰モデルのためのカスタムカーネル関数を構築するという課題に対処する。 KITT: Kernel Identification through Transformersを提案する。
  論文  参考訳（メタデータ） (2021-06-15T14:32:38Z)
• Isolation Distributional Kernel: A New Tool for Point & Group Anomaly Detection [76.1522587605852]
  分離分散カーネル(IDK)は2つの分布の類似性を測定する新しい方法である。 我々は、カーネルベースの異常検出のための新しいツールとして、IDKの有効性と効率を示す。
  論文  参考訳（メタデータ） (2020-09-24T12:25:43Z)
• Multiple Video Frame Interpolation via Enhanced Deformable Separable Convolution [67.83074893311218]
  カーネルベースの手法は、ソースフレームと空間適応型ローカルカーネルを囲む単一の畳み込みプロセスでピクセルを予測する。 本稿では,適応カーネルだけでなく,オフセット,マスク,バイアスを推定するための拡張変形性分離畳み込み(EDSC)を提案する。 提案手法は,幅広いデータセットを対象とした最先端の手法に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-06-15T01:10:59Z)
• Kernels for time series with irregularly-spaced multivariate observations [0.0]
  我々は、不規則に空間化された時系列を表すのに十分な「系列カーネル」が、よく知られた「ベクトルカーネル」から構築されることを示す。 我々のシリーズカーネルは、より伝統的な時系列分類に使われ、その性能は代替手法と広く一致していることを示す。
  論文  参考訳（メタデータ） (2020-04-18T07:51:54Z)

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。