Fugu-MT 論文翻訳(概要): RacerF: Data Race Detection with Frama-C (Competition Contribution)

論文の概要: RacerF: Data Race Detection with Frama-C (Competition Contribution)

arxiv url: http://arxiv.org/abs/2502.20052v1
Date: Thu, 27 Feb 2025 12:48:49 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-28 14:53:39.811917
Title: RacerF: Data Race Detection with Frama-C (Competition Contribution)
Title（参考訳）: RacerF: Frama-C (Competition Contribution) によるデータ競合検出
Authors: Tomáš Dacík, Tomáš Vojnar,
Abstract要約: RacerFは、マルチスレッドCプログラムでデータ競合を検出する静的解析器である。これは、シーケンシャルな振る舞いの分析を行うために、Frama-Cの抽象的インタプリタEVAに依存している。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: RacerF is a static analyser for detection of data races in multithreaded C programs implemented as a plugin of the Frama-C platform. The approach behind RacerF is mostly heuristic and relies on analysis of the sequential behaviour of particular threads whose results are generalised using a combination of under- and over-approximating techniques to allow analysis of the multithreading behaviour. In particular, in SV-COMP'25, RacerF relies on the Frama-C's abstract interpreter EVA to perform the analysis of the sequential behaviour. Although RacerF does not provide any formal guarantees, it ranked second in the NoDataRace-Main sub-category, providing the largest number of correct results (when excluding metaverifiers) and just 4 false positives.
Abstract（参考訳）: RacerFはFrama-Cプラットフォームのプラグインとして実装されたマルチスレッドCプログラムのデータ競合を検出する静的アナライザである。 RacerFの背後にあるアプローチは、主にヒューリスティックであり、マルチスレッド動作の分析を可能にするために、アンダーおよびオーバー近似技術の組み合わせを用いて結果が一般化される特定のスレッドのシーケンシャルな振る舞いの分析に依存している。特にSV-COMP'25では、RacerFはシーケンシャルな振る舞いの分析を行うためにFrama-Cの抽象的インタプリタEVAに依存している。 RacerFは正式な保証は提供していないが、NoDataRace-Mainサブカテゴリで2位にランクされ、正しい結果の最大数(メタ検証を除いた場合)とわずか4つの偽陽性を提供する。

関連論文リスト

RacerF: Lightweight Static Data Race Detection for C Code [0.0]
スレッドモジュラーデータ競合検出のための新しい静的解析法を提案する。本手法は逐次的プログラム動作の静的解析を利用する。我々は、Frama-CプラットフォームのプラグインとしてRaceFと呼ばれる新しいツールでこのアプローチを実装しました。
論文参考訳（メタデータ） (2025-02-07T13:21:43Z)
Time-Series Forecasting: Unleashing Long-Term Dependencies with Fractionally Differenced Data [0.0]
本研究では,分数差分(FD)のパワーを活用した新しい予測手法を提案する。 FDはメモリを連続的に保存し、モデリングのために安定化する。教師付き分類アルゴリズムを用いてFDシリーズの性能を検証した。
論文参考訳（メタデータ） (2023-09-23T15:42:54Z)
Interactive Segmentation as Gaussian Process Classification [58.44673380545409]
クリックベースのインタラクティブセグメンテーション(IS)は、ユーザインタラクション下で対象オブジェクトを抽出することを目的としている。現在のディープラーニング(DL)ベースの手法のほとんどは、主にセマンティックセグメンテーションの一般的なパイプラインに従っている。本稿では,各画像上でガウス過程(GP)に基づく画素単位のバイナリ分類モデルとしてISタスクを定式化することを提案する。
論文参考訳（メタデータ） (2023-02-28T14:01:01Z)
Differentially Private Federated Clustering over Non-IID Data [59.611244450530315]
クラスタリングクラスタ(FedC)問題は、巨大なクライアント上に分散されたラベルなしデータサンプルを、サーバのオーケストレーションの下で有限のクライアントに正確に分割することを目的としている。本稿では,DP-Fedと呼ばれる差分プライバシー収束手法を用いた新しいFedCアルゴリズムを提案する。提案するDP-Fedの様々な属性は、プライバシー保護の理論的解析、特に非識別的かつ独立に分散された(非i.d.)データの場合において得られる。
論文参考訳（メタデータ） (2023-01-03T05:38:43Z)
Transformers Can Do Bayesian Inference [56.99390658880008]
我々はPFN(Presideed Data Fitted Networks)を提案する。 PFNは、大規模機械学習技術におけるインコンテキスト学習を活用して、大規模な後部集合を近似する。我々は、PFNがガウス過程をほぼ完璧に模倣し、難解問題に対する効率的なベイズ推定を可能にすることを示した。
論文参考訳（メタデータ） (2021-12-20T13:07:39Z)
CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。 CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
論文参考訳（メタデータ） (2021-10-26T20:14:30Z)
AFP-SRC: Identification of Antifreeze Proteins Using Sparse Representation Classifier [5.285065659030821]
極寒地に住む種は、解凍タンパク質(AFP)を用いた厳しい環境と戦うスパース再構成を用いたサンプル固有分類法を用いて,AFPの予測のための計算フレームワークを提案する。提案手法は, 平衡精度とユーデン指数の点で優れていた。
論文参考訳（メタデータ） (2020-09-11T08:24:50Z)
Federated Doubly Stochastic Kernel Learning for Vertically Partitioned Data [93.76907759950608]
本稿では,垂直分割データに対する2倍のカーネル学習アルゴリズムを提案する。本稿では,FDSKLがカーネルを扱う場合,最先端のフェデレーション学習手法よりもはるかに高速であることを示す。
論文参考訳（メタデータ） (2020-08-14T05:46:56Z)
The MCC-F1 curve: a performance evaluation technique for binary classification [0.0]
本稿では,ROCとPR解析の欠点に対処するMCC-F1曲線を提案する。 MCC-F1曲線は、不均衡な基底真理であっても、良い分類器と悪い分類器をより明確に区別する。我々はMCC-F1曲線をプロットし、関連するメトリクスを計算するRパッケージを提供する。
論文参考訳（メタデータ） (2020-06-17T15:39:08Z)
A Random Matrix Analysis of Random Fourier Features: Beyond the Gaussian Kernel, a Precise Phase Transition, and the Corresponding Double Descent [85.77233010209368]
本稿では、データサンプルの数が$n$である現実的な環境で、ランダムフーリエ(RFF)回帰の正確さを特徴付けます。この分析はまた、大きな$n,p,N$のトレーニングとテスト回帰エラーの正確な推定も提供する。
論文参考訳（メタデータ） (2020-06-09T02:05:40Z)

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。