文献

J-GLOBAL ID：202002224328427469   整理番号：20A2259583

注意機構とプログラムスライシングによるニューラルプログラム合成のための精度改善【JST・京大機械翻訳】

Accuracy Improvement for Neural Program Synthesis via Attention Mechanism and Program Slicing

著者 (5件)： Zhang Yating (National University of Defense Technology) ,  Dong Wei (National University of Defense Technology) ,  Wang Daiyan (National University of Defense Technology) ,  Liu Binbin (National University of Defense Technology) ,  Liu Jiaxin (National University of Defense Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： COMPSAC  ページ： 963-972  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： プログラム合成,制約のいくつかの形式で表現されたユーザ意図を満足する基礎となるプログラミング言語からのプログラムの自動発見のタスクは,プログラミングの理論における最も中心的問題と最新の研究分野の1つと見なされている。他方,多くの分野でのニューラルネットワークと深層学習の開発は,研究者がプログラム合成問題を解決するためにそれらを適用する可能性を考慮することを導いている。本論文では,研究課題としてニューラルネットワークにより実現される確率的プログラム合成を取り上げ,自然言語処理における符号化と復号化の構造から,ほとんどの現在の研究が借りを借りたことに注目した。その2つの可能な欠点を分析し,1つは長配列構造の性能劣化であり,他は検証のない合成結果も冗長であった。BAYOUと名付けた確率的符号器-デコーダニューラルモデルを例として用いて,特定の問題を分析した。著者らは,それらの問題を解決するためにいくつかの方法を含み,モデル性能を改良するために,PASSというフレームワークを提案した。前者の問題のために,著者らは,ニューラルネットワークを適応して,情報忘却と長いシーケンスの問題を対処できないために,注意機構を増加させる方法を示した。次に,プログラム解析のフィールドにおけるプログラムスライシングを結合して,生成されたプログラムをスライスし,それによって,検証なしで方法から結果の冗長なコードを除去して,より洗練された結果を得た。実験は,著者らのアプローチから誘導される神経プログラム合成の精度が,最大22%まで平均17%まで改善することを示した。さらに,著者らのアプローチのスライシング作業は,結果検証なしで,それらの方法に対して,25.3%のコード精密化率の平均値に成功した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *冗長性 ,  プログラミング言語 ,  ニューラルネットワーク ,  自然言語処理 ,  復号化 ,  符号器 ,  精密化 ,  プログラム解析
準シソーラス用語： *プログラム合成 ,  *スライシング ,  性能劣化 ,  *プログラムスライシング ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 注意 ,  プログラムスライシング