不均一モデル変換を提供するための一般的LSTMニューラルネットワークアーキテクチャ【JST・京大機械翻訳】

Burgueno Loli; Burgueno Loli; Cabot Jordi; Cabot Jordi; Li Shuai; Gerard Sebastien

文献

J-GLOBAL ID：202202210299140522 整理番号：22A0806455

不均一モデル変換を提供するための一般的LSTMニューラルネットワークアーキテクチャ【JST・京大機械翻訳】

A generic LSTM neural network architecture to infer heterogeneous model transformations

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0806455&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0806455&from=J-GLOBAL&jstjournalNo=A1112A") }}

著者 (6件)： , , , , ,
資料名：
巻： 21 号： 1 ページ： 139-156 発行年： 2022年
JST資料番号： A1112A ISSN： 1619-1366 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

モデルはシステムの関連特性を捕捉する。モデルライフサイクルの間,それらは,ソフトウェア進化の管理,分析の実行,開発者の生産性の増加,およびヒューマンエラーの低減のような異なる目標で操作される。通常,これらの操作はモデル変換として実行される。これらの変換の例は,(i)モデル進化のためのモデル-モデル変換,モデルリファクタリング,モデル併合,モデルマイグレーション,モデル精密化,(ii)コード生成のためのモデル-テキスト変換,および(iii)リバースエンジニアリングのためのテキスト-モデル変換である。これらの操作は,通常,Javaのような汎用言語,またはATLまたはAceleoのようなドメイン特異的言語(DSL)を用いて,手動で実行される。そのようなDSLを使用するときでさえ,変換はまだ時間がかかり,誤差が容易である。著者らは,モデルに関するこれらの操作を学ぶために人工知能技術の進歩を用いて提案して,この工程を自動化して,コードの特定の断片から開発者を解放した。特に,提案は,不均一モデル変換に適した一般的ニューラルネットワークアーキテクチャである。このアーキテクチャは,注意機構を有する符号器デコーダ長短期メモリから成る。入力-出力事例のペアを供給し,一度訓練すると,入力を与え,自動的に期待出力を生成する。アーキテクチャを提示し,モデル-モデル変換とコード生成に対する2つの主な操作におけるその応用を通して,著者らのアプローチの実現可能性と可能性を説明した。結果は,ニューラルネットワークが,十分なデータが提供される限り,これらのタスクを実行する方法を忠実に学習することができ,矛盾する例を与えないことを確認した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

パターン認識 , 計算機システム開発 , 自然語処理

, , ,

前のページに戻る