[ICLR2017] Deepcoder: Learning to write programs

最新推荐文章于 2022-12-06 00:00:00 发布
最新推荐文章于 2022-12-06 00:00:00 发布
阅读量458 收藏 4
点赞数
分类专栏： 论文解读 program synthesize 文章标签： deepcoder program synthesis
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhenghf1993/article/details/100130427
版权
ICLR2017论文《Deepcoder》探讨了如何利用神经网络学习编写程序。通过定义特定领域语言（DSL），生成训练数据，并训练网络预测函数，结合传统搜索方法，实现程序综合。主要步骤包括DSL定义、训练数据生成、神经网络训练和搜索程序。
摘要由CSDN通过智能技术生成

[ICLR2017] Deepcoder: Learning to write programs

作者：Matej Balog, Alexander L.Gaunt, Marc Brockschmidt, Sebastian Nowozin, Daniel Tarlow

任务描述

IPS 归纳程序综合，给定含有多个输入输出对的集合，生成满足这些输入输出的最短的程序。

主要思想

  • 用神经网络预测程序中可能使用到的函数
  • 用这些函数穷举搜索程序

方法流程

1. 定义特定领域语言（DSL）

相当于定义一个语法规则
DSL示例
在上面的例子中，程序一共有五条语句，k为输入int整数，b为输入int型数组，c为对b排序的结果，d为取c的前k个值，e为对d求和。
论文中定义的DSL包含的函数如下：

Overall, our DSL contains the first-order functions HEAD , LAST , TAKE , DROP , ACCESS , MINIMUM , MAXIMUM , REVERSE , SORT , SUM , and the higher-order functions MAP , FILTER , COUNT, ZIPWITH , SCANL1. Higher-

最低0.47元/天 解锁文章
似水流年彼岸花开
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器码农：深度学习自动编程
CSDN 人工智能
01-04 1212
作者简介：张俊林，中科院软件所博士，曾担任阿里巴巴、百度、新浪微博资深技术专家，目前是用友畅捷通工智能相关业务负责人，关注深度学习在自然语言处理方面的应用。 责编：何永灿，欢迎人工智能领域技术投稿、约稿、给文章纠错，请发送邮件至heyc@csdn.net 本文为《程序员》原创文章，未经允许不得转载，更多精彩文章请订阅2017年《程序员》 机器自动编程是人工智能一直以来期望攻克的重...
[ICLR'17] DEEPCODER: LEARNING TO WRITE PROGRAMS
weixin_34129145的博客
06-25 229
DEEPCODER: LEARNING TO WRITE PROGRAMS Basic Information Authors: Matej Balog, Alexander L. Gaunt, Marc Brockschmidt, Sebastian Nowozin, Daniel Tarlow Publication: ICLR'17 Description: Generate code b...
学习编程（DeepCoder: Learning to Write Programs）
weixin_30797199的博客
01-23 225
（Under review as a conference paper at ICLR 2017） ICLR 2017已提交的关于自动编程有12 篇论文，以下为其中一篇。 主要工作是提出一种利用神经网络生成算法代码的方法，相比于不用神经网络的搜索过程，速度有极大的提升。 学习编程（DeepCoder: Learning to Write Programs） 链接 https://op...
[论文浅析]ICLR2017 跨语言，跨任务，跨领域序列标注
fengdu78的博客
02-13 327
公众号关注“忆语臻言”设为 “星标”，一起学习进步！本文介绍ICLR2017的一篇文章，题目为"transfer learning for sequence for seque...
ICLR2017 paper: FASTER CNNS WITH DIRECT SPARSE CONVOLUTIONS AND GUIDED PRUNING 笔记
niexiangwww2010的博客
05-27 1316
ICLR
ICLR2017文献
05-25
**ICLR2017文献概述** ICLR（International Conference on Learning Representations）是深度学习领域备受瞩目的国际会议，2017年的ICLR聚集了全球各地的研究者，展示了他们在机器学习，尤其是深度学习领域的最新...
注意转移：通过注意转移改善卷积网络（ICLR 2017）
02-05
注意转移PyTorch代码“更多地关注注意力：通过注意力转移提高卷积神经网络的性能” ICLR2017会议论文： ://openreview.net/forum id Sks9_ajex 到目前为止，此仓库中有什么： 用于CIFAR-10实验的基于激活的AT代码...
HyperNet:适用于ResNet的HyperNetworks的PyTorch实施（Ha等人，ICLR 2017）
03-19
超网络适用于ResNet的PyTorch实施（Ha等人，ICLR 2017）。该代码主要用于CIFAR-10和CIFAR-100，但是将其用于任何其他数据集都非常容易。将其用于不同深度的ResNet架构也非常容易。我们使用pytorch闪电来控制整个管道...
cmd:领域不变表示学习的中心矩差异（ICLR 2017，keras）
05-04
该存储库包含用于重现实验的代码，该论文在Werner Zellinger，Edwin Lughofer和Susanne Saminger-Platz的美国国际学习表示会议（ICLR2017）上发表了报告的实验。 JKU Linz的基于知识的数学系统，以及软件能力...
HyperNetworks:HyperNets的PyTorch实施（Ha et al。，ICLR 2017）for ResNet（Residual Networks）
05-04
超网络适用于ResNet的PyTorch实施（Ha等人，ICLR 2017）。 该代码主要用于CIFAR-10，但将其用于任何其他数据集都非常容易。 将其用于不同深度的ResNet架构也非常容易。 （如果您在此处使用任何代码/图表，请引用此...
【每日一读】ICLR2017: 机器阅读理解中的双向注意力流
carrie_0307的博客
01-05 340
Paper: (ICLR2017) BI-DIRECTIONAL ATTENTION FLOW FOR MACHINE COMPREHENSION Link: https://arxiv.org/pdf/1611.01603.pdf 大家在读MRC论文时可能都会频繁注意到Bi-attention Layer的使用，那么今天我们就来读一读提出Bi-attention Layer的这篇论文~ Bi-attention Flow提出于ICLR2017的一篇进行机器阅读任务(MRC)的论文中。MRC任务要求根据问.
【强化学习论文合集】五.2017国际表征学习大会论文(ICLR2017)
最新发布
计算机科研杂货铺
12-06 1528
强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。
图神经网络（1）：图卷积神经网络GCN ICLR 2017
dongfangxiaozi_的专栏
08-04 618
图卷积神经网络GCN ICLR 2017 ， 是曾经在美国加州大学UCI教授、现在荷兰阿姆斯特丹大学教授 Max Welling团队的大作（Max是图灵奖获得者Hinton的弟子），第一作者T. N. Kipf已经成为这个领域有名的学者和工程师。这里对原来的邻接矩阵做了一个归一化，可以不必看懂这个归一化，除非你懂线性代数。但GIN开始，对GCN和GAT做一个节点特征的池化Pooling，就能得到真个图的特征，并应用在图分类上。A是一个N*N的矩阵，和A相乘后得到一个新的N*F'的矩阵，也就是。......
AI要抢“码农”饭碗？微软剑桥联合推出编程机器人DeepCoder
qunnie_yi的博客
02-23 440
微软和剑桥大学的研究员近日发布了一篇论文，文中阐述了其科研成果——一个会编程的机器学习系统。该系统叫DeepCoder，能够解决编程比赛所涉及到的基础编程题目。该系统为不会编程的人提供了制作简易程序的可能。（点击这里获取论文）DeepCoder的创造者之一，在剑桥大学参与微软研究项目的 Marc Brockschmidt表示：“该程序最终可以让非编程人员通过向计算机描述自己的程序构想来获得想要的程...
ICLR 2017精选论文
weixin_38113026的博客
06-04 857
深度学习及表征学习的顶级会议 The 5th International Conference on Learning Representations（ICLR 2017）将于今年4月24日-26日在法国南部的地中海海港城市土伦举行。今年是 ICLR 举办的第五个年头。这个从最开始就依靠深度学习权威学者 Yann LeCun（Facebook AI研究院主管）和 Yoshua Bengio 所引领的会议正在成为深度学习研究和实践发展的桥头堡。ICLR 因为其开放的论文审核制度和更加专注的研究讨论范畴已经吸引
【CSDN AI 周刊】第10期 | 微软剑桥联合推出编程机器人DeepCoder
qunnie_yi的博客
02-24 388
近日，麻省理工科技评论发布2017年度十大突破技术榜单，其中人工智能相关技术就占四项。不得不说AI技术将是颠覆人类历史进程的一剂猛药。本周AI界收获不小，继上周TensorFlow 1.0正式发布后，TensorFlow持续升温，大有一统江湖之势。各大厂纷纷发布新技术，其中包括微软的编程机器人、Google的TensorFlow预处理库、DeepMind的最新生成记忆模型、以及加州伯克利大学...
<绝对干货>2017年ICLR视频地址
lqfarmer的博客
05-04 945
ICLR是International Conference on Learning Representations的简称，中文翻译为国际学习表征会议。2013年由深度学习的两位大牛Yann LeCun和Yoshua Bengio牵头创办，虽然到今年才创办第五届，但已经被国际学术的研究者们认可，被称为深度学习界顶级会议。 2017年ICLR于4月24-26日在法国土伦举行，刚刚结束，今
ICLR 2017 | 基于双向注意力流的机器理解
木东的博客
05-14 409
本文提出了双向注意力流（BIDAF）网络，是一种分层的多阶段架构，在不同粒度等级上对上下文进行建模。BIDAF包括字符级（character-level）、单词级（word-level）和上下文（contextual）的embedding，并使用双向注意力流来获取query-aware的上下文表示。 论文地址: https://arxiv.org/abs/1611.01603 代码地址: htt...
DeepCoder 解读
梦Dancing的博客
04-06 1797
一、想解决的问题 构建可以编写计算机程序的系统，生成人类可读的源代码。 二、提出的idea 1. 定义一个DSL(domain specific language)。等同于图灵完备的极小编程语言。DSL中只有少数基本原语，原语组合可以实现各种功能。用于缩小搜索空间。 2. 采用神经网络训练，预测程序段。例如，input是无序的数组，output是有序的数组。那Deepcoder会被训...
2019 ICLR会议精华：公平算法与深度学习研究综述
此外，SPiRL（Statistical Programming for Reinforcement Learning）工作坊展示了丰富的研究成果，如模型基础的RL（通过元学习）、基于上下文的Off-Policy RL方法、对Meta-RL的深入理解，以及多任务和对象中心表示...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值