【摘 要】
：
程序生成是人工智能的核心研究问题之一,当前输入输出样例驱动的神经网络模型是非常流行的研究方法.面临的主要挑战是泛化能力差、生成程序准确率保证、难以处理复杂程序结构
【机 构】
：
中国科学院软件研究所,中国科学院大学,计算机科学国家重点实验室（中国科学院软件研究所）
【基金项目】
：
中国科学院战略性先导科技专项(A类)(Y8XD373105),中国科学院前沿科学重点研究计划项目(ZDBS-LY-JSC038)
论文部分内容阅读
程序生成是人工智能的核心研究问题之一,当前输入输出样例驱动的神经网络模型是非常流行的研究方法.面临的主要挑战是泛化能力差、生成程序准确率保证、难以处理复杂程序结构(如分支、循环、递归等),主要原因是模型的输入信息单一(输入输出对)和完全依赖神经网络.显然单一地通过输入输出样例倒推程序行为存在歧义性,而神经网络的记忆容量很难满足常规程序的变量存储需求.提出一种人工与神经网络生成相协作的编程模型,融合神经网络和程序员各自的优势,其中程序员用高级编程语法编写程序框架,神经网络自动学习生成程序局部的琐碎细节,从而
其他文献
小学是学生学习成长的基础性阶段,这个阶段的学生不但要学习文化知识,还要在德育、美育的共同促进下成为全面发展的学生。因此,小学班主任在进行班级管理的过程中,不但要优化
因为生命是一个复杂过程,其受多种因素的影响;疾病是多重因素作用下的结果;诊断是甄别和排除的过程,因此要深入了解健康状态或疾病本质必须全面采集四诊信息。
针对现有的高维空间近似k近邻查询算法在数据降维时不考虑维度间关联关系的问题,首次提出了基于维度间关联规则进行维度分组降维的方法.该方法通过将相关联维度分成一组进行