Documents disponibles écrits par cet auteur

Machine Learning Methods for Synthesis of Program Invariants / Wael-Amine BOUTGLAY

Public ISBD Titre : Machine Learning Methods for Synthesis of Program Invariants Type de document : projet fin études Auteurs : Wael-Amine BOUTGLAY, Auteur Langues : Français (fre) Catégories : Internet des Objets et Services Mobiles ( IOSM ) Mots-clés : Vérification de programme, méthodes formelles, Génération d’invariant, apprentissage automatique, réseaux de neurons, apprentissage en model ICE Index. décimale : mast 213/19 Résumé : Le développement des programmes corrects reste un problème important et ouvert. Des approches basées sur les méthodes formelles ont été développées pour vérifier l’exactitude d’un programme par rapport à une spécification donnée. L’inspection manuelle des programmes est sujette aux erreurs, compliquée et coûteuse. Plusieurs méthodes et outils ont été proposés pour automatiser cette vérification, mais avec des limitations. La synthèse d’invariants adéquats et inductifs est un problème complexe qui est au coeur de la vérification automatisée des programmes. Nous discutons les travaux les plus percutants de la littérature sur la génération automatique d’invariant en utilisant l’apprentissage automatique, y compris le modèle d’apprentissage d’invariant robuste appelé ICE. Nous proposons le premier algorithme d’apprentissage non basés sur les templates adaptant ICE avec des implications contre-exemples basés sur des techniques d’apprentissage automatique. En particulier, nous étendons les réseaux de neurones classiques au traitement de ces implications. Machine Learning Methods for Synthesis of Program Invariants [projet fin études] / Wael-Amine BOUTGLAY, Auteur . - [s.d.]. Langues : Français (fre) Catégories : Internet des Objets et Services Mobiles ( IOSM ) Mots-clés : Vérification de programme, méthodes formelles, Génération d’invariant, apprentissage automatique, réseaux de neurons, apprentissage en model ICE Index. décimale : mast 213/19 Résumé : Le développement des programmes corrects reste un problème important et ouvert. Des approches basées sur les méthodes formelles ont été développées pour vérifier l’exactitude d’un programme par rapport à une spécification donnée. L’inspection manuelle des programmes est sujette aux erreurs, compliquée et coûteuse. Plusieurs méthodes et outils ont été proposés pour automatiser cette vérification, mais avec des limitations. La synthèse d’invariants adéquats et inductifs est un problème complexe qui est au coeur de la vérification automatisée des programmes. Nous discutons les travaux les plus percutants de la littérature sur la génération automatique d’invariant en utilisant l’apprentissage automatique, y compris le modèle d’apprentissage d’invariant robuste appelé ICE. Nous proposons le premier algorithme d’apprentissage non basés sur les templates adaptant ICE avec des implications contre-exemples basés sur des techniques d’apprentissage automatique. En particulier, nous étendons les réseaux de neurones classiques au traitement de ces implications.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 213/19	mast 213/19 WAE	Texte imprimé	Unité des masters	Mast/19	Disponible