关键词abstract interpretation
搜索结果 - 7
- 从可能世界到可能模型：学习不确定数据
我们介绍了一种从不确定数据中学习线性模型的高效方法，其中不确定性被表示为数据中可能的变化集合，导致预测的多样性。我们的方法利用抽象解释和 zonotopes（一种凸多面体类型）来紧凑地表示这些数据集的变化，从而能够同时对所有可能的世界进行符 - C 分析器：C 程序的静态程序分析工具
基于抽象解释技术的 C 程序静态分析工具，支持多种抽象域，能够对声明、赋值、二进制操作、条件语句、循环等 C 语言构造进行分析，但不支持数组、结构体、联合体、指针或函数调用。
- ICML模型规划中的广义启发式搜索的抽象解释
本文介绍了如何通过抽象解释作为一个统一框架来构建搜索启发式，以扩展启发式搜索到使用更复杂的数据类型和函数（例如，集合，几何），甚至具有不确定性和概率影响的更丰富的世界模型，并展示了这些启发式可与学习相结合，允许代理在新颖的世界模型中借助由抽 - E - 图上的抽象解释
本文研究在 e-graph 应用中运用抽象解释技术，在 e-graph 中对于抽象域的 meet 操作具有自然的解释。通过采用区间算术作为示例，可以提高对分析精度的控制。
- ICLR使用混合抽象语义表示部分程序
通过神经符号表示以及基于抽象解释衍生的执行模型，我们提供了一种表示部分程序的一般技术。这种技术可以帮助程序综合引擎在寻找程序解决方案时使用更强大的语言结构，从而在给定的搜索预算内更准确地综合程序。
- MM通过抽象解释实现模块化约束求解器合作
本文提出一种基于抽象解释的合作求解框架，通过组合不同的抽象域和合作方案来实现约束求解的协作。该框架支持两种新的合作方案：间隔传播器的补充和延迟乘积，实现了对约束求解的控制方面的抽象。在灵活的工作车间调度问题上，该方法已经得到了实现和应用。
- 概率程序分析的抽象蒙特卡罗方法
介绍一种新的方法，随机测试和抽象解释相结合，用于分析同时具有概率和非概率不确定性的程序，探讨了测试和抽象解释的组合以及精确性和迭代次数等问题，并给出了实验结果。