تکنیک های یادگیری ماشین در بهینه سازی کد برنامه ها
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,109
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIC02_082
تاریخ نمایه سازی: 4 آذر 1387
چکیده مقاله:
هدف از بهینه سازی می تواند تقلیل حجم و افزایش سرعت اجرایی برنامه ها باشد. بسیاری از مسایل مهم بهینه سازی کامپایلر NP-Hard می باشند. نویسندگان کامپایلر انتظار دارند تا راه حلهای موثر و ارزانی را برای این مسائل مانند زمانبندی دستورالعمل ها و تخصیص ثبات ها بیابند. استفاده از یادگیری ماشین می تواند بطور موثری مشکل را حل کند. تکنیکهایی برای اتوماتیک کردن و ساده سازی فرآیند بهینه سازی ضروری است . بنابراین باید تکنیکهای هوشمندی بکاربریم که به سرعت، راه حل تقریبی مناسب را برای دسته بزرگی از برنامه ها پیدا کند. استفاده از یادگیری ماشین می تواند بطور موثری مشکل را حل کند . با استفاده از روشهای یادگیری ماشین بهبودهایی در کامپایلر حاصل شده است و برای رسیدن به نتیجه مطلوب انتخاب روشهای مناسب و انتخاب ویژگیها از اهمیت بسیاری برخوردار است. در این مقاله تکنیک های یادگیری ماشین در بهینه سازی کد بررسی شده است.
کلیدواژه ها:
نویسندگان
فاطمه شبستری
دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی واحد شبستر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :