Aprendizagem contínua aplicada ao problema de seleção de otimizações com estimativa estática

Fabrício Filho, João; Silva, Anderson Faustino da

Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/2789

Registro completo de metadados

Campo DC	Valor	Idioma
dc.creator	Fabrício Filho, João	-
dc.creator	Silva, Anderson Faustino da	-
dc.date.accessioned	2017-12-18T20:17:26Z	-
dc.date.available	5000	-
dc.date.available	2017-12-18T20:17:26Z	-
dc.date.issued	2016-09	-
dc.identifier.citation	FABRÍCIO FILHO, João; SILVA, Anderson Faustino da. Aprendizagem contínua aplicada ao problema de seleção de otimizações com estimativa estática. In: CONGRESSO BRASILEIRO DE SOFTWARE: TEORIA E PRÁTICA, 7., 2016, Maringá. Anais eletrônicos… Maringá, Paraná: SBC, 2016. Disponível em: <http://cbsoft.org/articles/0000/1243/CBSoft2016-WTDSoft.pdf>. Acesso em: 21 set. 2017.	pt_BR
dc.identifier.uri	http://repositorio.utfpr.edu.br/jspui/handle/1/2789	-
dc.language	por	pt_BR
dc.relation	http://repositorio.utfpr.edu.br/jspui/handle/1/2440	pt_BR
dc.relation.ispartof	Congresso Brasileiro de Software: teoria e prática	pt_BR
dc.relation.uri	http://cbsoft.org/articles/0000/1243/CBSoft2016-WTDSoft.pdf	pt_BR
dc.rights	embargoedAccess	pt_BR
dc.subject	Compiladores (Programas de computador)	pt_BR
dc.subject	Aprendizado do computador	pt_BR
dc.subject	Inteligência artificial	pt_BR
dc.subject	Compilers (Computer programs)	pt_BR
dc.subject	Machine learning	pt_BR
dc.subject	Artificial intelligence	pt_BR
dc.title	Aprendizagem contínua aplicada ao problema de seleção de otimizações com estimativa estática	pt_BR
dc.type	conferenceObject	pt_BR
dc.description.resumo	Os compiladores modernos aplicam otimizações aos códigos, na tentativa de melhorar os códigos gerados. O problema de seleção de otimizações consiste na escolha de uma sequência de otimizações que seja capaz de gerar um código de boa qualidade. Nesse contexto, o espaço de busca é amplo, consequentemente uma busca exaustiva é impraticável. A aplicação da aprendizagem contínua de longo prazo mostra-se uma alternativa viável e prática para reduzir o custo de uma busca exaustiva. Contudo, o custo de se obter uma sequência de otimizações ainda demanda várias avaliações - compilar, executar e medir o tempo de execução do programa a cada sequência encontrada -, o que inviabiliza a aplicação de estratégias desse porte para usuários finais. O objetivo deste trabalho é aplicar aprendizagem contínua de longo prazo ao problema de seleção de otimizações, avaliando os códigos gerados sem a necessidade de uma execução real. Espera-se contribuir no intuito de aproximar tal estratégia a usuários finais, reduzindo o seu custo computacional.	pt_BR
dc.publisher.local	Campo Mourao	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.citation.issue	7	pt_BR
Aparece nas coleções:	PCS - Trabalhos publicados em Eventos

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
aprendizagemcontinuaestimativaestatica.pdf Disponível a partir de 5000-01-01		2,95 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Recomendar este item Visualizar estatísticas