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 |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.