تکنیک های یادگیری ماشین در بهینه سازی کد برنامه ها
Publish place: The Second National Conference on Computer Electrical Engineering and Information Technology
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 4,317
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CEIC02_082
Index date: 24 November 2008
تکنیک های یادگیری ماشین در بهینه سازی کد برنامه ها abstract
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.
تکنیک های یادگیری ماشین در بهینه سازی کد برنامه ها Keywords:
تکنیک های یادگیری ماشین در بهینه سازی کد برنامه ها authors
فاطمه شبستری
دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی واحد شبستر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :