| Título : |
Machine Learning for Dynamic Software Analysis: Potentials and Limits : International Dagstuhl Seminar 16172, Dagstuhl Castle, Germany, April 24-27, 2016, Revised Papers |
| Tipo de documento: |
documento electrónico |
| Autores: |
Bennaceur, Amel, ; Hähnle, Reiner, ; Meinke, Karl, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2018 |
| Número de páginas: |
IX, 257 p. 38 ilustraciones |
| ISBN/ISSN/DL: |
978-3-319-96562-8 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Ingeniería de software Inteligencia artificial Ciencias de la Computación Teoría de la Computación |
| Índice Dewey: |
005.1 Programación (Computadoras) |
| Resumen: |
El aprendizaje automático de artefactos de software es un área emergente de interacción entre las comunidades de aprendizaje automático y análisis de software. El aumento de la productividad en la ingeniería de software depende de la creación de nuevas herramientas adaptables y escalables que puedan analizar sistemas de software grandes y en constante cambio. Estos requieren nuevas técnicas de análisis de software basadas en el aprendizaje automático, como las pruebas de software basadas en el aprendizaje, la generación de invariantes o la síntesis de código. El aprendizaje automático es un paradigma poderoso que proporciona enfoques novedosos para automatizar la generación de modelos y otros artefactos de software esenciales. Este volumen tiene su origen en un seminario de Dagstuhl titulado "Aprendizaje automático para el análisis dinámico de software: potenciales y límites" celebrado en abril de 2016. El seminario se centró en fomentar un espíritu de colaboración para compartir conocimientos y ampliar y fortalecer la fertilización cruzada entre las Comunidades de aprendizaje automático y análisis de software. El libro proporciona una descripción general de las técnicas de aprendizaje automático que se pueden utilizar para el análisis de software y presenta aplicaciones de ejemplo de su uso. Además de un capítulo introductorio, el libro está estructurado en tres partes: pruebas y aprendizaje, extensión del aprendizaje de autómatas y enfoques integradores. |
| Nota de contenido: |
Introduction -- Testing and Learning -- Extensions of Automata Learning -- Integrative Approaches. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Machine Learning for Dynamic Software Analysis: Potentials and Limits : International Dagstuhl Seminar 16172, Dagstuhl Castle, Germany, April 24-27, 2016, Revised Papers [documento electrónico] / Bennaceur, Amel, ; Hähnle, Reiner, ; Meinke, Karl, . - 1 ed. . - [s.l.] : Springer, 2018 . - IX, 257 p. 38 ilustraciones. ISBN : 978-3-319-96562-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Ingeniería de software Inteligencia artificial Ciencias de la Computación Teoría de la Computación |
| Índice Dewey: |
005.1 Programación (Computadoras) |
| Resumen: |
El aprendizaje automático de artefactos de software es un área emergente de interacción entre las comunidades de aprendizaje automático y análisis de software. El aumento de la productividad en la ingeniería de software depende de la creación de nuevas herramientas adaptables y escalables que puedan analizar sistemas de software grandes y en constante cambio. Estos requieren nuevas técnicas de análisis de software basadas en el aprendizaje automático, como las pruebas de software basadas en el aprendizaje, la generación de invariantes o la síntesis de código. El aprendizaje automático es un paradigma poderoso que proporciona enfoques novedosos para automatizar la generación de modelos y otros artefactos de software esenciales. Este volumen tiene su origen en un seminario de Dagstuhl titulado "Aprendizaje automático para el análisis dinámico de software: potenciales y límites" celebrado en abril de 2016. El seminario se centró en fomentar un espíritu de colaboración para compartir conocimientos y ampliar y fortalecer la fertilización cruzada entre las Comunidades de aprendizaje automático y análisis de software. El libro proporciona una descripción general de las técnicas de aprendizaje automático que se pueden utilizar para el análisis de software y presenta aplicaciones de ejemplo de su uso. Además de un capítulo introductorio, el libro está estructurado en tres partes: pruebas y aprendizaje, extensión del aprendizaje de autómatas y enfoques integradores. |
| Nota de contenido: |
Introduction -- Testing and Learning -- Extensions of Automata Learning -- Integrative Approaches. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsquedaMachine Learning for Dynamic Software Analysis: Potentials and Limits / Bennaceur, Amel ; Hähnle, Reiner ; Meinke, Karl
