MétaCan
Menu
Retour à la cohorte
Enregistrement W2991627118 · doi:10.1109/models-c.2019.00082

Optimizing Hierarchical, Concurrent State Machines in Umple for Model Checking

2019· article· en· W2991627118 sur OpenAlexaff
Opeyemi Adesina, Timothy C. Lethbridge, Stéphane S. Somé

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueFormal Methods in Verification
Établissements canadiensUniversity of OttawaUniversity of the Fraser Valley
Organismes subventionnairesnon disponible
Mots-clésModel checkingComputer scienceState (computer science)State spaceReduction (mathematics)Finite-state machineSemantics (computer science)Encoding (memory)Resource (disambiguation)Distributed computingTheoretical computer scienceAbstract state machinesSoftwareProgramming languageArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

This paper presents our work on the optimization of hierarchical, concurrent state machines for the purpose of model checking software systems. We propose an encoding strategy that reduces the explosion of the state space during model checking. Our method removes non-concurrent composite states of a state machine but retains its concurrent and basic states counterparts. Transitions into and those originating from the removed states are redirected in a manner that is semantics-preserving. The resulting state machine has a state-space lesser than (or equal to) its unoptimized version. This in-turn yields improvements in resource utilization as attested by means of case studies. While cone of influence (COI) reduction remains a potent method for managing state space explosion during model checking, it was discovered that our approach outperforms COI on some parameters. It even facilitates further reduction in resource utilization when combined with COI.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,049
Tête enseignante GPT0,336
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFormal Methods in VerificationTravaux en français237 207