Using Tabular Expression Input to Specify and Generate Program Family Members Using Tabular Expression Input to Specify and Generate Program Family Members
Notice bibliographique
Résumé
When one is to develop program families traditional programming methods which are intended for the development of a single program are not appropriate. There are several different approaches available. For example the Draco approach in [18] and the product line engineering process described in [23]. Here we will focus on the FAST process developed at Lucent [24] because it is a reasonably systematic process for engineering families that has been used at Lucent Technologies for years and has proven successful. Lucent/Bell Labs have had success in reducing programming costs and speeding up development times by using the FAST process. In the FAST process, after identifying the commonalities and parameters of variation in family of programs, a special purpose programming language is developed. This language is suitable for writing members of the family. The common features of the family are already built-in; only the differences need to be programmed. McMaster University's Software Engineering Research Group (Hamilton, Ontario, Canada) is developing a set of tools to support the use of a broad class of tabular expressions (TTS). Using tabular expressions one may present complex conditional expression in a way that is more easily read, analyzed, and more likely to be correct than either conventional mathematics or conventional programs. In this work I propose to combine these two technologies. I will enhance the FAST process using tabular notation and table-based tools. The results of the commonality analysis of the FAST process, as developed at Lucent, will be used to develop a set of incomplete tabular expressions. The completed parts will represent the commonalities. The incomplete parts will correspond to the parameters of variation. The application engineer must complet...
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».