keisuke-umezawa / arxivtimes Goto Github PK

一言でいうと

論文リンク

著者/所属機関

概要

新規性・差分

手法

結果

コメント

一言でいうと

DAATとSAATの経験的比較を行った論文。特に、WAND(DAAT)、BMW(DAAT)、JASS(SAAT)について比較した。この比較は以下の興味深い発見を提供した。

1. WANDとBMWはそんなに変わらない。tail queryに対してはかなりパフォーマンスが落ちる。
2. JASSはWAND、BMWより少し遅い。しかし、latencyのぶんさんは低く、teil queiryに対しても影響を受けにくい。

論文リンク

https://cs.uwaterloo.ca/~jimmylin/publications/Crane_etal_WSDM2017.pdf

著者/所属機関

Matt Crane,1 J. Shane Culpepper,2 Jimmy Lin,1 Joel Mackenzie,2 and Andrew Trotman3
1 David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Canada
2 Department of Computer Science, RMIT University, Melbourne, Australia
3 Department of Computer Science, University of Otago, Dunedin, New Zealand

概要

新規性・差分

手法

• JASS

結果

コメント

• fairな比較と謳っているが、この論文の推しているJASSは同じ研究室の論文。
• 自分の研究室の論文を推しているように見える。(JASSの不利な条件がもう少し見つかりそうだが、そのような検証が少ないため)

一言でいうと

• k-最近傍探索計算のためのGPUを使ったアーキテクチャの設計を提案した。
• GPUの理論性能の55%を引き出し、先行研究の8.5xの性能を引き出した。
• 上記を適用した手法
  1. 線形探索
  2. 近似探索
  3. compressed-domain search based on product quantization

論文リンク

• https://arxiv.org/abs/1702.08734

著者/所属機関

Jeff Johnson
Facebook AI Research
New York
Matthijs Douze
Facebook AI Research
Paris
Herve J ´ egou ´
Facebook AI Research
Paris

概要

新規性・差分

手法

結果

• 一番小さいデータ数での実験は、#query=10^4、#dimension=128、#document=10^6

コメント

• batch処理のパフォーマンスで、最低でも#query=10^4で計算している。

一言でいうと

TensorFlowのようなDeep Learning フレームワークでもプログラミング言語としての意味論は大事。
言語的に体系立てられている必要がある。

論文リンク

http://conf.researchr.org/event/pldi-ecoop-2017/mapl-2017-papers-a-computational-model-for-tensorflow-an-introduction-

著者/所属機関

Martin Abadi, Michael Isard, and Derek Murray (Google)

概要

新規性・差分

手法

結果

コメント

roles of semantics in TF

• computational model of use to those writeing models
• guidance for future dev
• point of reference for judgin g implementation decisions
• roll back point

一言でいうと

Uncertaiin + explicit assertで確率的なプログラムのテストを書きましょう。
乱数を含むテストはしづらい。確率0.5でtrueになるテストをかけるような仕組みを作る。

論文リンク

http://homes.cs.washington.edu/~djg/papers/mapl17.pdf

著者/所属機関

Chandrakana Nandi (U. Washington), Dan Grossman (U. Washington), Adrian Sampson (Cornell University), Todd Mytkowicz (Microsoft Research), and Kathryn S. McKinley (Google)

概要

新規性・差分

手法

結果

コメント

一言でいうと

• https://theory.stanford.edu/~aiken/publications/papers/pldi11b.pdf で下記をおこなった。
  • 関係性を記述する式の定義
  • それぞれのデータ構造の分解方法の記述
• それと、論理的なロックの記述方法と、それを物理的なロック実装に変換する仕組みを組み合わせた。
• 上記との差分は以下である
  • concurrentな関係を記述の拡張
  • データ構造を組み合わせて目標のデータ構造を作るところ

論文リンク

http://theory.stanford.edu/~hawkinsp/papers/pldi12concurrent.pdf
PLDI12 Best Paper

著者/所属機関

Peter Hawkins
Computer Science Department, Stanford
University
[email protected]
Alex Aiken ∗
Computer Science Department, Stanford
University
[email protected]
Kathleen Fisher †
Computer Science Department, Tufts
University
[email protected]
Martin Rinard
MIT Computer Science and Artificial Intelligence
Laboratory
[email protected]
Mooly Sagiv
Tel-Aviv University
[email protected]

概要

新規性・差分

手法

結果

コメント

• ロックの概念(http://www.sapyard.com/logical-lock-vs-physical-lock-in-sap/)
• Logical : Logical describes something that comes from clear reasoning.
• Physical :When something is physical it’s really there.

一言でいうと

• リンクドな共有データの扱いは以下の傾向がある
  1. 変更が大変
  2. 拘束条件を常に満たすのが大変
  3. 一貫性の担保が難しい
  4. すぐに問題が起きる
• 上記に対して、以下の手法で問題解決を行った
  1. 関係性を記述する式の定義
  2. それぞれのデータ構造の分解方法の記述
• 上記2つから自動でコンパイラが自動でコード生成する

論文リンク

https://theory.stanford.edu/~aiken/publications/papers/pldi11b.pdf
PLDI11

著者/所属機関

Peter Hawkins
Computer Science Department, Stanford
University
Alex Aiken
Computer Science Department, Stanford University
Kathleen Fisher
Computer Science Department, Tufts University
Martin Rinard
MIT Computer Science and Artificial Intelligence
Laboratory
Mooly Sagiv
Tel-Aviv University

概要

新規性・差分

• relations and Functional dependency(invariants)という抽象性の高いコードでデータ操作する
• データ構造の設計者はdecomposition(メモリ上のデータ構造の表現)を記述する
• 上記2つからコンパイラが低レベルの実装に変換する

手法

結果

コメント

一言でいうと

PBE(Programming by Example)とML(Machine Learning)を組み合わせる話。
PBEには以下の要素がある。

1. DSL
2. Ranker(どの処理機を使うか選択する部分)
3. Disambiguator (曖昧さを補完する部分)

PBEにMLを組み込む箇所として以下を提案していた。

1. search algorighm

• Heuristics that can be machine learning
  • which grammer production to try first
  • which sub-goal resulting from application of inverse semantics to try first

2. ranking scheme

• prefer fewr constants
• fewer constants better.

3. Disambiguation

• highlight amubigity

論文リンク

http://conf.researchr.org/event/pldi-ecoop-2017/mapl-2017-papers-programming-by-examples-pl-meets-ml

著者/所属機関

Name: Sumit Gulwani, Microsoft Research

概要

新規性・差分

手法

結果

コメント

一言でいうと

phrase-based SMT(statistical machine learning)をDeep Neural Networkで実現したという論文。
2組のRNNを使うRNN Encoder-Decorderというアーキテクチャを用いており、
Encoderは可変長の入力文字列を固定長のvectorに変換し、Decoderは逆に固定長のvectorから可変長の文字列を生成する。この手法を使うことで従来のphrase-based SMTから性能が大きく向上した。

論文リンク

https://arxiv.org/abs/1406.1078

著者/所属機関

Kyunghyun Cho, Bart van Merrienboer, Caglar Gulcehre, Dzmitry Bahdanau, Fethi Bougares, Holger Schwenk, Yoshua Bengio

University of Montreal
Universite du Maine

概要

http://www.slideshare.net/yutakikuchi927/learning-phrase-representations-using-rnn-encoderdecoder-for-statistical-machine-translation

新規性・差分

手法

結果

コメント