A principled approach to ornamentation in ML
A principled approach to ornamentation in ML
复制标题
机器学习中装饰的原则性方法
DOI：
--
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Didier Rémy
中科院分区：
文献类型：
--
作者：
Thomas Williams;Didier Rémy
Orbit是一种描述数据类型定义中的更改的方法，重新组织，添加或删除某些数据片段，以便在裸定义上操作的函数可以部分或有时完全提升到在简化结构上操作的函数。我们提出了一个扩展ML高阶装饰，展示了它的表现力与一些典型的例子，包括代码重构，研究装饰的元理论属性，并描述他们的精心制作过程。我们通过对裸代码的后验抽象来形式化表示，返回一个通用术语，该术语存在于ML之上的元语言中。提升的代码是通过将通用项应用于精心选择的参数，然后进行阶段性简化和一些剩余的简化来获得的。我们使用逻辑关系将提升的代码与裸代码紧密联系起来。
Ornaments are a way to describe changes in datatype definitions reorganizing, adding, or dropping some pieces of data so that functions operating on the bare definition can be partially and sometimes totally lifted into functions operating on the ornamented structure. We propose an extension of ML with higher-order ornaments, demonstrate its expressiveness with a few typical examples, including code refactoring, study the metatheoretical properties of ornaments, and describe their elaboration process. We formalize ornamentation via an a posteriori abstraction of the bare code, returning a generic term, which lives in a meta-language above ML. The lifted code is obtained by application of the generic term to well-chosen arguments, followed by staged reduction, and some remaining simplifications. We use logical relations to closely relate the lifted code to the bare code.
模块化感应系列
DOI：
10.1145/2036918.2036921
发表时间：
2011
期刊：
--
影响因子：
--
作者：
Ko H
通讯作者：
Ko H
影响因子：
--
作者：
Dagand P
通讯作者：
Dagand P