公开(公告)号：CN1900937A

公开(公告)日：2007-01-24

申请号：CN200610105943.6

申请日：2006-07-19

Applicant: 富士通株式会社

Inventor： 因德拉迪普·高希 ,  穆库尔·R·普拉萨德

IPC: G06F17/50

CPC classification number: G06F17/504

Abstract: 估计形式验证问题的难度级。对验证问题的难度级的估计包括以下步骤：接收输入，该输入包括设计和可以被验证的关于该设计的性质。针对关于该设计的每个性质执行验证处理。根据所述验证处理，针对每个性质建立性质可验证性量度值，其中性质可验证性量度值表示对关于设计的性质进行验证的难度级。根据所述多个性质可验证性量度值来确定设计可验证性量度值，其中，所述设计可验证性量度值表示对所述设计进行验证的难度级。

公开(公告)号：CN116894495A

公开(公告)日：2023-10-17

申请号：CN202310207363.1

申请日：2023-03-06

Applicant: 富士通株式会社

Inventor： 里彭·K·萨哈 ,  穆库尔·R·普拉萨德

IPC: G06N20/00 ,  G06N5/01 ,  G06F16/901 ,  G06F40/169 ,  G06F40/186 ,  G06F18/243

Abstract: 提供了用注释增强机器学习管道的方法、计算机可读介质和系统。方法可以包括：获得经训练的机器学习(ML)管道骨架模型，该ML管道骨架模型被配置成基于与新ML管道相关联的数据集的元特征来预测新ML管道内的功能块；获得参数化模板，所述参数化模板中的每个参数化模板包括组合地描述给定功能块的可填充部分和静态文本部分；接收用于生成新ML管道的请求；基于管道骨架模型来确定用于填充新ML管道的功能块；提取导致功能块的决策条件；使用参数化模板生成功能块的注释，其中，可填充部分中的至少一个可填充部分基于导致功能块的决策条件来填充；利用所生成的注释对包括功能块的新ML管道进行实例化。

公开(公告)号：CN114265718A

公开(公告)日：2022-04-01

申请号：CN202111153873.2

申请日：2021-09-29

Applicant: 富士通株式会社

Inventor： 吉田浩章 ,  臧志强 ,  穆库尔·R·普拉萨德

IPC: G06F11/07 ,  G06F11/36 ,  G06F8/71

Abstract: 公开了软件程序修复示例的生成。操作可以包括生成软件程序的源代码的有漏洞版本的第一图形表示以及生成该源代码的修复版本的第二图形表示。有漏洞版本可能包括错误，并且该错误已经在修复版本中被纠正。操作还可以包括将彼此匹配的第一图形表示的第一节点和第二图形表示的第二节点识别为匹配节点。另外地，操作可以包括将相同的约简同时应用于第一节点和第二节点，以生成源代码的约简的有漏洞版本和源代码的约简的修复版本。此外，操作可以包括生成关于纠正错误的修复示例，其中，修复示例基于约简的有漏洞版本和约简的修复版本。

公开(公告)号：CN114970877A

公开(公告)日：2022-08-30

申请号：CN202210147656.0

申请日：2022-02-17

Applicant: 富士通株式会社

Inventor： 里彭·萨哈 ,  穆库尔·R·普拉萨德

IPC: G06N20/00

Abstract: 本发明涉及用于机器学习管道骨架实例化的方法、存储介质和系统。该方法的操作包括获得机器学习(ML)管道骨架，该机器学习(ML)管道骨架指示用来处理新ML项目的新数据集的一组第一功能块。另外地，对于所述一组第一功能块中的每个相应第一功能块，所述操作包括从现有ML管道获得现有代码片段，现有代码片段中的每个现有代码片段对现有ML管道的第二功能块进行实例化并且是相应第一功能块的潜在实例化。所述操作还包括：确定现有代码片段中的每个现有代码片段对于新数据集的相应适应性；以及基于所确定的适应性来选择用于实现相应第一功能块的特定现有代码片段。此外，所述操作包括基于特定现有代码片段来对管道骨架进行实例化。

公开(公告)号：CN113971042A

公开(公告)日：2022-01-25

申请号：CN202010717921.5

申请日：2020-07-23

Applicant: 富士通株式会社

Inventor： 吉田宏章 ,  穆库尔·R·普拉萨德

IPC: G06F8/72 ,  G06F8/41

Abstract: 本发明涉及自动化软件程序修复。根据实施方式的一方面，操作可以包括：针对第一软件程序的第一源代码的第一迭代生成第一抽象语法树，以及针对第一源代码的第二迭代生成第二抽象语法树。操作还可以包括识别第一抽象语法树的第一子树以及识别第二抽象语法树的多个第二子树。另外，操作可以包括生成第一子树的第一文本表示以及针对第二子树生成多个第二文本表示。此外，操作可以包括基于第二子树修改第二抽象语法树，以及通过基于经修改的第二抽象语法树重新生成第一源代码来获得第一源代码的第三迭代。

公开(公告)号：CN112650531A

公开(公告)日：2021-04-13

申请号：CN202010886813.0

申请日：2020-08-28

Applicant: 富士通株式会社

Inventor： 吉田浩章 ,  穆库尔·R·普拉萨德

IPC: G06F8/72 ,  G06F8/658 ,  G06F8/30

Abstract: 本发明提供的方法包括获得第一软件程序的第一部分中的第一违例以及获得用以修补第一违例的第一提议补丁。方法包括识别具有包括第二违例的第二部分的第二软件程序。方法可以包括通过去除第二部分中被识别为不必要的一个或更多个元素来简化第二软件程序的第二部分。方法可以包括将第一违例的第一提议补丁应用于简化第二部分以生成经修复的简化第二部分。方法可以包括由修复的简化第二部分获得可执行的经修复简化第二部分。方法可以包括将第二违例和可执行的经修复简化第二部分提供为第一提议补丁将如何影响第一违例和第一软件程序的示例。

公开(公告)号：CN100446013C

公开(公告)日：2008-12-24

申请号：CN200610105943.6

申请日：2006-07-19

Applicant: 富士通株式会社

Inventor： 因德拉迪普·高希 ,  穆库尔·R·普拉萨德

IPC: G06F17/50

CPC classification number: G06F17/504

Abstract: 估计形式验证问题的难度级。对验证问题的难度级的估计包括以下步骤：接收输入，该输入包括设计和可以被验证的关于该设计的性质。针对关于该设计的每个性质执行验证处理。根据所述验证处理，针对每个性质建立性质可验证性量度值，其中性质可验证性量度值表示对关于设计的性质进行验证的难度级。根据所述多个性质可验证性量度值来确定设计可验证性量度值，其中，所述设计可验证性量度值表示对所述设计进行验证的难度级。

公开(公告)号：CN115221526A

公开(公告)日：2022-10-21

申请号：CN202210396166.4

申请日：2022-04-15

Applicant: 富士通株式会社

Inventor： 索纳尔·马哈詹 ,  穆库尔·R·普拉萨德

IPC: G06F21/57

Abstract: 公开了一种用于半监督漏洞模式修订的方法、系统及存储介质。操作可以包括从一个或更多个网站获得多个帖子，每个帖子包括源代码的包含对应错误的相应有漏洞片段。操作还可以包括从多个帖子生成多个漏洞模式，其中，每个相应漏洞模式与相应有漏洞片段对应并且指示对应漏洞场景，对应漏洞场景导致与相应漏洞模式对应的相应有漏洞片段的对应错误。操作还可以包括针对相应漏洞模式确定相似性，以及基于相似性确定来选择多个漏洞模式中的第一漏洞模式以供修订。此外，操作可以包括获得作为第一漏洞模式的修订版本的经修订漏洞模式。

公开(公告)号：CN114970876A

公开(公告)日：2022-08-30

申请号：CN202210138550.4

申请日：2022-02-15

Applicant: 富士通株式会社

Inventor： 里彭·萨哈 ,  穆库尔·R·普拉萨德

IPC: G06N20/00

Abstract: 本公开涉及机器学习管道骨架实例化。操作包括获得机器学习ML管道骨架，其指示用来处理新ML项目的新数据集的一组第一功能块。操作还包括获得将数据集特征映射到相应功能块的关系映射，其指示现有ML项目的现有数据集的数据集特征与现有ML项目的现有ML管道的第二功能块的使用间的对应关系。操作还包括基于关系映射来将第一功能块映射到新数据集的相应部分。操作包括利用与一组第一功能块中的相应第一功能块各自对应的相应代码片段来实例化管道骨架，相应代码片段各自包括一个或更多个相应代码元素，其基于第一功能块的映射。

公开(公告)号：CN114970875A

公开(公告)日：2022-08-30

申请号：CN202210138131.0

申请日：2022-02-15

Applicant: 富士通株式会社

Inventor： 吉田浩章 ,  穆库尔·R·普拉萨德

IPC: G06N20/00

Abstract: 本公开涉及机器学习管道骨架实例化。操作包括获得机器学习ML管道骨架模型，其被配置成生成ML管道骨架，该管道骨架指示用来处理新ML项目的新数据集的一组第一功能块。对于所述一组第一功能块中的每个相应第一功能块，所述操作包括识别由ML管道骨架模型使用的训练数据以确定管道骨架的相应第一功能块。所述操作还包括识别现有ML管道的与训练数据相关联的代码片段。此外，所述操作包括基于与用来确定第一功能块的训练数据相关联的代码片段来选择用于相应第一功能块的实例化的代码片段。