ترجمه فارسی مقاله افزایش پاداش در یادگیری تقویتی برای آزمایش سیستم های توزیع شده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Reward Augmentation in Reinforcement Learning for Testing Distributed Systems
عنوان مقاله به فارسی افزایش پاداش در یادگیری تقویتی برای آزمایش سیستم های توزیع شده
نویسندگان Andrea Borgarelli, Constantin Enea, Rupak Majumdar, Srinidhi Nagendra
فرمت مقاله انگلیسی PDF
تعداد صفحات 27
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Software Engineering,Distributed, Parallel, and Cluster Computing,Machine Learning,Programming Languages,مهندسی نرم افزار , توزیع شده , موازی و محاسبات خوشه ای , یادگیری ماشین , زبانهای برنامه نویسی
توضیحات Submitted 2 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 2 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Bugs in popular distributed protocol implementations have been the source of many downtimes in popular internet services. We describe a randomized testing approach for distributed protocol implementations based on reinforcement learning. Since the natural reward structure is very sparse, the key to successful exploration in reinforcement learning is reward augmentation. We show two different techniques that build on one another. First, we provide a decaying exploration bonus based on the discovery of new states -- the reward decays as the same state is visited multiple times. The exploration bonus captures the intuition from coverage-guided fuzzing of prioritizing new coverage points; in contrast to other schemes, we show that taking the maximum of the bonus and the Q-value leads to more effective exploration. Second, we provide waypoints to the algorithm as a sequence of predicates that capture interesting semantic scenarios. Waypoints exploit designer insight about the protocol and guide the exploration to ``interesting'' parts of the state space. Our reward structure ensures that new episodes can reliably get to deep interesting states even without execution caching. We have implemented our algorithm in Go. Our evaluation on three large benchmarks (RedisRaft, Etcd, and RSL) shows that our algorithm can significantly outperform baseline approaches in terms of coverage and bug finding.

چکیده به فارسی (ترجمه ماشینی)

اشکالات موجود در اجرای پروتکل توزیع شده محبوب ، منبع بسیاری از نقاط ضعف در خدمات اینترنتی محبوب بوده است.ما یک روش آزمایش تصادفی را برای پیاده سازی های پروتکل توزیع شده بر اساس یادگیری تقویت شرح می دهیم.از آنجا که ساختار پاداش طبیعی بسیار پراکنده است ، کلید اکتشاف موفقیت آمیز در یادگیری تقویت ، افزایش پاداش است.ما دو روش مختلف را نشان می دهیم که بر روی یکدیگر ساخته می شوند.اول ، ما یک جایزه اکتشافی پوسیدگی را بر اساس کشف دولت های جدید ارائه می دهیم - پاداش به عنوان همان ایالت چندین بار بازدید می شود.جایزه اکتشاف ، شهود را از فازی با هدایت پوشش در اولویت بندی نقاط پوشش جدید ثبت می کند.برخلاف طرح های دیگر ، ما نشان می دهیم که گرفتن حداکثر جایزه و مقدار Q منجر به اکتشافات مؤثرتر می شود.دوم ، ما به الگوریتم به عنوان دنباله ای از پیش بینی هایی که سناریوهای معنایی جالب را ضبط می کنند ، به الگوریتم ارائه می دهیم.Waypoints از طراح بینش در مورد پروتکل بهره برداری می کند و اکتشاف را به قسمت های "جالب" از فضای دولتی راهنمایی می کند.ساختار پاداش ما تضمین می کند که اپیزودهای جدید حتی بدون ذخیره سازی اعدام می توانند با اطمینان به حالتهای جالب عمیق برسند.ما الگوریتم خود را در GO پیاده سازی کرده ایم.ارزیابی ما در سه معیار بزرگ (redisraft ، etcd و RSL) نشان می دهد که الگوریتم ما می تواند از نظر پوشش و یافتن اشکال به طور قابل توجهی از رویکردهای پایه بهتر عمل کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.