基于神经网络的代码自动生成技术的研究与应用
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 选题背景 | 第12页 |
| 1.2 代码自动生成技术的研究现状 | 第12-15页 |
| 1.2.1 基于传统方式的代码自动生成技术 | 第12-14页 |
| 1.2.2 基于神经网络的代码自动生成技术 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第二章 相关理论基础 | 第18-28页 |
| 2.1 卷积神经网络 | 第18-21页 |
| 2.1.1 卷积层 | 第18页 |
| 2.1.2 激活函数层 | 第18-21页 |
| 2.1.3 池化层 | 第21页 |
| 2.1.4 全连接层 | 第21页 |
| 2.2 循环神经网络 | 第21-25页 |
| 2.2.1 循环神经网络 | 第21-22页 |
| 2.2.2 长短时记忆单元 | 第22-24页 |
| 2.2.3 门控循环单元 | 第24-25页 |
| 2.3 pix2code | 第25-27页 |
| 2.3.1 视觉模型 | 第26页 |
| 2.3.2 语言模型 | 第26-27页 |
| 2.3.3 复合模型 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 代码生成模型的研究与设计 | 第28-54页 |
| 3.1 序列到序列的神经网络模型 | 第28-29页 |
| 3.2 模型框架的设计 | 第29-31页 |
| 3.3 基于反卷积网络的自编码器 | 第31-38页 |
| 3.3.1 自编码器 | 第32-33页 |
| 3.3.2 原理分析 | 第33-35页 |
| 3.3.3 实验结果与分析 | 第35-38页 |
| 3.4 词嵌入技术在训练过程中的应用 | 第38-42页 |
| 3.4.1 独热编码 | 第39-40页 |
| 3.4.2 词嵌入技术 | 第40-41页 |
| 3.4.3 实验结果与分析 | 第41-42页 |
| 3.5 模型中使用的优化技术 | 第42-45页 |
| 3.5.1 RMSprop算法 | 第42-43页 |
| 3.5.2 AdaDelta算法 | 第43页 |
| 3.5.3 Dropout技术 | 第43-44页 |
| 3.5.4 实验结果与分析 | 第44-45页 |
| 3.6 集束搜索技术在代码推断中的应用 | 第45-48页 |
| 3.6.1 集束搜索技术 | 第45-47页 |
| 3.6.2 实验结果与分析 | 第47-48页 |
| 3.7 模型整体结果分析 | 第48-50页 |
| 3.8 案例分析 | 第50-53页 |
| 3.9 本章小结 | 第53-54页 |
| 第四章 代码生成模型系统的设计与实现 | 第54-66页 |
| 4.1 系统总设计 | 第54-55页 |
| 4.2 接口网关模块 | 第55-56页 |
| 4.3 数据采集模块 | 第56页 |
| 4.4 数据预处理模块 | 第56-57页 |
| 4.4.1 GUI设计图预处理 | 第56页 |
| 4.4.2 DSL代码文件预处理 | 第56-57页 |
| 4.5 模型任务模块 | 第57页 |
| 4.6 数据存储模块 | 第57页 |
| 4.7 工作流程 | 第57-62页 |
| 4.7.1 代码生成 | 第57-59页 |
| 4.7.2 数据扩充 | 第59-61页 |
| 4.7.3 模型更新 | 第61-62页 |
| 4.8 系统效果 | 第62-64页 |
| 4.9 本章小结 | 第64-66页 |
| 第五章 总结和展望 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者攻读学位期间发表的学术论文目录 | 第74页 |
