کاهش شکاف معنایی در پیش بینی محل خطای نرم افزار مبتنی بر ماشین یادگیری سریع
عنوان مقاله: کاهش شکاف معنایی در پیش بینی محل خطای نرم افزار مبتنی بر ماشین یادگیری سریع
شناسه ملی مقاله: IPRIA03_009
منتشر شده در سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران در سال 1396
شناسه ملی مقاله: IPRIA03_009
منتشر شده در سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران در سال 1396
مشخصات نویسندگان مقاله:
مرضیه رحمتی - دانشجو و دانشگاه یزد
محمدعلی زارع چاهوکی - استادیار و دانشگاه یزد
خلاصه مقاله:
مرضیه رحمتی - دانشجو و دانشگاه یزد
محمدعلی زارع چاهوکی - استادیار و دانشگاه یزد
استفاده از گزارش خطا جهت یافتن محل خطای نرم افزار در میان هزاران فایل کد برنامه، کاری طاقت فرسا و پرهزینه است. در این پژوهشبا استفاده از گزارش های خطای ثبت شده در سابقه بررسی کدهای برنامه و روشهای مبتنی بر یادگیری ماشین، یافتن کد محل خطای نرم افزاربه صورت خودکار انجام میپذیرد. هرچند بر اساس تنها پژوهش دیگری که در این حوزه انجام شده است، طبقه بند مبتنی بر بیز ساده بهترین نتایجرا داشته است، ولی بر اساس آزمایشهای انجام شده در این پژوهش، فرضیه مطرح در ماشین یادگیری سریع (ELM) اثربخشی بهتری در این حوزهدارد. نتایج حاصل از توسعه های متعدد ELM با نتایج به دست آمده از فرضیه های مختلف در تابع توزیع احتمال در یادگیری مبتنی بر قاعده بیز،بیانگر برتری ماشین یادگیری سریع مبتنی بر هسته (KELM) نسبت به دیگر فرضیه های ELM و فرضیه های مبتنی بر قاعده بیز است.
کلمات کلیدی: یافتن محل خطای نرم افزار، رویکرد مبتنی بر یادگیری ماشین، ماشین یادگیری سریع
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/638460/