بهبود تشخیص نقص نرم افزاری با استفاده از مجموعه معیار پیشنهادی کد ایستا و یک مدل تخمین نقص با استفاده از یادگیری عمیق
- سال انتشار: 1399
- محل انتشار: سومین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام
- کد COI اختصاصی: ECMM03_044
- زبان مقاله: فارسی
- تعداد مشاهده: 684
نویسندگان
دانشجوی کارشناسی ارشد مهندسی کامپیوتر- نرم افزار موسسه غیرانتفاعی فنی و مهندسی ابرار
استادیار دانشکده ریاضی و علوم کامپیوتر دانشگاه صنعتی امیرکبیر
استادیار موسسه فنی و مهندسی ابرار
چکیده
پیشبینی نقص2 نرم افزاری در صدد تخمین مناطق مستعد از کد است، تا فعالیتهای تست را روی بخشهای مشکوک تر متمرکز کند. در نتیجه در فرآیندهای توسعه و نگهداری، پیشبینی نقصها باعث بهبود کیفیت، قابلیت اطمینان، کارایی و کاهش هزینه میشود. با این حال توسعه مدل پیشبینی نقص قوی، یک کار چالش برانگیزاست. همچنین، روشهای فعلی در واحدهای درشت، مانند ماژول3 یا کلاس4 کار میکنند و تلاش توسعه دهندگان را برای پیدا کردن نقص، مضاعف میکنند. برای پرداختن به این مسئله، یک روش جدید به نام پیش بینی نقص نرم افزار در سطح عبارت با استفاده از مدل یادگیری عمیق پیشنهاد شده است. در این پژوهش پیش بینی عبارتهای مستعد روی ویژگیهای کد ایستا با استفاده از معیارهای نرم افزاری پیشنهادی انجام میشود. محک مورد استفاده 200 برنامه C/C++ از Code4Bench میباشد. در این زمینه، مجموعه ای از 37 معیارتعریف شده است. همچنین با توجه به مزایای مدل یادگیری کاربردی حافظه کوتاه مدت طولانی5 LSTM، از این مدل مبتنی بر ماتریس ارائه شده برای تشخیص اشکال در سطح نقص استفاده میشود. نتایج آزمایشها نشان میدهد، مدل تخمین نقص با استفاده از معیارهای پیشنهادی، نسبت به روش مشابه عملکرد بهتری داشته است.کلیدواژه ها
معیارهای نرم افزاری ، LSTM، یادگیری عمیق، تشخیص نقص نرم افزاریمقالات مرتبط جدید
- تحلیل مکانیزم جدید رابط بین صفحه متحرک و ثابت ربات موازی صفحه ای
- تحلیل عددی کمانش پوسته استوانهای کامپوزیت تحت فشار یکنواخت خارجی با در نظر گرفتن جدایش بین الیه ها و رشد آن با استفاده از روش المان های چسبنده
- تحلیل عددی مخزن استوانه ای جدار نازک به روش متقارن محوری و مقایسه آن با حل دقیق
- بررسی تاثیر نرخ سرد شدن بر سختی و ریز ساختار یک آلیاژ
- مروری بر کامپوزیتهای فلزی؛ ویژگیها و روشهای تولید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.