کاهش شکاف معنایی در پیش بینی محل خطای نرم افزار مبتنی بر ماشین یادگیری سریع

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 753

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IPRIA03_009

تاریخ نمایه سازی: 13 شهریور 1396

چکیده مقاله:

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.

کلیدواژه ها:

یافتن محل خطای نرم افزار ، رویکرد مبتنی بر یادگیری ماشین ، ماشین یادگیری سریع

نویسندگان

مرضیه رحمتی

دانشجو و دانشگاه یزد

محمدعلی زارع چاهوکی

استادیار و دانشگاه یزد