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

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.