0% Complete
فارسی
Home
/
دوازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
روشی برای بهبود آزمون جهش پیشگویانه با در نظر گرفتن اثر داده های از دست رفته
Authors :
طه رستمی
1
سعید جلیلی
2
1- دانشگاه تربیت مدرس
2- دانشگاه تربیت مدرس
Keywords :
آزمون جهش، آزمون نرمافزار، امتیاز جهش، یادگیری ماشین
Abstract :
آزمون جهش روشی قدرتمند است که در آزمون نرمافزار برای فعالیتهای گوناگون از جمله راهنمایی برای تولید آزمون و ارزیابی کیفیت مجموعه آزمون استفاده میشود. با این وجود، هزینه زیاد آزمون جهش مقیاسپذیری آن را به طور جدی تهدید میکند. در همین راستا، آزمون جهش پیشگویانه به عنوان روشی برای کاهش هزینههای آزمون جهش پیشنهاد شده است که در آن هدف پیشبینی کردن کشف شدن یا کشف نشدن یک برنامه جهشیافته توسط مدلهای یادگیری ماشین است. اخیراً نشان داده شده است که کارهای قبلی آزمون جهشپیشگویانه تاثیر برنامه های جهشیافته کشف نشده را در نظر نگرفتند و وقتی پیشبینی مدلهای یادگیری ماشین قبلی محدود به چنین برنامههای جهشیافتهای شود AUC به %61 کاهش پیدا میکند. در این پژوهش، علاوه بر تاثیر برنامههای جهشیافته کشف نشده، تاثیر دادههای از دست رفته نیز در نظر گرفته شده است در حالی که کارهای گذشته آن را نادیده گرفته بودند و روشی پیشنهاد شده است که دقت AUC را از %61 به %72 بهبود داده است.
Papers List
List of archived papers
بررسی کارآمدی فناوری وب 0.2 در پشتیبانی از فرآیندهای انسان محور و دانش مبنا
سید احسان ملیحی - فاطمه مشایخی کردکلا
تحلیل و بررسی تکنیکهای محاسبات تقریبی
محمد میلاد صیاد - محمد رضا بینش مروستی - سید امیر اصغری
Stock Market Prediction Using Hard and Soft Data Fusion
Saeed Mohammadi Dashtaki - Masoud Alizadeh - Behzad Moshiri
Smart City Standardized Evaluation :Use Case of Mashhad
Dr ُSeyed Mohammadreza Mirsarraf - Dr Alireza Yari - Dr Navid Zohdi - Ali Motevalizadeh
کشف لبه در تصاویر پزشکی با استفاده از اتوماتای سلولی سلسله مراتبی
مریم علینقی زاده - علیرضا رضوانیان
پیش بینی بیماری قلبی با استفاده از روش تحلیل شبکه ای
هدیه مشتاقی محمدزاده - فاطمه باقری
Optimal control of robotic hand for rehabilitation using fractional order systems and EEG signal processing
Mehran Safari Dehnavi - Vahid Safari Dehnavi - Masoud Shafiee
Effective Classifier for Predicting Churn in Payment Terminals Using RFM model and Deep Neural Network
Dr Mahila Dadfarnia - Ali Alemi Matinpour - Dr Monireh Abdoos
Using Trust Statements and Ratings by GraphSAGE to Alleviate Cold Start in Recommender Systems
Seyedeh Niusha Motevallian - Dr Seyed Mohammad Hossein Hasheminejad
AN EFFICIENT TASK SCHEDULING IN CLOUD COMPUTING BASED ON ACO ALGORITHM
Zahra Shafahi - Dr Alireza Yari
more
Samin Hamayesh - Version 42.5.2