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
Writer-Independent Signature Verification with Enhanced AlexNet and Preprocessing Analysis
Mohammadreza Gholipour Shahraki - Mohammad Ghasemzadeh
Improving Deep Neural Network Accelerator for Malaria Diseased Blood Cells using FPGA
Hadi Rezaeikarjani - Mojtaba Valinataj
An OWA-Powered Dynamic Customer Churn Modeling in the banking industry Based on Customer Behavioral Vectors
Masoud Alizadeh - Mohammad Soleymannejad - Behzad Moshiri
توسعه مدل مفهومی طراحی فرآیند مدیریت بحران سیلاب از طریق بهینه سازی استفاده از دستگاه های اینترنت اشیاء (IoT Devices) در تصمیم گیری
محمود رسولی - سید احسان ملیحی
Automatic Analysis of Inconsistencies in Inter-Enterprise Business Processes: Introducing a Formal Adaptation Patterns Catalog
Somayeh Ashourian - Shohreh َAjoudanian
رویکردی در تشخیص خودکار بوهای بد در مدل های معماری سازمانی با استفاده از تحلیل گرافی
زهرا رحیمی تمندگانی - شهره آجودانیان
Stock Market Prediction Using Hard and Soft Data Fusion
Saeed Mohammadi Dashtaki - Masoud Alizadeh - Behzad Moshiri
Enhancing Employee Promotion Prediction with a Novel Hybrid Model Integrating Convolutional Neural Networks and Random Forest
Pouya Ardehkhani - Seyyed Reza Moslemi - Hanieh Hooshmand
Benchmarking Embedding Models for Persian-Language Semantic Information Retrieval
Mahmood Kalantari - Mehdi Feghhi - Nasser Mozayani
بهبود کارایی بارسپاری در شبکه های سلولی با استفاده از ارتباطات مشارکتی در لایه MAC
نبیل الراشدی - رسول صادقی - وائل حسین اللامی - مهدی حمیدخانی
more
Samin Hamayesh - Version 41.3.1