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
Enhancing Supervised Learning in Speech Emotion Recognition through Unsupervised Representations
Niloufar Faridani - Amirali Soltani Tehrani - Ramin Toosi
شناسایی حملات فیشینگ با استفاده از الگوریتم عقاب آتشین و شبکه عصبی کانولوشن
علی کوشاری - مهدی فرتاش
Adaptive Stopping Criteria-based A-RANSAC algorithm in Copy Move Image Forgery detection
ZAHRA HOSEINNEJAD - Dr MEHDI NASRI
تشخیص خودکار اختلال عروقی ماکولا با عنوان عروق گسترش یافته در تصاویر آنژیوگرافی حاصل از تصویربرداری OCTA
راضیه گنجی - دکتر محسن ابراهیمی مقدم - دکتر رامین نوری نیا
ارائه یک رویکرد معنایی مبتنی بر آنتولوژی به منظور شناسایی تاکتیکهای معماری
احسان شریفی - دکتر احمد عبدالله زاده بارفروش
Knowledge gap extraction based on the learner click behavior in interaction with videos using the association rule algorithm
Yosra Bahrani - Omid Fatemi
Predictive Maintenance using LSTM and Adaptive Windowing
Aien Ghanbari Adivi - Behrouz Shahgholi Ghahfarokhi
A Survey on Utilizing Reinforcement Learning in Wireless Sensor Networks Routing Protocols
Ali Forghani Elah Abadi - Seyedeh Elham Asghari - Sepideh Sharifani - Seyyed Amir Asghari - Mohammadreza Binesh Marvasti
بهبود عنواننگاری تصویر با استفاده از روشهای یادگیری عمیق
مهدی صیادجو - محمدجواد فدائی اسلام
Generalized Self-Attentive Spatiotemporal GCN with OPTICS Clustering for Recommendation Systems
Saba Zolfaghari - Seyed Mohammad Hossein Hasheminejad
more
Samin Hamayesh - Version 42.0.3