پیش بینی خطا نرم افزار مبتنی بر یادگیری عمیق
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 265
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICPCONF08_062
تاریخ نمایه سازی: 9 مهر 1401
چکیده مقاله:
پیش بینی خطا یکی از چالش های کلیدی در توسعه نرم افزار و تحقیقات زبان برنامه نویسی بر ای بهبود کیفیت و قابلیت اطمینان نرم افزاراست. مشکل اصلی در این زمینه شناسایی صحیح کد منبع معیوب با دقت بالا است. توسعه یک مدل پیش بینی خطا یک مشکل چالشبرانگیز است و رویکردهای زیادی در طول تاریخ ارائه شده است. پیشرفت اخیر در فناوری های یادگیری ماشین، به ویژه توسعه تکنیکهای یادگیری عمیق، منجر به حل بسیاری از مشکلات با این روش ها شده است .در این مقاله، دو مدل یادگیری عمیق، رمزگذار خودکارپشته پراکنده (SSAE) و شبکه باور عمیق (DBN) ، برای طبق هبندی مجموعه های داده ناسا ، به کار گرفته شده اند.
کلیدواژه ها:
نویسندگان
ملیکا امیری
دانشجوی کارشناسی ارشد،گروه کامپیوتر،موسسه آموزش عالی جهاد دانشگاهی کرمانشاه، ، کرمانشاه، ایران
آشنا محمودی
دکتری، مدرس گروه کامپیوتر، موسسه آموزش عالی جهاددانشگاهی کرمانشاه، کرمانشاه،ایران