抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,探索ベースソフトウェアエンジニアリング(SBST)への切断エッジ機械学習(ML)ツールを紹介した。寄与は3倍である。第一は,ML駆動特性目標探索戦略である。それは,深いニューラルネットワークを用いて実行トレース情報を処理し,衝突の存在の尤度スコアを得る。これは,検索のための適合関数として使用される。この方法はベースライン探索技術よりも明らかに優れている。2番目の貢献は,特性agstic検索景観を定義するための方法である。これは,「潜在空間」表現を生成するために実行トレースのコーパス上で自動符号器を訓練することによって達成される。期待は,潜在空間の異なる領域におけるグループへの実行の任意の特性の傾向を観察することである。この空間における位置は,SBSTプロセスを直接化するために使用される。第3の貢献は,生成モデルによる自動化ツールを強化することである。意図は,適合性景観の望ましい位置を目標とする近似的に有効な入力シードを生成することである。これらの寄与はSBSTとMLの交差における将来の研究のための新しいアイデアを提供するであろう。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
