文献

J-GLOBAL ID：202002216841099049   整理番号：20A0332657

ソフトウェア故障予測のためのvaeとGaNの比較研究【JST・京大機械翻訳】

A Comparison Study of VAE and GAN for Software Fault Prediction

著者 (7件)： Sun Yuanyuan (School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China) ,  Sun Yuanyuan (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Sun Yuanyuan (Key Laboratory of Space Utilization, Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing, China) ,  Xu Lele (Key Laboratory of Space Utilization, Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing, China) ,  Guo Lili (Key Laboratory of Space Utilization, Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing, China) ,  Li Ye (Key Laboratory of Space Utilization, Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing, China) ,  Wang Yongming (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11945  ページ： 82-96  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ソフトウェア故障はソフトウェアプロジェクトにおける不可避の問題である。システムの安全性と信頼性を強化するためにソフトウェア故障を予測する方法は,研究する価値があった。近年,画像,テキスト,音声の分野で深い学習が広く使われている。しかし,ソフトウェア故障予測の分野ではほとんど適用されていない。深い学習の能力を考慮して,著者らはソフトウェア故障予測のためにVAEとGANの深い学習技術を選択して,それらの性能を比較した。ソフトウェア故障データの顕著な特徴がある。非断層データの割合は,断層データの割合よりはるかに高い。不均衡なデータのため,ソフトウェア故障を予測するために高精度を得ることは困難である。知られているように,VAEとGANは,実データの分布に従う合成サンプルを生成することができる。ソフトウェア故障予測の精度を改善するために,新しい故障サンプルを生成するためにそれらの電力を利用することを試みた。VAEとGANのアーキテクチャは,高次元ソフトウェア故障データに適合するように設計されている。ソフトウェア故障予測のためのより良い性能を得るために,ソフトウェア故障データセットをバランスさせるために,新しいソフトウェア故障サンプルを生成した。VAEとGANのモデルをGPU TITAN X上で訓練した。VAEとGANとの性能を比較するために,SMOTEも採用した。実験における結果は,VAEとGANがソフトウェア故障予測のための有用な技術であり,VAEがこの問題に関してGANより良い性能を持つことを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  高次元 ,  *ソフトウェア障害 ,  窒化ガリウム ,  計算機アーキテクチャ ,  学習 ,  電力 ,  *故障
準シソーラス用語： 深層学習 ,  高精度 ,  不均衡 ,  システム安全性 ,  ソフトウェアプロジェクト , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  vae ,  GaN ,  ソフトウェア故障予測

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (5件)： ソフトウェア ,  故障予測 ,  VAE ,  GaN ,  研究