文献

J-GLOBAL ID：202002289649634738   整理番号：20A1864441

連続統合構築故障を予測するためのACONAアクティブオンラインモデル適応【JST・京大機械翻訳】

ACONA active online model adaptation for predicting continuous integration build failures

著者 (2件)： Ni Ansong (Nanjing University) ,  Li Ming (Nanjing University)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICSE ’18  ページ： 366-367  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 連続統合(CI)はソフトウェア開発のリスクを低減するが,CI構築は通常巨大な時間と資源消費をもたらす。機械学習法を採用してCIの費用をカットし,CI結果の予測により瞬時フィードバックを提供した。それにもかかわらず,効果的な学習は,新しいプロジェクトでは利用できない大規模な訓練データを必要とする。さらに,異なるプロジェクトの多様化特性のため,他のプロジェクトに建設された再利用モデルは貧弱な性能をもたらす。この問題に取り組むために,新しいアクティブオンラインモデル適応アプローチACONAを提案し,それは,様々なプロジェクトで訓練された分類器のプールを動的に適応し,新しいデータの一部だけを用いて,新しいプロジェクトを能動的に選択する。Travis CIに関する経験的研究により,ACONAが40.0%のF-平均の改善を達成し,一方,63.2%のAccumulated誤差を低減し,適応モデルが既存の手法より優れていることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *故障 ,  再利用 ,  多様化 ,  ソフトウェア開発 ,  機械学習
準シソーラス用語： 訓練データ ,  *モデル適応 , 【Automatic Indexing@JST】

著者キーワード (5件)： アクティブ学習 ,  故障予測の構築 ,  連続統合 ,  モデル再利用 ,  オンライン学習

分類 (2件)： システム設計・解析  (IA02030D) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 統合 ,  構築 ,  故障 ,  予測 ,  オンライン ,  モデル適応