文献

J-GLOBAL ID：202102251862939310   整理番号：21A0003969

WR-ELM:ソフトウェア故障予測における不均衡学習のための重み付き正則化極値学習機械【JST・京大機械翻訳】

WR-ELM: Weighted Regularization Extreme Learning Machine for Imbalance Learning in Software Fault Prediction

著者 (2件)： Bal Pravas Ranjan (Department of Computer Science and Engineering, Indian Institute of Technology Roorkee, Roorkee, India) ,  Kumar Sandeep (Department of Computer Science and Engineering, Indian Institute of Technology Roorkee, Roorkee, India)
資料名： IEEE Transactions on Reliability  (IEEE Transactions on Reliability)
巻： 69  号： 4  ページ： 1355-1375  発行年： 2020年 
JST資料番号： C0448A  ISSN： 0018-9529  CODEN： IERQAD  資料種別： 逐次刊行物 (A)
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： 不均衡データは,ソフトウェア故障予測における重要な問題である。ソフトウェアエンジニアは,ソフトウェア故障の早期予測のために不均衡なソフトウェア故障データを扱うのに非常に挑戦的である。過去20年間,多くの研究者は,合成少数オーバーサンプリング技術(SMOTE),回帰のためのSMOTE,および不均衡ソフトウェア故障データを前処理するための他のそのような技術を使用した。しかし,これらの前処理技術は,特に相互放出と交差プロジェクト故障予測において,一貫して良好な精度を生じなかった。ソフトウェア故障の数の予測のための不均衡故障データの学習は,これまで深く調査されていない。このシナリオを扱うため,ソフトウェア故障数の予測のために,効率的な機械学習技術,すなわち,極端学習機械(ELM)を探求した。さらに,ELMの新しい変形,すなわち加重正則化ELMを提案し,不均衡データを平衡データに一般化した。提案した不均衡学習モデルを検証するために,26のオープンソースPROMISEソフトウェア故障データセットと3つの予測シナリオ,イントラリリース,インターリリース,および交差プロジェクトを使用した。故障数の予測実験を行った。実験結果は,提案した方式が性能の改善につながることを示した。Copyright 2021 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】

シソーラス用語： *学習 ,  学習モデル ,  *故障 ,  前処理 ,  *学習機械 ,  *ソフトウェア障害 ,  *正則化 ,  システムエンジニア
準シソーラス用語： オーバサンプリング ,  不均衡 ,  オープンソース ,  *故障予知 ,  機械学習技術 ,  不均衡データ ,  極度学習機械 , 【Automatic Indexing@JST】

分類 (2件)： 固体デバイス計測・試験・信頼性  (NC03040G) ,  半導体の放射線による構造と物性の変化  (BK16123E)

タイトルに関連する用語 (8件)： ELM ,  ソフトウェア ,  故障予測 ,  均衡 ,  学習 ,  正則化 ,  極値 ,  学習機械