文献

J-GLOBAL ID：202202257382667980   整理番号：22A1104022

機械学習と深層学習を用いたソフトウェア信頼性予測の比較分析【JST・京大機械翻訳】

Comparative Analysis of Software Reliability Prediction Using Machine Learning and Deep Learning

著者 (3件)： Jindal Akshat (Delhi Technological University,Department of Software Engineering,New Delhi,India) ,  Gupta Ashi (Delhi Technological University,Department of Software Engineering,New Delhi,India) ,  Rahul (Delhi Technological University,Department of Software Engineering,New Delhi,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICAIS  ページ： 389-394  発行年： 2022年 
JST資料番号： W2441A  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： ソフトウェア信頼性は,ソフトウェア品質を決定する不可欠な部分である。信頼性が高いならば,ソフトウェアは高品質であると考えられている。ソフトウェア信頼性の予測を助けることができる多くの統計モデルが存在するが,すべての実世界因子を考慮することは非常に難しく,従って,信頼性予測のタスクを非常に難しくする。したがって,ソフトウェアが信頼できるかどうかを予測するIT産業にとって,より挑戦的になる。機械学習と深層学習は,より細心な方法で故障予測によって信頼性を評価するモデルをプログラミングすることによって,ソフトウェア信頼性の予測に使用できる。したがって,本研究では,あらかじめ定義された人工知能アルゴリズム,主に人工ニューラルネットワーク(ANN),再電流ニューラルネットワーク(RNN),ゲートリカレントユニット(GRU),および長短温度メモリ(LSTM)の使用を,時系列ソフトウェア故障データセットに関するソフトウェア信頼性の予測を意図し,選択した性能基準に基づいて比較した。ソフトウェア故障データセット上で訓練されたアルゴリズムの各々を用いて,ソフトウェア上でいくつかの修正を行う後に,ソフトウェア故障時間を予測した。研究の結果に基づいて,LSTMはソフトウェア故障データセットにおける長期および短期傾向を捉えることができるので,ソフトウェア故障傾向の予測において優れた結果を生成することを発見した。Copyright 2022 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： アルゴリズム ,  記憶装置 ,  電流 ,  *信頼性 ,  ニューラルネットワーク ,  人工知能 ,  *ソフトウェア ,  統計模型 ,  ソフトウェア障害 ,  *機械学習
準シソーラス用語： *信頼性予測 ,  ソフトウェア品質 ,  故障予知 ,  ソフトウェア信頼性 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  深層学習 ,  ソフトウェア ,  信頼性予測 ,  比較分析