論文の概要: A Comparative Study on Parameter Estimation in Software Reliability Modeling using Swarm Intelligence

• arxiv url: http://arxiv.org/abs/2003.04770v1
• Date: Sun, 8 Mar 2020 16:35:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 14:26:44.135595
• Title: A Comparative Study on Parameter Estimation in Software Reliability Modeling using Swarm Intelligence
• Title（参考訳）: swarm intelligenceを用いたソフトウェア信頼性モデリングにおけるパラメータ推定の比較研究
• Authors: Najla Akram AL-Saati, Marrwa Abd-AlKareem Alabajee
• Abstract要約: 本研究は、Cuckoo Search(CS)とFirefly Algorithm(FA)の2つのよく知られたSwarmアルゴリズムの性能の比較に焦点を当てる。 全てのアルゴリズムは実際のソフトウェア故障データに基づいて評価され、テストを行い、得られた結果を比較して、使用する各アルゴリズムの性能を示す。 実験結果から、CSはSRGMのパラメータを推定する上でより効率的であり、選択したデータセットおよび採用モデルに対するPSOおよびACOに加えて、FAよりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work focuses on a comparison between the performances of two well-known Swarm algorithms: Cuckoo Search (CS) and Firefly Algorithm (FA), in estimating the parameters of Software Reliability Growth Models. This study is further reinforced using Particle Swarm Optimization (PSO) and Ant Colony Optimization (ACO). All algorithms are evaluated according to real software failure data, the tests are performed and the obtained results are compared to show the performance of each of the used algorithms. Furthermore, CS and FA are also compared with each other on bases of execution time and iteration number. Experimental results show that CS is more efficient in estimating the parameters of SRGMs, and it has outperformed FA in addition to PSO and ACO for the selected Data sets and employed models.
• Abstract（参考訳）: 本研究は,ソフトウェア信頼性向上モデルのパラメータ推定におけるcuckoo search (cs) とfirefly algorithm (fa) の2つのよく知られたswarmアルゴリズムの性能の比較に焦点を当てている。 この研究は、Particle Swarm Optimization (PSO) と Ant Colony Optimization (ACO) を用いてさらに強化されている。 全てのアルゴリズムは実際のソフトウェア故障データに基づいて評価され、テストを行い、得られた結果を比較して、使用する各アルゴリズムの性能を示す。 さらに、CSとFAは実行時間とイテレーション数に基づいて比較される。 実験結果から、CSはSRGMのパラメータを推定する上でより効率的であり、選択したデータセットおよび採用モデルに対するPSOおよびACOに加えて、FAよりも優れていることが示された。

関連論文リスト

• Parameter optimization comparison in QAOA using Stochastic Hill Climbing with Random Re-starts and Local Search with entangled and non-entangled mixing operators [0.0]
  本研究では,Hill Climbing with Random Restarts (SHC-RR) の有効性を検討した。 以上の結果から,SHC-RRはLSアプローチよりも優れており,より単純な最適化機構にもかかわらず優れた有効性を示した。
  論文  参考訳（メタデータ） (2024-05-14T20:12:17Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Comparative Evaluation of Metaheuristic Algorithms for Hyperparameter Selection in Short-Term Weather Forecasting [0.0]
  本稿では,遺伝的アルゴリズム (GA), 微分進化 (DE), 粒子群最適化 (PSO) のメタヒューリスティックアルゴリズムの適用について検討する。 平均二乗誤差(MSE)や平均絶対パーセンテージ誤差(MAPE)といった指標に基づいて天気予報の性能を評価する。
  論文  参考訳（メタデータ） (2023-09-05T22:13:35Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Forecasting Algorithms for Causal Inference with Panel Data [1.4628956155379451]
  我々は,処理ユニットが処理を行なわなかったことをより正確に解釈するために,時系列予測のためのディープニューラルネットワークアーキテクチャ(N-BEATSアルゴリズム)を適用した。 様々な設定において、結果として生じる推定器(SyNBEATS'')は、一般的に用いられるメソッドよりも大幅に優れています。 この推定器の実装は一般公開されている。
  論文  参考訳（メタデータ） (2022-08-06T10:23:38Z)
• Duck swarm algorithm: theory, numerical optimization, and applications [6.244015536594532]
  本研究では,Duck Swarm Algorithm (DSA) という,群知能に基づく最適化アルゴリズムを提案する。 2つのルールは、提案されたDSAの探索と利用段階に対応するアヒルの餌の発見と採餌からモデル化される。 その結果, DSAは収束速度と探索・探索のバランスの観点から, 高性能な最適化手法であることがわかった。
  論文  参考訳（メタデータ） (2021-12-27T04:53:36Z)
• Learning to Hash Robustly, with Guarantees [79.68057056103014]
  本稿では,理論的アルゴリズムと本質的に一致する最悪ケース保証を持つハミング空間のためのNSアルゴリズムを設計する。 理論的にも実用的にも、与えられたデータセットに対してアルゴリズムが最適化できる能力を評価する。 我々のアルゴリズムは、MNISTおよびImageNetデータセットに対する最悪のパフォーマンスのクエリを、1.8倍と2.1倍の精度でリコールする。
  論文  参考訳（メタデータ） (2021-08-11T20:21:30Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• Cat Swarm Optimization Algorithm -- A Survey and Performance Evaluation [0.9990687944474739]
  Cat Swarm Optimization (CSO)アルゴリズムは、頑健で強力なメタヒューリスティックなSwarmベースの最適化手法である。 本稿では,CSOアルゴリズムの詳細な調査と性能評価を行う。
  論文  参考訳（メタデータ） (2020-01-10T18:18:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。