論文の概要: Software Effort Estimation using parameter tuned Models
- arxiv url: http://arxiv.org/abs/2009.01660v1
- Date: Tue, 25 Aug 2020 15:18:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 04:28:02.255707
- Title: Software Effort Estimation using parameter tuned Models
- Title（参考訳）: パラメータ調整モデルを用いたソフトウェア活動推定
- Authors: Akanksha Baghel, Meemansa Rathod, Pradeep Singh
- Abstract要約: 見積もりの正確さは、プロジェクトの失敗の理由です。
ソフトウェア業界の最大の落とし穴は、ソフトウェア開発の急速に変化する性質であった。
ソフトウェア製品の開発コストを正確に予測する有用なモデルの開発が必要です。
- 参考スコア（独自算出の注目度）: 1.9336815376402716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Software estimation is one of the most important activities in the software
project. The software effort estimation is required in the early stages of
software life cycle. Project Failure is the major problem undergoing nowadays
as seen by software project managers. The imprecision of the estimation is the
reason for this problem. Assize of software size grows, it also makes a system
complex, thus difficult to accurately predict the cost of software development
process. The greatest pitfall of the software industry was the fast-changing
nature of software development which has made it difficult to develop
parametric models that yield high accuracy for software development in all
domains. We need the development of useful models that accurately predict the
cost of developing a software product. This study presents the novel analysis
of various regression models with hyperparameter tuning to get the effective
model. Nine different regression techniques are considered for model
development
- Abstract（参考訳）: ソフトウェア見積もりは、ソフトウェアプロジェクトで最も重要な活動の1つです。
ソフトウェア作業量の推定は、ソフトウェアライフサイクルの初期段階で必要となる。
ソフトウェアプロジェクトマネージャが見ているように、現在進行中のプロジェクト失敗は大きな問題です。
推定の不正確さがこの問題の原因である。
ソフトウェアのサイズが大きくなると、システムも複雑になるため、ソフトウェア開発プロセスのコストを正確に予測することは困難である。
ソフトウェア業界の最大の落とし穴は、ソフトウェア開発の急速に変化する性質であり、すべてのドメインでソフトウェア開発に高い精度をもたらすパラメトリックモデルを開発するのが難しくなった。
ソフトウェア製品の開発コストを正確に予測する有用なモデルの開発が必要です。
本研究は,高パラメータチューニングを用いた各種回帰モデルの新しい解析手法を提案する。
モデル開発における9種類の回帰手法の検討
関連論文リスト
- Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。
Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
論文 参考訳（メタデータ） (2024-11-01T14:27:16Z) - Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。
継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。
我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文 参考訳（メタデータ） (2024-06-24T15:45:22Z) - Embedded Software Development with Digital Twins: Specific Requirements
for Small and Medium-Sized Enterprises [55.57032418885258]
デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。
私たちは中小企業に現在の開発プロセスについてインタビューした。
最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
論文 参考訳（メタデータ） (2023-09-17T08:56:36Z) - SoTaNa: The Open-Source Software Development Assistant [81.86136560157266]
SoTaNaはオープンソースのソフトウェア開発アシスタントだ。
ソフトウェア工学の分野のための高品質な命令ベースのデータを生成する。
オープンソースの基盤モデルであるLLaMAを強化するためにパラメータ効率のよい微調整アプローチを採用している。
論文 参考訳（メタデータ） (2023-08-25T14:56:21Z) - Quantifying Process Quality: The Role of Effective Organizational
Learning in Software Evolution [0.0]
現実世界のソフトウェアアプリケーションは、常に進化し続けなければならない。
ソフトウェア品質管理の従来の手法には、ソフトウェアの品質モデルと継続的コード検査ツールが含まれる。
しかし、開発プロセスの品質と結果のソフトウェア製品との間には、強い相関関係と因果関係がある。
論文 参考訳（メタデータ） (2023-05-29T12:57:14Z) - Applying Machine Learning Analysis for Software Quality Test [0.0]
メンテナンスのトリガーと予測されるかどうかを理解することは重要です。
生成したプログラムの複雑さを評価する多くの手法は有用な予測モデルを生成する。
本稿では,機械学習を利用可能なデータに適用し,累積ソフトウェア故障レベルを算出する。
論文 参考訳（メタデータ） (2023-05-16T06:10:54Z) - Recent Advances in Software Effort Estimation using Machine Learning [0.0]
私たちは、アジャイルでない方法論とアジャイルな方法論の両方でソフトウェア開発の取り組みを見積もるのに使用される、最新の機械学習アプローチについてレビューします。
私たちは、労力見積の可能性の観点から、アジャイル方法論を採用するメリットを分析します。
我々は、データ駆動予測モデルによるソフトウェア作業の推定について、現在および将来のトレンドの分析で結論付けている。
論文 参考訳（メタデータ） (2023-03-06T20:25:16Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Model Reprogramming: Resource-Efficient Cross-Domain Machine Learning [65.268245109828]
視覚、言語、音声などのデータに富む領域では、ディープラーニングが高性能なタスク固有モデルを提供するのが一般的である。
リソース制限されたドメインでのディープラーニングは、(i)限られたデータ、(ii)制約付きモデル開発コスト、(iii)効果的な微調整のための適切な事前学習モデルの欠如など、多くの課題に直面している。
モデル再プログラミングは、ソースドメインから十分に訓練されたモデルを再利用して、モデル微調整なしでターゲットドメインのタスクを解くことで、リソース効率のよいクロスドメイン機械学習を可能にする。
論文 参考訳（メタデータ） (2022-02-22T02:33:54Z) - Ensemble Regression Models for Software Development Effort Estimation: A
Comparative Study [0.0]
本研究は,どの手法がより優れた作業予測精度を持つかを判定し,より優れた見積もりを提供するための組み合わせ手法を提案する。
その結果,提案したアンサンブルモデルでは,ソフトウェアプロジェクトの取り組み推定に最適な応答が得られた。
論文 参考訳（メタデータ） (2020-07-03T14:40:41Z) - Software Effort Estimation using Neuro Fuzzy Inference System: Past and
Present [1.7767466724342065]
不正確なソフトウェア見積は、プロジェクトの遅延、予算過剰、あるいはプロジェクトのキャンセルにつながる可能性がある。
本稿では,ニューロファジィ推論システム(NFIS)の新たな評価手法について検討する。
論文 参考訳（メタデータ） (2019-12-26T12:55:38Z)
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。