論文の概要: Parallelization of Software Systems Test Case Selection Algorithm Based on Singular Value Decomposition

• arxiv url: http://arxiv.org/abs/2206.05494v3
• Date: Fri, 10 May 2024 15:02:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-13 20:56:05.883981
• Title: Parallelization of Software Systems Test Case Selection Algorithm Based on Singular Value Decomposition
• Title（参考訳）: 特異値分解に基づくソフトウェアシステムテストケース選択アルゴリズムの並列化
• Authors: Mahdi Movahedian Moghaddam,
• Abstract要約: この検査は、これらの異常を防ぐために、感染した部位を再測定することを目指している。 我々は,特異値分解によるシステム機能に基づいて,ソフトウェアシステムの変化をクラスタ化しようと試みている。 高速化のため,共有メモリシステム上で並列に計算を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When developing a software system, a change in one part of the system may lead to unwanted changes in other parts of the system. These affected parts may interfere with system performance, so regression testing is used to deal with these disorders. This test seeks to re-measure these sections to prevent these abnormalities, but it is difficult to identify these sections for re-examination. We try to cluster the changes of our software system based on the system functions by singular value decomposition, to be able to use to identify these parts during a new change, to perform the test again. In order to increase speedup, our calculations were performed in parallel on shared memory systems so that by increasing the scale of software systems, an optimal answer could be obtained.
• Abstract（参考訳）: ソフトウェアシステムの開発において、システムのある部分の変更は、システムの他の部分の望ましくない変更につながる可能性がある。 これらの影響を受ける部分はシステムパフォーマンスに干渉する可能性があるため、回帰テストはこれらの障害に対処するために使用される。 本試験はこれらの異常を予防するためにこれらの区間を再測定することを目的としているが、再検査のためにこれらの区間を特定することは困難である。 システム機能の特異値分解に基づくソフトウェアシステムの変更をクラスタ化して,新たな変更時にこれらの部分を特定することで,テストの再実行を可能にします。 高速化のために,共有メモリシステム上で並列に計算を行い,ソフトウェアシステムの規模を拡大することで,最適な解が得られるようにした。

関連論文リスト

• A Survey on Self-healing Software System [0.0]
  自己修復の主な目的は、人間の介入なしに自己修復できる自動システムを持つことである。 本研究では,異なる自己修復法を分類し,その概要を述べる。
  論文  参考訳（メタデータ） (2024-03-01T11:23:41Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• Quality-Based Conditional Processing in Multi-Biometrics: Application to Sensor Interoperability [63.05238390013457]
  2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。 我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。 その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-11-24T12:11:22Z)
• Improving the Performance of Robust Control through Event-Triggered Learning [74.57758188038375]
  LQR問題における不確実性に直面していつ学習するかを決定するイベントトリガー学習アルゴリズムを提案する。 本研究では,ロバストな制御器ベースライン上での性能向上を数値例で示す。
  論文  参考訳（メタデータ） (2022-07-28T17:36:37Z)
• Are We There Yet? A Decision Framework for Replacing Term Based Retrieval with Dense Retrieval Systems [35.77217529138364]
  いくつかの高密度検索(DR)モデルは、項ベース検索と競合する性能を示した。 DRはクエリとドキュメントを高密度なベクトル空間に投影し、(近似した)近接探索によって結果を検索する。 将来DRがユビキタスになるかどうかを予測することは不可能だが、この方法の1つは意思決定プロセスの繰り返し適用を通じて可能である。
  論文  参考訳（メタデータ） (2022-06-26T23:16:05Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
  本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。 この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
  論文  参考訳（メタデータ） (2022-03-28T21:22:22Z)
• Robust and Transferable Anomaly Detection in Log Data using Pre-Trained Language Models [59.04636530383049]
  クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。 システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:17:05Z)
• Behavioral Model Inference of Black-box Software using Deep Neural Networks [1.6593369275241105]
  テストや異常検出といった多くのソフトウェアエンジニアリングタスクは、ソフトウェアの振る舞いモデルを予測する能力の恩恵を受けることができる。 既存の推論アプローチのほとんどは、実行シーケンスを収集するコードへのアクセスを前提としている。 本稿では,この手法を用いて状態変化を正確に検出する方法と,推定されたモデルがトランスフォーメーション学習シナリオにどのように適用できるかを示す。
  論文  参考訳（メタデータ） (2021-01-13T09:23:37Z)

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。