論文の概要: A Multiple Criteria Decision Analysis based Approach to Remove
Uncertainty in SMP Models
- arxiv url: http://arxiv.org/abs/2209.15260v1
- Date: Fri, 30 Sep 2022 06:38:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 16:18:34.759943
- Title: A Multiple Criteria Decision Analysis based Approach to Remove
Uncertainty in SMP Models
- Title（参考訳）: smpモデルにおける不確実性除去のための多重基準決定分析法
- Authors: Gokul Yenduri, Thippa Reddy Gadekallu
- Abstract要約: 異種ソフトウェアの保守性を評価することが不可欠である。
構造化された方法論が設計され、データセットが前処理され、メンテナンス性指標(MI)の範囲も見つかった。
上記の手法間の不確実性を取り除くため、一般的な複数の基準決定モデル、すなわち、理想解(TOPSIS)と類似性による順序選好の手法を用いる。
- 参考スコア（独自算出の注目度）: 1.6244541005112747
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advanced AI technologies are serving humankind in a number of ways, from
healthcare to manufacturing. Advanced automated machines are quite expensive,
but the end output is supposed to be of the highest possible quality. Depending
on the agility of requirements, these automation technologies can change
dramatically. The likelihood of making changes to automation software is
extremely high, so it must be updated regularly. If maintainability is not
taken into account, it will have an impact on the entire system and increase
maintenance costs. Many companies use different programming paradigms in
developing advanced automated machines based on client requirements. Therefore,
it is essential to estimate the maintainability of heterogeneous software. As a
result of the lack of widespread consensus on software maintainability
prediction (SPM) methodologies, individuals and businesses are left perplexed
when it comes to determining the appropriate model for estimating the
maintainability of software, which serves as the inspiration for this research.
A structured methodology was designed, and the datasets were preprocessed and
maintainability index (MI) range was also found for all the datasets expect for
UIMS and QUES, the metric CHANGE is used for UIMS and QUES. To remove the
uncertainty among the aforementioned techniques, a popular multiple criteria
decision-making model, namely the technique for order preference by similarity
to ideal solution (TOPSIS), is used in this work. TOPSIS revealed that GARF
outperforms the other considered techniques in predicting the maintainability
of heterogeneous automated software.
- Abstract（参考訳）: 高度なAI技術は、医療から製造まで、さまざまな方法で人間に役立っている。
高度な自動化マシンは非常に高価だが、最終的な出力は最高品質のはずである。
要求のアジリティによって、これらの自動化技術は劇的に変化します。
自動化ソフトウェアの変更の可能性は非常に高いため、定期的に更新する必要がある。
保守性を考慮していない場合は、システム全体に影響を与え、メンテナンスコストを増大させます。
多くの企業は、クライアント要求に基づいた高度な自動機械の開発に異なるプログラミングパラダイムを使用している。
したがって、異種ソフトウェアの保守性を推定することが不可欠である。
ソフトウェア保守可能性予測(Software maintainability prediction, SPM)方法論に対する広範なコンセンサスが欠如していることから, ソフトウェア保守可能性推定の適切なモデルを決定する上で, 個人やビジネスは混乱している。
構造化された方法論が設計され、データセットが前処理され、UIMSとQUESに期待されるすべてのデータセットに対して、メンテナンス可能性指標(MI)の範囲が見つかった。
上記の手法の不確実性を取り除くため,本研究では,最適解(TOPSIS)と類似性による順序選好の手法として,複数の基準決定モデルを用いる。
TOPSISは、GARFが異種自動ソフトウェアの保守性を予測する他の手法よりも優れていることを明らかにした。
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) - DETECTA 2.0: Research into non-intrusive methodologies supported by Industry 4.0 enabling technologies for predictive and cyber-secure maintenance in SMEs [0.19972837513980318]
DETECTA 2.0プロジェクトは、リアルタイム異常検出、高度な分析、予測予測機能を調和させる。
中心となるのはDigital Twinインターフェースで、マシン状態と検出された異常の直感的なリアルタイム可視化を提供する。
予測エンジンは、N-HiTSのような高度な時系列アルゴリズムを使用して、将来のマシン利用トレンドを予測する。
論文 参考訳（メタデータ） (2024-05-24T08:38:38Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳（メタデータ） (2023-12-14T10:37:34Z) - State-of-the-art review and synthesis: A requirement-based roadmap for standardized predictive maintenance automation using digital twin technologies [3.0996501197166975]
最近のデジタル技術は予測保守(PMx)を普及させた
しかし、PMxは、説明可能性の低さ、データ駆動手法のサンプル非効率性、物理学に基づく手法の複雑さ、知識に基づく手法の限定的な一般化可能性や拡張性など、多くの制限に直面し続けている。
本稿では,これらの課題に対処するためにDigital Twins(DT)を活用し,大規模なPMxの自動化を実現することを提案する。
論文 参考訳（メタデータ） (2023-11-13T00:16:25Z) - MOSEL: Inference Serving Using Dynamic Modality Selection [4.849058875921672]
モデル品質を維持しながら、推論入力からモダリティを適応的に選択するダイナミズム、モダリティ選択という形式を導入する。
MOSELはマルチモーダルMLモデルのための自動推論システムであり,ユーザ定義の性能と精度の要求に基づいて,要求毎の入力モダリティを慎重に選択する。
論文 参考訳（メタデータ） (2023-10-27T20:50:56Z) - Robots That Ask For Help: Uncertainty Alignment for Large Language Model
Planners [85.03486419424647]
KnowNoは、大きな言語モデルの不確実性を測定し、調整するためのフレームワークである。
KnowNoは、タスク完了に関する統計的保証を提供する共形予測理論に基づいている。
論文 参考訳（メタデータ） (2023-07-04T21:25:12Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳（メタデータ） (2023-04-28T10:27:38Z) - 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) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳（メタデータ） (2021-06-14T11:42:46Z) - Quality Management of Machine Learning Systems [0.0]
機械学習(ML)技術の大きな進歩により、人工知能(AI)は私たちの日常生活の一部になっています。
ビジネス/ミッションクリティカルなシステムでは、AIアプリケーションの信頼性と保守性に関する深刻な懸念が残っている。
本稿では,MLアプリケーションのための総合的な品質管理フレームワークの展望について述べる。
論文 参考訳（メタデータ） (2020-06-16T21:34:44Z)
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。