論文の概要: Modelling Open-Source Software Reliability Incorporating Swarm
Intelligence-Based Techniques
- arxiv url: http://arxiv.org/abs/2401.02664v1
- Date: Fri, 5 Jan 2024 06:46:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-08 15:58:15.940384
- Title: Modelling Open-Source Software Reliability Incorporating Swarm
Intelligence-Based Techniques
- Title（参考訳）: swarm intelligenceベースの技術を用いたオープンソースソフトウェア信頼性のモデリング
- Authors: Omar Shatnawi
- Abstract要約: ソフトウェア業界では、2つのソフトウェアエンジニアリングのベストプラクティスが共存している。
クローズドソースソフトウェア信頼性予測のためのメタヒューリスティック最適化アルゴリズムの適用により、重要かつ正確な結果が得られた。
品質指標として、オープンソースのソフトウェア信頼性に関する結果は、オープンソースのソフトウェア信頼性成長モデリングの問題を解決するのに大いに役立ちます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the software industry, two software engineering development best practices
coexist: open-source and closed-source software. The former has a shared code
that anyone can contribute, whereas the latter has a proprietary code that only
the owner can access. Software reliability is crucial in the industry when a
new product or update is released. Applying meta-heuristic optimization
algorithms for closed-source software reliability prediction has produced
significant and accurate results. Now, open-source software dominates the
landscape of cloud-based systems. Therefore, providing results on open-source
software reliability - as a quality indicator - would greatly help solve the
open-source software reliability growth-modelling problem. The reliability is
predicted by estimating the parameters of the software reliability models. As
software reliability models are inherently nonlinear, traditional approaches
make estimating the appropriate parameters difficult and ineffective.
Consequently, software reliability models necessitate a high-quality parameter
estimation technique. These objectives dictate the exploration of potential
applications of meta-heuristic swarm intelligence optimization algorithms for
optimizing the parameter estimation of nonhomogeneous Poisson process-based
open-source software reliability modelling. The optimization algorithms are
firefly, social spider, artificial bee colony, grey wolf, particle swarm, moth
flame, and whale. The applicability and performance evaluation of the
optimization modelling approach is demonstrated through two real open-source
software reliability datasets. The results are promising.
- Abstract（参考訳）: ソフトウェア業界では、ソフトウェアエンジニアリング開発の2つのベストプラクティスが共存している。
前者は誰でも貢献できる共有コードを持ち、後者は所有者だけがアクセスできるプロプライエタリコードを持っている。
ソフトウェア信頼性は、新製品やアップデートがリリースされるとき、業界で不可欠です。
クローズドソースソフトウェア信頼性予測のためのメタヒューリスティック最適化アルゴリズムの適用により、重要かつ正確な結果が得られた。
現在、オープンソースソフトウェアはクラウドベースのシステムの展望を支配している。
したがって、品質指標として、オープンソースソフトウェア信頼性に関する結果を提供することは、オープンソースソフトウェア信頼性の成長モデリング問題を解決するのに大いに役立つだろう。
ソフトウェア信頼性モデルのパラメータを推定することにより、信頼性を予測する。
ソフトウェア信頼性モデルは本質的に非線形であるため、従来の手法では適切なパラメータの推定が困難で非効率である。
したがって、ソフトウェア信頼性モデルは高品質なパラメータ推定技術を必要とする。
これらの目的は、メタヒューリスティックスウォームインテリジェンス最適化アルゴリズムの潜在的な応用を探求し、非均質なpoissonプロセスに基づくオープンソースソフトウェア信頼性モデリングのパラメータ推定を最適化することである。
最適化アルゴリズムはfirefly、social spider、artificial bee colony、grey wolf、 particle swarm、moth flame、h whaleである。
最適化モデリング手法の適用性と性能評価は、2つの実際のオープンソースソフトウェア信頼性データセットを通して実証される。
結果は有望だ。
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) - Predicting Software Reliability in Softwarized Networks [10.64460581091531]
以前のリリースのコードと特定のプロジェクトのバグ履歴に関する知識は、SRGMに基づいた新しいソフトウェアリリースのソフトウェア信頼性を評価するために利用できる。
このフレームワークの2つの特定のオープンソースプロジェクトに対する例証的な実装について詳述する。
論文 参考訳（メタデータ） (2024-07-30T22:26:46Z) - Employing Software Diversity in Cloud Microservices to Engineer Reliable and Performant Systems [2.412158290827225]
本研究は,システムの信頼性と性能を同時に向上するために,ソフトウェアの多様性を活用することを提案する。
私たちの仕事の土台は信頼性基準の導出です。
目標は、より信頼性の高いバージョンに対して、可能な限り多くのバージョンを保存しながら、より高いレプリカ数を維持することである。
論文 参考訳（メタデータ） (2024-07-10T00:34:39Z) - 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) - An Effective Software Risk Prediction Management Analysis of Data Using Machine Learning and Data Mining Method [10.608932697201274]
ソフトウェアプロジェクトのリスクの適切な優先順位付けは、ソフトウェアプロジェクトのパフォーマンス機能と最終的な成功を確認する上で重要な要素である。
本稿では,最新の最先端WF攻撃モデルの相互依存性をキャプチャする逐次拡張パラメータ最適化手法を提案する。
NASA 93のデータセットと93のソフトウェアプロジェクトによる実験的な検証が行われた。
論文 参考訳（メタデータ） (2024-06-13T04:11:01Z) - Finding Software Vulnerabilities in Open-Source C Projects via Bounded
Model Checking [2.9129603096077332]
我々は,汎用ソフトウェアシステムの脆弱性を効果的に検出できる境界モデル検査手法を提唱する。
我々は,最先端の有界モデルチェッカーを用いて,大規模ソフトウェアシステムを検証する手法を開発し,評価した。
論文 参考訳（メタデータ） (2023-11-09T11:25:24Z) - 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) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳（メタデータ） (2023-08-10T13:19:10Z) - Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。
本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文 参考訳（メタデータ） (2021-05-17T08:36:18Z) - Federated Learning with Unreliable Clients: Performance Analysis and
Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。
しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。
クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文 参考訳（メタデータ） (2021-05-10T08:02:27Z) - Software Effort Estimation using parameter tuned Models [1.9336815376402716]
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。
論文 参考訳（メタデータ） (2020-08-25T15:18:59Z)
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。