論文の概要: Leveraging AI for Enhanced Software Effort Estimation: A Comprehensive Study and Framework Proposal

• arxiv url: http://arxiv.org/abs/2402.05484v1
• Date: Thu, 8 Feb 2024 08:25:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-09 15:52:23.787508
• Title: Leveraging AI for Enhanced Software Effort Estimation: A Comprehensive Study and Framework Proposal
• Title（参考訳）: ソフトウェアエフォート推定の強化にAIを活用する - 包括的な研究とフレームワークの提案
• Authors: Nhi Tran, Tan Tran, Nam Nguyen
• Abstract要約: 本研究は,従来の手法の限界を克服し,精度と信頼性を向上させることを目的とする。 提案されたAIベースのフレームワークは、プロジェクトの計画とリソース割り当てを強化する可能性を秘めている。
• 参考スコア（独自算出の注目度）: 2.8643479919807433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents an extensive study on the application of AI techniques for software effort estimation in the past five years from 2017 to 2023. By overcoming the limitations of traditional methods, the study aims to improve accuracy and reliability. Through performance evaluation and comparison with diverse Machine Learning models, including Artificial Neural Network (ANN), Support Vector Machine (SVM), Linear Regression, Random Forest and other techniques, the most effective method is identified. The proposed AI-based framework holds the potential to enhance project planning and resource allocation, contributing to the research area of software project effort estimation.
• Abstract（参考訳）: 本稿は、2017年から2023年までの5年間のソフトウェア作業推定におけるAI技術の応用に関する広範な研究である。 従来の手法の限界を克服することで、精度と信頼性を向上させることを目指している。 ニューラルネットワーク(ANN)、サポートベクトルマシン(SVM)、線形回帰、ランダムフォレストなど、さまざまな機械学習モデルのパフォーマンス評価と比較により、最も効果的な手法が特定される。 提案されたAIベースのフレームワークは、プロジェクトの計画とリソース割り当てを強化する可能性を秘めており、ソフトウェアプロジェクトの取り組み見積の研究領域に寄与している。

関連論文リスト

• Enhancing Software Effort Estimation through Reinforcement Learning-based Project Management-Oriented Feature Selection [1.382553192164386]
  本研究では,ソフトウェアプロジェクト管理におけるデータ要素市場の適用について検討する。 データ要素市場と強化学習に基づくアルゴリズムを利用して,特徴選択に基づくソリューションを提案する。
  論文  参考訳（メタデータ） (2024-03-25T13:20:59Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [54.19942426544731]
  LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。 本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
  論文  参考訳（メタデータ） (2023-12-01T16:00:25Z)
• 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)
• PerfDetectiveAI -- Performance Gap Analysis and Recommendation in Software Applications [0.0]
  本稿では,ソフトウェアアプリケーションにおける性能ギャップ分析と提案のための概念的フレームワークPerfDetectiveAIを紹介する。 現代の機械学習(ML)と人工知能(AI)技術は、PerfDetectiveAIでパフォーマンス測定を監視し、ソフトウェアアプリケーションにおけるパフォーマンス不足の領域を特定するために使用されている。
  論文  参考訳（メタデータ） (2023-06-11T02:53:04Z)
• 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)
• GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
  本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。 外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
  論文  参考訳（メタデータ） (2023-02-16T16:45:36Z)
• A Field Guide to Federated Optimization [161.3779046812383]
  フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。 本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
  論文  参考訳（メタデータ） (2021-07-14T18:09:08Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)

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。