Fugu-MT 論文翻訳(概要): Size biased Multinomial Modelling of detection data in Software testing

論文の概要: Size biased Multinomial Modelling of detection data in Software testing

arxiv url: http://arxiv.org/abs/2406.04360v1
Date: Fri, 24 May 2024 17:57:34 GMT
ステータス: 処理完了
システム内更新日: 2024-06-23 14:05:12.674349
Title: Size biased Multinomial Modelling of detection data in Software testing
Title（参考訳）: ソフトウェアテストにおける検出データのサイズ偏差多項モデリング
Authors: Pallabi Ghosh, Ashis Kr. Chakraborty, Soumen Dey,
Abstract要約: バグサイズや最終的なバグサイズを利用して、ソフトウェアの信頼性をより正確に判断する上で役立ちます。このモデルはシミュレーションによって検証され、その後、重要な宇宙アプリケーションテストデータに使用される。
参考スコア（独自算出の注目度）: 1.7532822703595772
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Estimation of software reliability often poses a considerable challenge, particularly for critical softwares. Several methods of estimation of reliability of software are already available in the literature. But, so far almost nobody used the concept of size of a bug for estimating software reliability. In this article we make used of the bug size or the eventual bug size which helps us to determine reliability of software more precisely. The size-biased model developed here can also be used for similar fields like hydrocarbon exploration. The model has been validated through simulation and subsequently used for a critical space application software testing data. The estimated results match the actual observations to a large extent.
Abstract（参考訳）: ソフトウェア信頼性の評価は、特に重要なソフトウェアにとって、大きな課題となることが多い。ソフトウェアの信頼性を推定するいくつかの手法が文献で既に利用可能である。しかし、今のところ、ソフトウェア信頼性を見積もるために、バグのサイズという概念を使う人はほとんどいません。この記事では、ソフトウェアの信頼性をより正確に判断するのに役立つバグサイズや最終的なバグサイズを利用します。ここで開発されたサイズバイアスドモデルは、炭化水素探査のような類似の分野にも利用することができる。このモデルはシミュレーションによって検証され、その後、重要な宇宙アプリケーションテストデータに使用される。推定結果は実際の観測結果と大きく一致している。

関連論文リスト

Large Language Models Must Be Taught to Know What They Don't Know [97.90008709512921]
正解と誤解の小さなデータセットを微調整すると、高い一般化と計算オーバーヘッドの少ない不確実性推定が得られることを示す。また,確実な不確実性推定を可能にする機構についても検討し,多くのモデルを汎用的不確実性推定器として利用することができることを示した。
論文参考訳（メタデータ） (2024-06-12T16:41:31Z)
Modelling Open-Source Software Reliability Incorporating Swarm Intelligence-Based Techniques [0.0]
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。
論文参考訳（メタデータ） (2024-01-05T06:46:03Z)
Demonstration of a Response Time Based Remaining Useful Life (RUL) Prediction for Software Systems [0.966840768820136]
Prognostic and Health Management (PHM) は、エレクトロニクス分野や非エレクトロニクス分野のハードウェアシステムに広く応用されている。本稿では,故障予測とRUL推定のためのソフトウェアシステムへのPHMの概念の適用について述べる。
論文参考訳（メタデータ） (2023-07-23T06:06:38Z)
Preserving Knowledge Invariance: Rethinking Robustness Evaluation of Open Information Extraction [50.62245481416744]
実世界におけるオープン情報抽出モデルの評価をシミュレートする最初のベンチマークを示す。我々は、それぞれの例が知識不変のcliqueである大規模なテストベッドを設計し、注釈付けする。さらにロバスト性計量を解明することにより、その性能が全体の傾きに対して一貫して正確であるならば、モデルはロバストであると判断される。
論文参考訳（メタデータ） (2023-05-23T12:05:09Z)
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)
Towards a Fair Comparison and Realistic Design and Evaluation Framework of Android Malware Detectors [63.75363908696257]
一般的な評価フレームワークを用いて,Androidのマルウェア検出に関する10の研究成果を分析した。データセットの作成やデザイナの設計に考慮しない場合、トレーニングされたMLモデルに大きく影響する5つの要因を特定します。その結果,MLに基づく検出器は楽観的に評価され,良好な結果が得られた。
論文参考訳（メタデータ） (2022-05-25T08:28:08Z)
ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文参考訳（メタデータ） (2021-04-11T12:14:04Z)
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)
Learning Accurate Dense Correspondences and When to Trust Them [161.76275845530964]
2つの画像に関連する密度の高い流れ場と、堅牢な画素方向の信頼度マップの推定を目指しています。フロー予測とその不確実性を共同で学習するフレキシブルな確率的アプローチを開発する。本手法は,幾何学的マッチングと光フローデータセットに挑戦する最新の結果を得る。
論文参考訳（メタデータ） (2021-01-05T18:54:11Z)
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)
Software Defect Prediction Based On Deep Learning Models: Performance Study [0.5735035463793008]
Stack Sparse Auto-Encoder(SSAE)とDeep Belief Network(DBN)の2つのディープラーニングモデルがデプロイされ、NASAデータセットを分類する。実験の結果,十分なサンプルが得られたデータセットの精度が向上した。
論文参考訳（メタデータ） (2020-04-02T06:02:14Z)

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。