論文の概要: Enhancing Software Quality Assurance with an Adaptive Differential Evolution based Quantum Variational Autoencoder-Transformer Model

• arxiv url: http://arxiv.org/abs/2503.16335v1
• Date: Thu, 20 Mar 2025 16:55:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:33:35.190515
• Title: Enhancing Software Quality Assurance with an Adaptive Differential Evolution based Quantum Variational Autoencoder-Transformer Model
• Title（参考訳）: 適応微分進化に基づく量子変分オートエンコーダ変換モデルによるソフトウェア品質保証の強化
• Authors: Seshu Babu Barma, Mohanakrishnan Hariharan, Satish Arvapalli,
• Abstract要約: 我々は適応微分進化に基づく量子変分オートエンコーダ変換モデル(ADE-QVAET)を開発した。 ADE-QVAETは、QVAET(Quantum Variational Autoencoder-Transformer)を組み合わせることで、高次元の潜伏特性を取得し、コンテキスト関係とともにシーケンシャルな依存関係を維持する。 提案されたADE-QVAETモデルは、トレーニングパーセンテージ(TP)90の98.08%、92.45%、94.67%、98.12%の精度、精度、リコール、f1スコアを達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: An AI-powered quality engineering platform uses artificial intelligence to boost software quality assessments through automated defect prediction and optimized performance alongside improved feature extraction. Existing models result in difficulties addressing noisy data types together with imbalances, pattern recognition complexities, ineffective feature extraction, and generalization weaknesses. To overcome those existing challenges in this research, we develop a new model Adaptive Differential Evolution based Quantum Variational Autoencoder-Transformer Model (ADE-QVAET), that combines a Quantum Variational Autoencoder-Transformer (QVAET) to obtain high-dimensional latent features and maintain sequential dependencies together with contextual relationships, resulting in superior defect prediction accuracy. Adaptive Differential Evolution (ADE) Optimization utilizes an adaptive parameter tuning method that enhances model convergence and predictive performance. ADE-QVAET integrates advanced AI techniques to create a robust solution for scalable and accurate software defect prediction that represents a top-level AI-driven technology for quality engineering applications. The proposed ADE-QVAET model attains high accuracy, precision, recall, and f1-score during the training percentage (TP) 90 of 98.08%, 92.45%, 94.67%, and 98.12%.
• Abstract（参考訳）: AIを利用した品質エンジニアリングプラットフォームは、人工知能を使用して、自動欠陥予測と最適化されたパフォーマンスによるソフトウェア品質評価を向上し、機能抽出を改善している。 既存のモデルでは、ノイズの多いデータ型に不均衡、パターン認識の複雑さ、非効率な特徴抽出、一般化の弱点とともに対処するのが困難である。 本研究では,適応微分進化に基づく量子変分オートエンコーダ・トランスフォーマモデル (ADE-QVAET) を開発した。 Adaptive Differential Evolution (ADE) Optimization はモデル収束と予測性能を向上させる適応パラメータチューニング手法を利用する。 ADE-QVAETは高度なAI技術を統合し、スケーラブルで正確なソフトウェア欠陥予測のための堅牢なソリューションを作成する。 提案されたADE-QVAETモデルは、トレーニングパーセンテージ(TP)90の98.08%、92.45%、94.67%、98.12%の精度、精度、リコール、f1スコアを達成する。

関連論文リスト

• QGAPHEnsemble : Combining Hybrid QLSTM Network Ensemble via Adaptive Weighting for Short Term Weather Forecasting [0.0]
  本研究は,高度な機械学習技術を用いた実践的有効性を強調した。 本モデルでは,気象予測の精度と信頼性が大幅に向上したことを示す。 本稿では,天気予報タスクの性能向上のために,最適化アンサンブル技術の重要性を強調した。
  論文  参考訳（メタデータ） (2025-01-18T20:18:48Z)
• GenAI4UQ: A Software for Inverse Uncertainty Quantification Using Conditional Generative Models [12.162599515682786]
  GenAI4UQは、モデルのキャリブレーション、パラメータ推定、アンサンブル予測における逆不確実性定量化のためのソフトウェアパッケージである。 GenAI4UQは、計算集約的な反復過程を直接学習されたマッピングに置き換えることで、モデル入力パラメータの効率的な校正を可能にする。
  論文  参考訳（メタデータ） (2024-12-09T22:26:23Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• Evaluating the Performance of a D-Wave Quantum Annealing System for Feature Subset Selection in Software Defect Prediction [8.626933144631955]
  D-Wave Quantum Processing Unit (QPU) を特徴量選択のためのQAソルバとして使用する。 AEEM、データセット、NASAプロジェクトからの複数のソフトウェア欠陥を用いてこのアプローチの性能を評価する。 実験の結果,QAに基づく機能サブセットの選択により,ソフトウェアの欠陥予測が向上することが示された。
  論文  参考訳（メタデータ） (2024-10-21T19:58:25Z)
• A Hybrid Sampling and Multi-Objective Optimization Approach for Enhanced Software Defect Prediction [3.407555189785573]
  本稿では,ハイブリッドサンプリング技術と多目的最適化アルゴリズムを組み合わせた新しいSDPフレームワークを提案する。 提案モデルは,多目的最適化による特徴融合を適用し,一般化能力と予測の安定性を両立させる。 NASAとPROMISEリポジトリのデータセットで実施された実験は、提案されたハイブリッドサンプリングと多目的最適化アプローチがデータのバランスを改善し、冗長な特徴を排除し、予測精度を高めることを示した。
  論文  参考訳（メタデータ） (2024-10-13T23:39:04Z)
• Quantile Learn-Then-Test: Quantile-Based Risk Control for Hyperparameter Optimization [36.14499894307206]
  この研究は、リスク尺度の量子化に関する統計的保証を提供するために設計された、Learning-then-test (LTT)の変種を導入する。 本稿では,提案アルゴリズムを無線アクセススケジューリング問題に適用することにより,本手法の実用的利点について述べる。
  論文  参考訳（メタデータ） (2024-07-24T15:30:12Z)
• End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
  機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。 本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。 この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-12T16:33:35Z)
• QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
  モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。 例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
  論文  参考訳（メタデータ） (2023-11-06T00:21:44Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• Task-Specific Normalization for Continual Learning of Blind Image Quality Models [105.03239956378465]
  視覚的画像品質評価(BIQA)のための簡易かつ効果的な連続学習法を提案する。 このアプローチの重要なステップは、トレーニング済みのディープニューラルネットワーク(DNN)のすべての畳み込みフィルタを凍結して、安定性を明示的に保証することです。 我々は、各新しいIQAデータセット(タスク)に予測ヘッドを割り当て、対応する正規化パラメータをロードして品質スコアを生成する。 最終的な品質推定は、軽量な$K$-meansゲーティング機構で、すべての頭からの予測の重み付け総和によって計算される。
  論文  参考訳（メタデータ） (2021-07-28T15:21:01Z)
• Automatically Learning Compact Quality-aware Surrogates for Optimization Problems [55.94450542785096]
  未知パラメータで最適化問題を解くには、未知パラメータの値を予測し、これらの値を用いて問題を解くための予測モデルを学ぶ必要がある。 最近の研究によると、複雑なトレーニングモデルパイプラインのレイヤーとして最適化の問題を含めると、観測されていない意思決定の繰り返しを予測することになる。 我々は,大規模最適化問題の低次元サロゲートモデルを学習することにより,解の質を向上させることができることを示す。
  論文  参考訳（メタデータ） (2020-06-18T19:11:54Z)

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。