論文の概要: Enhancing Analogy-Based Software Effort Estimation with Firefly Algorithm Optimization
- arxiv url: http://arxiv.org/abs/2512.00571v1
- Date: Sat, 29 Nov 2025 17:56:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-02 19:46:34.301517
- Title: Enhancing Analogy-Based Software Effort Estimation with Firefly Algorithm Optimization
- Title（参考訳）: Fireflyアルゴリズム最適化によるアナロジーに基づくソフトウェア評価の強化
- Authors: Tarun Chintada, Uday Kiran Cheera,
- Abstract要約: 本研究では,FA と ABE を組み合わせたFirefly Algorithm-Guided Analogy-Based Estimation (FAABE) モデルを提案する。
従来のモデルと比較すると,予測精度は顕著に向上した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analogy-Based Estimation (ABE) is a popular method for non-algorithmic estimation due to its simplicity and effectiveness. The Analogy-Based Estimation (ABE) model was proposed by researchers, however, no optimal approach for reliable estimation was developed. Achieving high accuracy in the ABE might be challenging for new software projects that differ from previous initiatives. This study (conducted in June 2024) proposes a Firefly Algorithm-guided Analogy-Based Estimation (FAABE) model that combines FA with ABE to improve estimation accuracy. The FAABE model was tested on five publicly accessible datasets: Cocomo81, Desharnais, China, Albrecht, Kemerer and Maxwell. To improve prediction efficiency, feature selection was used. The results were measured using a variety of evaluation metrics; various error measures include MMRE, MAE, MSE, and RMSE. Compared to conventional models, the experimental results show notable increases in prediction precision, demonstrating the efficacy of the Firefly-Analogy ensemble.
- Abstract（参考訳）: アナロジーに基づく推定(AABE)は、その単純さと有効性から非アルゴリズム的推定の一般的な方法である。
しかし,Analogy-Based Estimation (ABE) モデルは研究者によって提案されたが,信頼性評価のための最適手法は開発されなかった。
ABEで高い精度を達成することは、以前のイニシアチブと異なる新しいソフトウェアプロジェクトでは難しいかもしれません。
本研究は2024年6月に実施され,FAとAbeを組み合わせて推定精度を向上させるFirefly Algorithm-Guided Analogy-Based Estimation (FAABE)モデルを提案する。
FAABEモデルは、Cocomo81、Desharnais、China、Albrecht、Kemerer、Maxwellの5つの公開データセットでテストされた。
予測効率を向上させるため、特徴選択が用いられた。
その結果, MMRE, MAE, MSE, RMSEなど, 様々な評価指標を用いて測定した。
従来のモデルと比較すると, 予測精度は顕著に向上し, フライヤー・アナロジー・アンサンブルの有効性が示された。
関連論文リスト
- Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
天気予報は、大気のカオス的な性質によって根本的に挑戦されている。
ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。
気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
論文 参考訳（メタデータ） (2025-11-18T07:49:52Z) - Out-of-Sample Hydrocarbon Production Forecasting: Time Series Machine Learning using Productivity Index-Driven Features and Inductive Conformal Prediction [1.1534313664323632]
本研究は, アウトオブサンプル炭化水素生産予測の堅牢性を高めるために設計された新しいMLフレームワークを紹介する。
The Volve (wells PF14, PF12) and Norne (well E1H) oil field, this study is using the historical data from the Volve (wells PF14, PF12) and Norne (well E1H) oil field, we investigated the effective of various predictive algorithm。
論文 参考訳（メタデータ） (2025-08-12T19:14:46Z) - Practical Improvements of A/B Testing with Off-Policy Estimation [51.25970890274447]
従来の手法よりも分散度を低くする非バイアスのオフ・ポリティクス推定器のファミリーを導入する。
提案手法の有効性と実用性を理論的に検証した。
論文 参考訳（メタデータ） (2025-06-12T13:11:01Z) - Supervised Score-Based Modeling by Gradient Boosting [49.556736252628745]
本稿では,スコアマッチングを組み合わせた勾配向上アルゴリズムとして,SSM(Supervised Score-based Model)を提案する。
推測時間と予測精度のバランスをとるため,SSMの学習とサンプリングに関する理論的解析を行った。
我々のモデルは、精度と推測時間の両方で既存のモデルより優れています。
論文 参考訳（メタデータ） (2024-11-02T07:06:53Z) - Two new feature selection methods based on learn-heuristic techniques for breast cancer prediction: A comprehensive analysis [6.796017024594715]
帝国主義競争アルゴリズム(ICA)とバットアルゴリズム(BA)に基づく2つの新しい特徴選択法を提案する。
本研究は, 診断モデルの効率を向上し, 臨床医師がこれまでよりもはるかに正確かつ信頼性の高い意思決定を行えるよう包括的分析を行うことを目的とする。
論文 参考訳（メタデータ） (2024-07-19T19:07:53Z) - A positive feedback method based on F-measure value for Salient Object
Detection [1.9249287163937976]
本稿では,SODに対するF値に基づく正のフィードバック手法を提案する。
提案手法は,画像を検出して既存のモデルに入力し,それぞれの予測マップを取得する。
5つの公開データセットに対する実験結果から,提案手法の正のフィードバックは,5つの評価指標において最新の12の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-04-28T04:05:13Z) - Development and Evaluation of Conformal Prediction Methods for QSAR [0.5161531917413706]
定量的構造活性相関モデル(QSAR)は、化合物の生物活性を予測するために一般的に用いられる手法である。
優れた予測性能を達成する機械学習(ML)アルゴリズムの多くは、予測の不確実性を推定するためのいくつかのアドオンメソッドを必要とする。
コンフォーマル予測(CP)は予測アルゴリズムに非依存であり、データ分布の弱い仮定の下で有効な予測間隔を生成できる。
論文 参考訳（メタデータ） (2023-04-03T13:41:09Z) - Guiding the Sequential Experiments in Autonomous Experimentation
Platforms through EI-based Bayesian Optimization and Bayesian Model Averaging [2.094022863940315]
AEPは、インテリジェントな制御の下で、材料設計空間(MDS)をシーケンシャルに探索し、望ましい特性でパラメータを識別できる先進的な製造プラットフォームである。
このような場合、搾取と探検のバランスがとらなければならない。
期待された改善に基づく(EIに基づく)獲得機能を備えたベイズ最適化フレームワークは、MDSを効果的に探索し、次の実験の実施場所を案内することができる。
論文 参考訳（メタデータ） (2023-02-26T17:31:00Z) - Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。
実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-10-07T02:12:34Z) - Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。
本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。
本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
論文 参考訳（メタデータ） (2022-01-11T23:01:12Z) - Efficient Ensemble Model Generation for Uncertainty Estimation with
Bayesian Approximation in Segmentation [74.06904875527556]
アンサンブルセグメンテーションモデルを構築するための汎用的で効率的なセグメンテーションフレームワークを提案する。
提案手法では,層選択法を用いて効率よくアンサンブルモデルを生成することができる。
また,新たな画素単位の不確実性損失を考案し,予測性能を向上する。
論文 参考訳（メタデータ） (2020-05-21T16:08:38Z)
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。