در مورد استفاده از یادگیری ماشین برای پیش‌بینی نقض زمان رفع نقص

عنوان در مورد استفاده از یادگیری ماشین برای پیش‌بینی نقض زمان رفع نقص
نویسنده Kanoğlu، Ümit، Dolaş، Can، Sözer، Hasan
تاریخ انتشار: 2022
محل انتشار - انتشارات علم و فناوری
موضوع پیش‌بینی زمان رفع اشکال، طبقه‌بندی، رفع نقض زمان، مطالعه موردی صنعتی، یادگیری ماشینی
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-989758568-5
شماره ثبت 2cc1e925-937f-45bf-9fce-70d054ed0eb8
محل کتابخانه علوم کامپیوتر
تاریخ 2022
متن نمونه پیش‌بینی دقیق زمان رفع نقص برای تخمین و هماهنگی تلاش‌های تعمیر و نگهداری نرم‌افزار مهم است. به همین ترتیب، پیش بینی اینکه آیا از زمان برآورد اولیه رفع نقص در طول فرآیند تعمیر و نگهداری تجاوز خواهد کرد یا خیر مفید است. ما یک ارزیابی تجربی در مورد استفاده از یادگیری ماشین برای پیش‌بینی نقض زمان رفع نقص ارائه می‌کنیم. ما یک مطالعه موردی صنعتی بر اساس پروژه های واقعی از حوزه مخابرات انجام می دهیم. ما یک مجموعه داده با 69000 گزارش نقص در مورد 293 پروژه که بین سال‌های 2015 تا 2021 نگهداری می‌شوند، آماده می‌کنیم. ما از 7 الگوریتم یادگیری ماشین استفاده می‌کنیم. ما با 3 زیر مجموعه از 25 ویژگی به دست آمده از نقص و همچنین پروژه های مربوطه آزمایش می کنیم. طبقه‌بندی‌کننده‌های تقویت‌شده گرادیان با رسیدن به دقت ۷۲ درصد، بهترین عملکرد را دارند.
DOI 10.5220/0011059900003176
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

در مورد استفاده از یادگیری ماشین برای پیش‌بینی نقض زمان رفع نقص

نویسنده Kanoğlu، Ümit، Dolaş، Can، Sözer، Hasan
تاریخ انتشار 2022
محل انتشار - انتشارات علم و فناوری
موضوع پیش‌بینی زمان رفع اشکال، طبقه‌بندی، رفع نقض زمان، مطالعه موردی صنعتی، یادگیری ماشینی
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-989758568-5
شماره ثبت 2cc1e925-937f-45bf-9fce-70d054ed0eb8
محل کتابخانه علوم کامپیوتر
تاریخ 2022
متن نمونه پیش‌بینی دقیق زمان رفع نقص برای تخمین و هماهنگی تلاش‌های تعمیر و نگهداری نرم‌افزار مهم است. به همین ترتیب، پیش بینی اینکه آیا از زمان برآورد اولیه رفع نقص در طول فرآیند تعمیر و نگهداری تجاوز خواهد کرد یا خیر مفید است. ما یک ارزیابی تجربی در مورد استفاده از یادگیری ماشین برای پیش‌بینی نقض زمان رفع نقص ارائه می‌کنیم. ما یک مطالعه موردی صنعتی بر اساس پروژه های واقعی از حوزه مخابرات انجام می دهیم. ما یک مجموعه داده با 69000 گزارش نقص در مورد 293 پروژه که بین سال‌های 2015 تا 2021 نگهداری می‌شوند، آماده می‌کنیم. ما از 7 الگوریتم یادگیری ماشین استفاده می‌کنیم. ما با 3 زیر مجموعه از 25 ویژگی به دست آمده از نقص و همچنین پروژه های مربوطه آزمایش می کنیم. طبقه‌بندی‌کننده‌های تقویت‌شده گرادیان با رسیدن به دقت ۷۲ درصد، بهترین عملکرد را دارند.
DOI 10.5220/0011059900003176
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید