استفاده از شبکه های عصبی مصنوعی برای ارائه راهنمایی در گسترش برنامه های PL/SQL
| عنوان | استفاده از شبکه های عصبی مصنوعی برای ارائه راهنمایی در گسترش برنامه های PL/SQL |
|---|---|
| نویسنده | ارسوی، ای.، سوزر، حسن |
| تاریخ انتشار: | 2022-12 |
| محل انتشار | - اسپرینگر |
| موضوع | فرسایش معماری، شبکه های عصبی مصنوعی، مطالعه موردی صنعتی، معماری نرم افزار، نگهداری نرم افزار |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 0963-9314 |
| شماره ثبت | 28ead14f-f943-4600-9f6d-1391696285eb |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2022-12 |
| متن نمونه | گسترش سیستم های قدیمی با اشیاء جدید برای عملکرد یا فناوری معاصر می تواند منجر به فرسایش معماری شود. قرار گرفتن نادرست این اشیاء به تدریج ساختار مدولار را مختل می کند، که اسناد آن معمولاً گم یا قدیمی هستند. در این کار، هدف ما رسیدگی به این مشکل برای برنامههای PL/SQL است که به شدت با پایگاههای داده همراه هستند. ما یک رویکرد جدید را پیشنهاد میکنیم که از شبکههای عصبی مصنوعی برای پیشبینی خودکار قرارگیری صحیح یک شی جدید در میان ماژولهای معماری استفاده میکند. ما شبکه ای را بر اساس ویژگی های استخراج شده از نسخه اولیه کد منبع آموزش می دهیم که فرض می شود معماری مورد نظر را نشان می دهد. ما از وابستگی ها در بین نرم افزارها و اشیاء پایگاه داده به عنوان ویژگی برای این آموزش استفاده می کنیم. سپس، با توجه به یک شی جدید و لیستی از اشیاء دیگر که استفاده می کند، شبکه می تواند ماژول معماری را پیش بینی کند، جایی که شی باید در آن گنجانده شود. ما دو مطالعه موردی صنعتی را با برنامه های کاربردی از حوزه مخابرات انجام دادیم که هر کدام شامل هزاران روش و جداول پایگاه داده است. ما نشان دادیم که دقت رویکرد ما برای این دو برنامه 86.7 درصد و 89 درصد است. روش پایه که از معیارهای جفت و پیوستگی استفاده می کند به ترتیب به دقت 55.5 و 57.4 درصد برای همان کاربردها می رسد. |
| DOI | 10.1007/s11219-022-09586-1 |
| Cilt | 30 |
