Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
پیش بینی عیب نرم افزار در برنامه های کاربردی تحت وب شی گرا با استفاده از یادگیری عمیق
یعقوبی سامانی، امید Yaghoobi Samani, Omid

Cataloging brief

پیش بینی عیب نرم افزار در برنامه های کاربردی تحت وب شی گرا با استفاده از یادگیری عمیق
پدیدآور اصلی :   یعقوبی سامانی، امید Yaghoobi Samani, Omid
ناشر :   صنعتی شریف
سال انتشار  :   1403
موضوع ها :   یادگیری عمیق Deep Learning شیءگرایی Object Oriented برنامه کاربردی تحت وب Web...
شماره راهنما :   ‭19-57507

Find in content

sort by

Bookmark

  • مقدمه (13)
    • تعریف مسئله (13)
    • اهمیت موضوع (15)
    • چالش‌ها (17)
    • اهداف پژوهش (19)
    • ساختار پایان‌نامه (20)
  • مفاهیم اولیه (21)
    • سنجه‌ها (21)
    • رویکردهای پیش‌بینی عیب (23)
    • مشکل عدم توازن در کلاس‌ها (24)
    • بازنمایی کد (25)
      • مدل BERT (26)
      • بازنمایی مبتنی بر نشانه (27)
      • بازنمایی مبتنی بر درخت (27)
    • یادگیری با نظارت (28)
    • شبکه عصبی پیچشی (28)
      • فیلتر (29)
      • لایه پیچشی (29)
      • لایه فشرده ساز (30)
      • لایه متصل همبند (30)
    • مکانیزم توجه (31)
    • معیارهای ارزیابی (32)
  • کارهای پیشین (34)
    • مقدمه (34)
    • پیش‌بینی عیب در برنامه‌های کاربردی تحت وب (34)
    • پیش‌بینی عیب در نرم‌افزارهای شی‌گرا (35)
    • پیش‌بینی عیب در نرم‌افزار با یادگیری عمیق (36)
    • نتیجه‌گیری (43)
  • جمع‌آوری داده‌ها و ساخت مجموعه دادگان (44)
    • انتخاب مخزن (44)
    • جمع‌آوری داده‌ها و پیش‌پردازش اولیه (47)
    • استخراج سنجه‌ها در سطح کد و پردازش داده‌ها (49)
  • رویکرد پیشنهادی (51)
    • مقدمه (51)
    • استخراج ویژگی‌های کد (52)
      • استخراج ویژگی‌ها از کد منبع (52)
      • استخراج ویژگی‌ها از درخت نحو انتزاعی کد منبع (54)
    • پیش‌پردازش (55)
    • انتخاب پروژه (56)
    • متوازن‌سازی دادگان (57)
    • ساخت مدل یادگیری عمیق (57)
      • ورودی مدل (58)
      • استخراج ویژگی (59)
      • مکانیزم توجه (60)
      • ترکیب ویژگی‌ها (61)
      • دسته‌بند (61)
  • نتایج و ارزیابی (62)
    • مقدمه (62)
    • ارزیابی دادگان (62)
    • انتخاب پروژه برای ورودی مدل (64)
    • ساخت مدل یادگیری عمیق (66)
    • ارزیابی کارایی مدل یادگیری عمیق (69)
    • تفسیر نتایج (80)
  • نتیجه‌گیری (81)
    • ‌مقدمه (81)
    • نتیجه‌گیری (81)
    • کارهای آتی (82)
  • مراجع (83)
  • واژه‌نامه (90)
Loading...