Article received 10.12.2021 р

HIGHLIGHTS

• who: gryts from the (UNIVERSITY) have published the paper: Article received 10.12.2021 р, in the Journal: (JOURNAL)

SUMMARY

Syntax Tree) програм і зміни вихідного коду використовуються для випадків передбачення рівня змін на рівні файлу, як вхідні дані для мережі, Модель на основі LSTM (long short-term memory) нейронної мережі використано в роботі для вивчення як семантичних, так і синтаксичних особливостей коду. Матеріали та методи дослідження. Точність класифікації MLP нейронної мережі / Accuracy of MLP neural_network classification 2. Точність класифікації RBF нейронної мережі / Accuracy of RBF neural_network classification 3. Simple Recurrent Neural_Networks (Рекурентна нейронна мережа). Точність класифікації RNN нейронної мережі / Accuracy of RNN neural_network classification 4. LSTM Neural_Networks. Точність класифікації LSTM нейронної мережі / Accuracy of LSTM neural_network classification Результати дослідження та їх обговорення / Research results and their discussion У цьому дослідженні використано і реалізовано чо- них передбачень, які повертаються цими слабкими мотири нейронні мережі, які добре себе проявили в точ- делями. ності класифікації модулів на дефектні і такі, що без дефектів (табл. Схема роботи стекового ансамблю із чотирьох нейронних мереж / Workflow of stack ensemble of four neural_networks За допомогою компонента StackingClassifier бібліотеки Sklearn і мови програмування Python реалізовано стековий ансамбль. Точність класифікації стекового ансамблю із чотирьох нейронних мереж / Accuracy of stack ensemble classification of four neural_networks Обговорення результатів дослідження. Найкращої точності прогнозування досягнуто у разі використання моделей на основі двох останніх мереж: рекурентної нейронної мережі та довгої короткотермінової пам'яті. Використання розробленої авторами раніше статичної моделі надійності ПЗ, яка передбачає зменшення множини ознак до семи найважливіших, дає змогу збільшити точність прогнозування зазначеними методами до 89,97 (для RNN) та 91,16 % (у разі LSTM). @@

ACRONYMS

• DBN . . .
  

   

  

  If you want to have access to all the content you need to log in!

  Thanks :)

  Username or Email

  Password

  Remember me

  Lost your password?

  If you don't have an account, you can create one here.