유전 알고리즘을 이용한 자동차 소프트웨어 결함 예측에서의 하이퍼파라미터 최적화

Q: 이 논문에서 정의한 유전 알고리즘이란 무엇인가?

유전 알고리즘은 자연선택설을 바탕으로 하는 통계적 탐색 알고리즘이다. 적합도가 높은 개체가 선택되어 다음 세대의 개체를 돌연변이 및 교배를 통해 생성하며, 이러한 과정을 반복하여 가장 적합한 개체를 얻어내는 진화 과정을 거친다.

Q: 유전 알고리즘을 적용한 자동차 소프트웨어 결함 예측 모델의 성능은 어떠한가?

연구 결과, 유전 알고리즘을 적용한 의사결정 트리(GA-DT) 모델은 기존의 일반적인 의사결정 트리 모델보다 뛰어난 성능을 보였다. 특히 클래스 불균형이 심한 자동차 소프트웨어 결함 데이터 환경에서 버그 비율에 덜 영향을 받는 예측 성능을 나타내어 품질보증 자원 할당의 효율성을 높일 수 있다.

이재욱; 류덕산; 김순태

추천

검색

질문

자료유형: 학술대회자료

저자정보: 이재욱 (전북대학교) 류덕산 (전북대학교) 김순태 (전북대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2020 한국컴퓨터종합학술대회 논문집

발행연도: 2020.7

수록면: 272 - 274 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

자동차 산업과 같은 높은 수준의 품질을 요구하는 소프트웨어에서의 결함 데이터는 클래스 의 불균형이 극심하다. 이러한 데이터 환경에서 결함 예측 성능을 높이기 위해 예측모델의 다양한 매개변수를 적절히 조정하는 것이 필요하다. 본 논문에서는 유전 알고리즘을 이용하여 적합한 매개변수를 찾아내고 이를 적 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)