| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-07-28 15:30 Wiener過程を考慮したデータの前処理に基づくOSS信頼性評価のための深層学習アプローチ ○田村慶信（山口大）・山田 茂（鳥取大）  R2023-16 |
|
| 抄録 | （和） | オープンソースソフトウェアにおいて，バグトラッキングシステムのようなデータベースシステムを利用した開発・管理は一般的に行われている．本論文では，こうしたフォールトビッグデータを活用した深層学習に基づく信頼性評価法を提案する．従来から，ニューラルネットワークに基づく時系列分析を，累積フォールト発見数データの予測に適用する研究も数多く行われている．しかしながら，そのような分析手法においては，フォールト発見数データの特性から，通常の時系列分析結果と同等の結果を得ることが困難であった．本論文では，Wiener過程に基づくデータの前処理を適用することで，推定精度が向上することについて考察する． |
| （英） | In many open source software, the development style based on the database of general bug tracking systems is the normal development paradigm. In this paper, we propose the method of reliability assessment based on the deep learning by using the fault big data obtained from the bug tracking system. Traditionally, there are many research papers in terms of the reliability assessment method by using the fault count data prediction inspired from the time series analysis based on neural network. However, in such fault count data prediction, it has been difficult to estimate the cumulative fault detected count data. In this paper, we discuss the prediction accuracy of deep learning by using the data preprocessing based on the Wiener process. | |
| キーワード | （和） | オープンソースソフトウェア / データの前処理 / Wiener過程 / ビッグデータ / 深層学習 / / / |
| （英） | Open Source Software / Data Preprocessing / Wiener Process / Big Data / Deep Learning / / / | |
| 文献情報 | 信学技報, vol. 123, no. 141, R2023-16, pp. 33-38, 2023年7月. | |
| 資料番号 | R2023-16 | |
| 発行日 | 2023-07-21 (R) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | R2023-16 |
|
| 研究会情報 | |
| 研究会 | R |
| 開催期間 | 2023-07-28 - 2023-07-28 |
| 開催地（和） | 札幌市エレクトロニクスセンター 会議室B+C |
| 開催地（英） | |
| テーマ（和） | 信頼性理論，通信ネットワークの信頼性，信頼性一般 |
| テーマ（英） | Reliability Theory, Communication Network Reliability, Reliability General |
| 講演論文情報の詳細 | |
| 申込み研究会 | R |
| 会議コード | 2023-07-R |
| 本文の言語 | 日本語 |
| タイトル（和） | Wiener過程を考慮したデータの前処理に基づくOSS信頼性評価のための深層学習アプローチ |
| サブタイトル（和） | |
| タイトル（英） | Deep Learning Approach for OSS Reliability Assessment Based on Data Preprocessing Considering the Wiener Process |
| サブタイトル（英） | |
| キーワード(1)（和/英） | オープンソースソフトウェア / Open Source Software |
| キーワード(2)（和/英） | データの前処理 / Data Preprocessing |
| キーワード(3)（和/英） | Wiener過程 / Wiener Process |
| キーワード(4)（和/英） | ビッグデータ / Big Data |
| キーワード(5)（和/英） | 深層学習 / Deep Learning |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田村 慶信 / Yoshinobu Tamura / タムラ ヨシノブ |
| 第1著者 所属（和/英） | 山口大学 (略称： 山口大) Yamaguchi University (略称： Yamaguchi Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 山田 茂 / Shigeru Yamada / ヤマダ シゲル |
| 第2著者 所属（和/英） | 鳥取大学 (略称： 鳥取大) Tottori University (略称： Tottori Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-07-28 15:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | R |
| 資料番号 | R2023-16 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.141 |
| ページ範囲 | pp.33-38 |
| ページ数 | 6 |
| 発行日 | 2023-07-21 (R) |
[研究会発表申込システムのトップページに戻る]