| 講演抄録/キーワード |
| 講演名 |
2026-03-27 14:25
固定重み付き多カーネル回帰に基づくソフトウェア信頼性予測手法に関する一考察 ○白 嘉成・土肥 正・鄭 俊俊・岡村寛之(広島大) R2025-58 |
| 抄録 |
(和) |
ソフトウェア信頼性は,ソフトウェアシステムの品質と安定性を確保するうえで極めて重要である.従来の非同次ポアソン過程(NHPP)などのモデルは,しばしば強い分布仮定に依存しており,複雑な故障検出傾向を柔軟に捉えることが難しい.これに対して,カーネル回帰に代表されるノンパラメトリック手法は,より高いモデリングの柔軟性を有する.本稿では,平滑化性能に優れ,境界バイアスの低減にも有効であることが広く知られている2つの古典的推定法,すなわち Nadaraya–Watson(NW)推定量と Local Linear(LL)推定量に着目する.しかしながら,従来の単一カーネル法は,多様なデータセットに対する適応性に限界がある.この問題に対処するため,本稿では,NW 推定量および LL 推定量の双方に対して,固定重み付き多重カーネル拡張法を提案する.本手法では,複数のカーネルをあらかじめ与えた重みにより線形結合することで,システムの単純性と安定性を維持しつつ,モデリングの柔軟性を向上させる.さらに,固定重み付き多重カーネルの枠組みのもとで,カーネル重みを最適化することなく,最小二乗交差確認法(LSCV)を用いて帯域幅を選択し,データ適応的な平滑化を実現する.実ソフトウェア故障数データセットを用いた実験結果により,提案する多重カーネル非パラメトリック推定量は,単一カーネル法に比べて一貫して性能向上を示し,従来のNHPPに基づくモデルに対する頑健な代替手法となることが確認された. |
| (英) |
Software reliability is critical for ensuring the quality and stability of software systems. Traditional models, such as non-homogeneous Poisson processes (NHPPs), often rely on strong distributional assumptions and lack flexibility in capturing complex fault-detection trends. In contrast, nonparametric approaches like kernel regression offer greater modeling flexibility. In this note, we focus on two classical estimators; the Nadaraya–Watson (NW) estimator and the Local Linear (LL) estimator, which are widely recognized for their smoothing performance and their ability to reduce boundary bias. However, conventional single-kernel methods exhibit limited adaptability across diverse datasets. To address this limitation, we propose a fixed-weighted multi-kernel extension for both the NW and LL estimators. In this framework, multiple kernels are linearly combined with
pre-specified weights to improve modeling flexibility while keeping the system simple and stable. Under the fixed-weighted multi-kernel setting, we employ least squares cross-validation (LSCV) to select the bandwidths, enabling data-adaptive smoothing without optimizing kernel weights. Experimental results on real-world software fault-count datasets show that the proposed multi-kernel nonparametric estimators consistently improve over their single-kernel counterparts and provide a robust alternative to classical NHPP-based models. |
| キーワード |
(和) |
ソフトウェア信頼性 / カーネル回帰 / 非パラメトリック回帰 / 多重カーネル回帰 / 固定重み / / / |
| (英) |
software reliability / kernel regression / nonparametric regression / multi-kernel regression / fixed weights / / / |
| 文献情報 |
信学技報, vol. 125, no. 428, R2025-58, pp. 21-26, 2026年3月. |
| 資料番号 |
R2025-58 |
| 発行日 |
2026-03-20 (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 |
R2025-58 |
| 研究会情報 |
| 研究会 |
R |
| 開催期間 |
2026-03-27 - 2026-03-27 |
| 開催地(和) |
高知県立県民文化ホール(高知県高知市)多目的室11 |
| 開催地(英) |
|
| テーマ(和) |
機構デバイスの信頼性、計算機システムの信頼性、信頼性一般 |
| テーマ(英) |
Reliability of Electromechanical Devices, Reliability of Computer System, Reliability General |
| 講演論文情報の詳細 |
| 申込み研究会 |
R |
| 会議コード |
2026-03-R |
| 本文の言語 |
日本語 |
| タイトル(和) |
固定重み付き多カーネル回帰に基づくソフトウェア信頼性予測手法に関する一考察 |
| サブタイトル(和) |
|
| タイトル(英) |
A Note on Fixed-Weighted Multi-Kernel Regression Approach for Software Reliability Prediction |
| サブタイトル(英) |
|
| キーワード(1)(和/英) |
ソフトウェア信頼性 / software reliability |
| キーワード(2)(和/英) |
カーネル回帰 / kernel regression |
| キーワード(3)(和/英) |
非パラメトリック回帰 / nonparametric regression |
| キーワード(4)(和/英) |
多重カーネル回帰 / multi-kernel regression |
| キーワード(5)(和/英) |
固定重み / fixed weights |
| 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) |
白 嘉成 / Jiacheng Bai / ハク カセイ |
| 第1著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
| 第2著者 氏名(和/英/ヨミ) |
土肥 正 / Tadashi Dohi / |
| 第2著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
| 第3著者 氏名(和/英/ヨミ) |
鄭 俊俊 / Junjun Zheng / |
| 第3著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
| 第4著者 氏名(和/英/ヨミ) |
岡村 寛之 / Hiroyuki Okamura / |
| 第4著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
| 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: ) |
| 第19著者 氏名(和/英/ヨミ) |
/ / |
| 第19著者 所属(和/英) |
(略称: )
(略称: ) |
| 第20著者 氏名(和/英/ヨミ) |
/ / |
| 第20著者 所属(和/英) |
(略称: )
(略称: ) |
| 第21著者 氏名(和/英/ヨミ) |
/ / |
| 第21著者 所属(和/英) |
(略称: )
(略称: ) |
| 第22著者 氏名(和/英/ヨミ) |
/ / |
| 第22著者 所属(和/英) |
(略称: )
(略称: ) |
| 第23著者 氏名(和/英/ヨミ) |
/ / |
| 第23著者 所属(和/英) |
(略称: )
(略称: ) |
| 第24著者 氏名(和/英/ヨミ) |
/ / |
| 第24著者 所属(和/英) |
(略称: )
(略称: ) |
| 第25著者 氏名(和/英/ヨミ) |
/ / |
| 第25著者 所属(和/英) |
(略称: )
(略称: ) |
| 第26著者 氏名(和/英/ヨミ) |
/ / |
| 第26著者 所属(和/英) |
(略称: )
(略称: ) |
| 第27著者 氏名(和/英/ヨミ) |
/ / |
| 第27著者 所属(和/英) |
(略称: )
(略称: ) |
| 第28著者 氏名(和/英/ヨミ) |
/ / |
| 第28著者 所属(和/英) |
(略称: )
(略称: ) |
| 第29著者 氏名(和/英/ヨミ) |
/ / |
| 第29著者 所属(和/英) |
(略称: )
(略称: ) |
| 第30著者 氏名(和/英/ヨミ) |
/ / |
| 第30著者 所属(和/英) |
(略称: )
(略称: ) |
| 第31著者 氏名(和/英/ヨミ) |
/ / |
| 第31著者 所属(和/英) |
(略称: )
(略称: ) |
| 第32著者 氏名(和/英/ヨミ) |
/ / |
| 第32著者 所属(和/英) |
(略称: )
(略称: ) |
| 第33著者 氏名(和/英/ヨミ) |
/ / |
| 第33著者 所属(和/英) |
(略称: )
(略称: ) |
| 第34著者 氏名(和/英/ヨミ) |
/ / |
| 第34著者 所属(和/英) |
(略称: )
(略称: ) |
| 第35著者 氏名(和/英/ヨミ) |
/ / |
| 第35著者 所属(和/英) |
(略称: )
(略称: ) |
| 第36著者 氏名(和/英/ヨミ) |
/ / |
| 第36著者 所属(和/英) |
(略称: )
(略称: ) |
| 講演者 |
第1著者 |
| 発表日時 |
2026-03-27 14:25:00 |
| 発表時間 |
25分 |
| 申込先研究会 |
R |
| 資料番号 |
R2025-58 |
| 巻番号(vol) |
vol.125 |
| 号番号(no) |
no.428 |
| ページ範囲 |
pp.21-26 |
| ページ数 |
6 |
| 発行日 |
2026-03-20 (R) |
|