Details

Title: Методы обнаружения и исправления ошибок программного обеспечения на основе анализа программных репозиториев с помощью машинного обучения: научный доклад: направление подготовки 09.06.01 «Информатика и вычислительная техника» ; направленность 09.06.01_06 «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей»
Creators: Бельский Алексей .
Scientific adviser: Ицыксон Владимир Михайлович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2020
Collection: Научные работы аспирантов/докторантов; Общая коллекция
Subjects: Автоматизированные системы проектирования — Программное обеспечение; автоматическое исправление программ; машинное обучение; абстрактное синтаксическое дерево; логистическая регрессия; градиентный спуск; automated program repair; machine learning; Abstract Syntax Tree; logistic regression; gradient descent; ABAP
UDC: 004.85; 004.42
Document type: Scientific report
File type: PDF
Language: Russian
Level of education: Graduate student
Speciality code (FGOS): 09.06.01
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
DOI: 10.18720/SPBPU/6/2020/vn20-13
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\9677

Allowed Actions: Read Download (1.9 Mb)

Group: Anonymous

Network: Internet

Annotation

В данной работе приводится аналитический обзор существующих методов обнаружения и исправления ошибок программного обеспечения. Представлено описание разработанного в рамках работы метода исправления ошибок программного обеспечения на основе анализа программных репозиториев с помощью машинного обучения. Приведен сравнительный анализ работанного метода с аналогами. Представлено описание разработанного программного инструментария к разработанному методу.

This paper provides an analytical overview of existing methods for detecting and correcting software errors. The article describes the method of software error correction developed in the framework of the work based on the analysis of software repositories using machine learning. A comparative analysis of the developed method with analogues is given. The description of the developed software tools for the developed method is presented.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Usage statistics

stat Access count: 76
Last 30 days: 15
Detailed usage statistics