• Journal of Information Processing Systems
• /
• 제8권2호
• /
• pp.241-262
• /
• 2012

An understanding of quality attributes is relevant for the software organization to deliver high software reliability. An empirical assessment of metrics to predict the quality attributes is essential in order to gain insight about the quality of software in the early phases of software development and to ensure corrective actions. In this paper, we predict a model to estimate fault proneness using Object Oriented CK metrics and QMOOD metrics. We apply one statistical method and six machine learning methods to predict the models. The proposed models are validated using dataset collected from Open Source software. The results are analyzed using Area Under the Curve (AUC) obtained from Receiver Operating Characteristics (ROC) analysis. The results show that the model predicted using the random forest and bagging methods outperformed all the other models. Hence, based on these results it is reasonable to claim that quality models have a significant relevance with Object Oriented metrics and that machine learning methods have a comparable performance with statistical methods.

• 정보교육학회논문지
• /
• 제22권6호
• /
• pp.701-710
• /
• 2018

4차 산업혁명에서 모든 기기들과 사람들이 상호 연동되어 새로운 부가가치를 창조하는 시대이다. 무엇보다도 중요한 것이 소프트웨어이기 때문에 초등학교에서 소프트웨어 교육이 필요하다. 그러나 지금까지 초등학교에서 소프트웨어를 교육하기 위한 교수 학습 방법이 부족하다. 본 연구에서는 이런 문제를 해결하기 위하여 소프트웨어 교육을 위한 IDOL 모델을 제안하다. 본 모형은 구현하기(implement), 다변화 시키기(diversify) 관찰하기(observe)를 통해서 학습하는(learning)것이다. 구현하기 단계에서는 초등학생들은 빨리 만들어 보는 것에 초점을 두었고, 다변화시키기 단계에서는 만든 것을 다양하게 변경하여 보는 것이고, 관찰하기 단계에서 변경된 것이 어떻게 다른지 관찰하고 평가하는 단계이다. 본 모형은 전문가 집단을 통한 덜파이 검증한 결과 타당하다고 판별되었다.

• Journal of Astronomy and Space Sciences
• /
• 제41권2호
• /
• pp.61-78
• /
• 2024

This study developed a real-time spacecraft pose estimation algorithm that combined a deep learning model and the least-squares method. Pose estimation in space is crucial for automatic rendezvous docking and inter-spacecraft communication. Owing to the difficulty in training deep learning models in space, we showed that actual experimental results could be predicted through software simulations on the ground. We integrated deep learning with nonlinear least squares (NLS) to predict the pose from a single spacecraft image in real time. We constructed a virtual environment capable of mass-producing synthetic images to train a deep learning model. This study proposed a method for training a deep learning model using pure synthetic images. Further, a visual-based real-time estimation system suitable for use in a flight testbed was constructed. Consequently, it was verified that the hardware experimental results could be predicted from software simulations with the same environment and relative distance. This study showed that a deep learning model trained using only synthetic images can be sufficiently applied to real images. Thus, this study proposed a real-time pose estimation software for automatic docking and demonstrated that the method constructed with only synthetic data was applicable in space.

• 정보교육학회논문지
• /
• 제21권5호
• /
• pp.497-507
• /
• 2017

그동안의 소프트웨어교육과 타 교과의 연계 융합에 대한 연구는 주로 수학과 과학교과에 편중되어왔다. 이는 학생의 교과에 대한 다양한 선호와 학습 성격 유형 등을 만족시키지 못하여 학습 격차를 유발할 수 있다. 뿐만 아니라, 컴퓨팅 사고를 적용할 수 있는 다양한 융 복합적 문제의 해결과정을 다루어야 함을 감안할 때 바람직하지 않다. 그리하여 기존의 수학과학적 접근에서 벗어난 언어적인 접근인 영어교과와의 연계를 통해 학생들의 다양한 성향과 선호를 포용하고, 영어교과와 소프트웨어교육의 새로운 언어를 배우는 과정과 방법상의 유사점을 접목시켜 교육 효과의 향상을 도모하고자 하였다. 이를 위하여 초등 영어교과와 소프트웨어교육의 교수학습모델 분석을 토대로 연계에 적합하도록 기존의 영어교과와 소프트웨어 교수학습모델을 변형하여 수업모형을 개발하였다. 이후 초등학교 영어교과내용 중 소프트웨어교육에 적용 가능한 학습 요소를 추출하여 개발된 수업모형에 적용한 프로그램을 설계하여 실제적인 학습 활용 방안을 모색하였다.

• 융합보안논문지
• /
• 제11권6호
• /
• pp.73-80
• /
• 2011

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용모형은 지연된 소프트웨어 S-형태 모형을 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 대체적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 수치적인 예에서는 고장 간격 시간 자료를 적용하고 모수추정 방법은 최우추정법을 이용하고 추세분석을 통하여 자료의 효율성을 입증한 후 평균제곱오차와 $R^2$(결정계수)를 이용하여 효율적인 모형을 선택 비교하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4028-4042
• /
• 2021

Aiming at the problem of software defect prediction difficulty caused by insufficient software defect marker samples and unbalanced classification, a semi-supervised software defect prediction model based on a tri-training algorithm was proposed by combining feature normalization, over-sampling technology, and a Tri-training algorithm. First, the feature normalization method is used to smooth the feature data to eliminate the influence of too large or too small feature values on the model's classification performance. Secondly, the oversampling method is used to expand and sample the data, which solves the unbalanced classification of labelled samples. Finally, the Tri-training algorithm performs machine learning on the training samples and establishes a defect prediction model. The novelty of this model is that it can effectively combine feature normalization, oversampling techniques, and the Tri-training algorithm to solve both the under-labelled sample and class imbalance problems. Simulation experiments using the NASA software defect prediction dataset show that the proposed method outperforms four existing supervised and semi-supervised learning in terms of Precision, Recall, and F-Measure values.

• 한국IT서비스학회지
• /
• 제8권4호
• /
• pp.129-140
• /
• 2009

The accurate estimation of software reliability is important to a successful development in software engineering. Until recent days, the models using regression analysis based on statistical algorithm and machine learning method have been used. However, this paper estimates the software reliability using support vector regression, a sort of machine learning technique. Also, it finds the best set of optimized parameters applying immune algorithm, changing the number of generations, memory cells, and allele. The proposed IA-SVR model outperforms some recent results reported in the literature.

• Computers and Concrete
• /
• 제33권3호
• /
• pp.285-299
• /
• 2024

Recently, many engineering computations have realized their digital transformation to Machine Learning (ML)-based systems. Predicting the behavior of a structure, which is mainly computed with structural analysis software, is an essential step before construction for efficient structural analysis. Especially in the seismic-based design procedure of the structures, predicting the lateral load capacity of reinforced concrete (RC) columns is a vital factor. In this study, a novel ML-based model is proposed to predict the maximum lateral load capacity of RC columns under varying axial loads or cyclic loadings. The proposed model is generated with a Deep Neural Network (DNN) and compared with traditional ML techniques as well as a popular commercial structural analysis software. In the design and test phases of the proposed model, 319 columns with rectangular and square cross-sections are incorporated. In this study, 33 parameters are used to predict the maximum lateral load capacity of each RC column. While some traditional ML techniques perform better prediction than the compared commercial software, the proposed DNN model provides the best prediction results within the analysis. The experimental results reveal the fact that the performance of the proposed DNN model can definitely be used for other engineering purposes as well.

• 한국정보전자통신기술학회논문지
• /
• 제9권5호
• /
• pp.496-502
• /
• 2016

본 논문에서는 소프트웨어 제품을 개발하여 테스팅을 하는 시행에서 소프트웨어 운용자들이 소프트웨어 검사 도구에 적용할 수 있는 학습기법에 근거한 NHPP 소프트웨어 모형에 대하여 비교 연구 하였다. 수명분포는 Makeham 분포를 이용하고 유한고장 NHPP모형을 적용하였다. 소프트웨어 오류 탐색 방법은 미리 인지하지 못하지만 자동적으로 발견되는 에러에 영향을 주는 영향요인과 사전경험에 기초하여 에러를 관찰하기 위하여 테스팅 운용자가 미리 설정해놓은 요인인 학습효과의 영향에 대한 문제를 비교 분석하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 일반적으로 효율적인 모형으로 나타났다. 본 논문의 신뢰특성분석에서는 소프트웨어고장시간을 적용하고 모수추정 방법은 최우추정법을 적용하고 추세분석을 통하여 자료의 신뢰성을 확보한 이후에 평균제곱오차와 $R^2$ (결정계수)를 적용하여 효율적인 모형을 선택 비교 분석하였다. 이 연구를 통하여 소프트웨어 운영자들은 다양한 학습효과를 고려함으로서 소프트웨어 고장추세에 대한 기본지식을 파악하는데 하나의 지침으로 사용가능함을 보여주고 있다.

• 대한임베디드공학회논문지
• /
• 제14권4호
• /
• pp.207-218
• /
• 2019

The purpose of this study is to develop a model that can systematically study the whole learning process of machine learning. Since the existing model describes the learning process with minimum coding, it can learn the progress of machine learning sequentially through the new model, and can visualize each process using the tensor flow. The new model used all of the existing model algorithms and confirmed the importance of the variables that affect the target variable, survival. The used to classification training data into training and verification, and to evaluate the performance of the model with test data. As a result of the final analysis, the ensemble techniques is the all tutorial model showed high performance, and the maximum performance of the model was improved by maximum 5.2% when compared with the existing model using. In future research, it is necessary to construct an environment in which machine learning can be learned regardless of the data preprocessing method and OS that can learn a model that is better than the existing performance.