[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: محسن امیریان - 1398/04/04 ::
 | تاریخ ارسال: ۱۳۹۸/۴/۳ | 

ارائه­ دهنده:

محسن امیریان

  استاد راهنما:

 دکتر رضا برنگی

استاد مشاور: دکتر مجتبی وحیدی اصل
  استاد ممتحن خارجی :  دکتر حمیدرضا شهریاری
استاد ممتحن داخلی: دکتر محمد عبداللهی ازگمی

  زمان :  سه شنبه  04  تیر ماه 1398

ساعت 16:30
 
مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304


آقای محسن امیریان دانشجوی کارشناسی ارشد آقای دکتر سعید پارسا سه شنبه 04 تیر ماه ساعت   16:30 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان ترمیم خودکار برنامه به روش یادگیری شباهت‌های کد دفاع خواهند نمود.

چکیده پایان نامه:

یکی از پرهزینه‌ترین فرآیندهای توسعه‌ی یک نرم‌افزار، اشکال‌زدایی خطا‌های برنامه است. مطالعات اخیر نشان می‌دهد فعالیت‌های مربوط به اشکال‌زدایی کد برنامه، به طور میانگین، 50 درصد از هزینه‌ی توسعه‌ی محصول نرم‌افزاری را در بر می‌گیرد. دسته‌ای از پژوهش‌ها با عنوان «ترمیم خودکار برنامه» سعی دارند روش‌هایی ارائه نمایند که بتوان با استفاده از آن‌ها وصله‌هایی برای کد یک برنامه‌ی خطا دار به صورت خودکار تولید نمود. در ادامه می‌بایست برنامه تعمیر شده را اعتبارسنجی کرد؛ به این معنی که برنامه باید به‌گونه‌ای تعمیر شده باشد که هیچگونه اثر جانبی بر روی سایر نقاط برنامه نداشته باشد.
بسیاری از روش‌های موجود در حوزه تعمیر خودکار برنامه از فرض افزونگی استفاده می‌کنند. این فرض ادعا می‌کند که برنامه‌های بزرگ حاوی قطعه کد مورد نیاز برای تعمیر خود هستند. با این حال، بسیاری از روش‌های تعمیر خودکار برنامه مبتنی بر افزونگی، قطعه کد مدنظر جهت استفاده در محل خطا را به صورت تصادفی انتخاب می‌کنند. این امر موجب تولید وصله‌های نادرست بسیار زیادی خواهد شد. بعدها روش‌هایی مطرح شدند که سعی داشته اند با به کار گیری فنون مختلف، الگوهایی از خطاهای رایج را استخراج نموده و از آن‌ها در ترمیم برنامه‌های خطادار استفاده کنند.
در این پژوهش با استفاده از روش‌های یادگیری ژرف، مدلی ارائه خواهیم کرد که توالی کلمات و دستورات استفاده شده در برنامه‌های صحیح را آموزش دیده و به کمک آن، در محل خطای یک برنامه‌ی خطادار جملات صحیح تولید نماید. روش پیشنهادی بر روی مجموعه داده‌ی Defect4j آزمایش شده است. نتایج به دست آمده نشان دهنده‌ی این است که روش پیشنهادی این پژوهش در تولید وصله‌های صحیح از نظر کامپایل شدن، وصله‌های به مراتب با کیفیت تری نسبت به روش پایه ارائه می‌کند. در خصوص تولید وصله‌هایی که توانایی گذراندن مجموعه آزمون مربوط به برنامه‌ی خطادار را دارند، روش پیشنهادی در مواردی که برنامه‌ی خطادار از لحاظ حوزه‌ی کاربردی (به عنوان مثال برنامه‌های محاسباتی و یا برنامه‌های سیستمی) با مجموعه داده‌ای که جهت آموزش مدل شبکه‌ی عصبی استفاده شده است، یکسان باشد، بهبود چشم گیری را نشان می‌دهد. این موضوع به آن معنا است که در صورت جمع‌آوری و استفاده از مجموعه داده‌های با کیفیت در روش پیشنهادی برای آموزش شبکه‌ی عصبی، می‌توان به نتایج به مراتب بهتری نیز دست یافت.
 


  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

دفعات مشاهده: 220 بار   |   دفعات چاپ: 23 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان

School of Computer Engineering
Persian site map - English site map - Created in 0.2 seconds with 52 queries by YEKTAWEB 3937