Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/57493
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorRamos, Ismael Araújo-
dc.contributor.authorAmora, Márcio André Baima-
dc.date.accessioned2021-03-26T12:33:24Z-
dc.date.available2021-03-26T12:33:24Z-
dc.date.issued2019-
dc.identifier.citationRAMOS, Ismael Araújo; AMORA, Márcio André Baima. Predição just-in-time de defeitos em software utilizando inteligência artificial. In: CONGRESSO DA SOCIEDADE BRASILEIRA DE COMPUTAÇÃO, 39º; SEMINÁRIO INTEGRADO DE SOFTWARE E HARDWARE (SEMISH), 46º, 14 a 18 jul. 2019, Belém, Pará, Brasil. Anais[...] Belém, Pará, Brasil, 2019.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/57493-
dc.description.abstractIn the development or modification of a software, the software must have least amount of possible errors. Methods of predicting defects in softwarecould be used forthis. In this paper we present a study of the use of Just-In-Time (JIT) error identification using Artificial Neural Network (ANN) and decision tree (DT). The databases used as training, test and validation in this work were the same ones used and compiled by [Kameiet al. 2013]. The results obtained with both,ANN and DT,are on average higher than the work of [Kameietal.2013] and [Yangetal. 2017].pt_BR
dc.language.isopt_BRpt_BR
dc.subjectTeoria da previsãopt_BR
dc.subjectSoftwares - Defeitospt_BR
dc.subjectSoftware - Desenvolvimentopt_BR
dc.titlePredição just-in-time de defeitos em software utilizando inteligência artificialpt_BR
dc.typeArtigo de Eventopt_BR
dc.description.abstract-ptbrDurante o desenvolvimento ou modificação de um software, deve ser garantidoque o produto finalchegue ao usuário com a menor quantidade de erros possíveis.Métodos de predição de defeitos em softwarepodem ser usadospara isso. Neste artigo é apresentado um estudoutilizando,para a solução do problema de identificação de errosJust-In-Time (JIT),rede neural artificial (Artificial Neural Network -ANN) e árvore de decisão (Decision Tree -DT). As bases de dados utilizadas comotreino,teste e validação neste trabalho foram as mesmas utilizadase compiladas por [Kameiet al.2013].Os resultados obtidos, tanto com a ANN ecom a DT são em média superiores aos trabalhos de [Kameietal.2013] e [Yangetal.2017]pt_BR
Aparece nas coleções:DEEL - Trabalhos apresentados em eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2019_eve_iaramos.pdf924,86 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.