http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : AHMED HAMDI ABDURHMAN (검색결과 2 건)
-
AHMED HAMDI ABDURHMAN 부경대학교 2023 국내박사
대규모 소프트웨어 시스템에서 변경파급효과를 고려한 딥러닝 기반의 소프트웨어 변경 추천 방법론 Ahmed Hamdi Abdurhman Department of Industrial and Data Engineering. The Graduate School, Pukyong National University 요약 소프트웨어 시스템은 지속적으로 진화하고 크기와 복잡성이 커지면서 시스템의 안정성과 기능을 유지하기 위하여 소프트웨어의 변경을 예측하는 문제의 중요성이 대두되고 있다. 기존 문헌에서는 소프트웨어 협업 도구에 변경 로그 데이터를 활용하여 동시 변경 패턴을 추출하는 방법론이 강조되었다. 그러나 이러한 방법은 정확성이 떨어지고, 대규모 시스템에 적용이 어렵다는 한계가 존재한다. 이 논문에서는 이러한 연구 격차를 다루는 세 가지 서로 다른 상호 연관된 연구를 소개한다. 첫 번째 연구는 File-level Change Propagation to Vector (FCP2Vec)라는 새로운 파일 수준 변경 전파 예측 방법론이다. FCP2Vec은 자연어 처리에서 활발히 사용되는 Word2Vec을 이용하여, 현재 변경된 파일을 기반으로 변경 내용이 전파될 수 있는 파일이 무엇인지 추천한다. 해당 방법론의 검증을 위해 3개의 공개 소프트웨어의 히스토리 변경 로그를 학습하였으며 (Vuze, Spring Framework, Elasticsearch) 해당 방법론이 변경 전파를 효과적으로 예측하고 이전 조사와 비교하여 패키지 레벨에서 정확도가 21% 향상되었음을 입증했다. 두 번째 방법은 딥러닝 기반의 Transformer 아키텍처를 사용한 소프트웨어 변경 추천 기법으로 FCP2BERT로 명명되었다. 기존 방법과 달리 FCP2BERT는 개발자가 다수의 파일과 상호 종속성을 처리할 때 발생하는 확장성 문제를 해결할 수 있다. 또한 파일 수준 추상화를 기반으로 보다 세분화된 추천을 제공한다. 해당 방법론은 파일 수준의 정확도를 60% 향상시켜 FCP2BERT의 효과를 입증했습니다. 마지막 연구는 동적 그래프 신경망을 사용한 소프트웨어 변경 추천 방법론인 FCP2DGNN이다. FCP2DGNN은 그래프 기반 문제로 접근법을 모델링하여 시스템 구성 요소 간의 진화 관계를 파악하고 향후 변경 전파를 효과적으로 예측합니다. 이전 연구와 비교하여 이 접근 방식은 파일 수준에서 63% 정확도 향상을 보여준다. 전반적으로, 해당 연구는 소프트웨어 변경 전파에 대한 이해와 예측을 통해 소프트웨어 변경의 관리 및 소프트웨어 품질을 향상시키기 위한 도구를 제공한다. 저자의 발견은 보다 효율적인 소프트웨어의 유지보수 방법을 제공함으로써 보다 효과적인 소프트웨어 관리 방안을 제공할 것으로 예상된다. Deep Learning-based Approach to Software Changes Recommendation with Consideration for Propagation Effects in Large Software System Ahmed Hamdi Abdurhman Department of Industrial and Data Engineering. The Graduate School, Pukyong National University Abstract Software systems continually evolve, expanding in size and complexity and amplifying the challenge of predicting change propagation while maintaining system stability and functionality. The existing literature has highlighted methodologies focusing on co-change patterns from changelog data using data-driven methods like dependency networks. However, these methods are fraught with scalability issues and lack a comprehensive focus on higher-level abstraction. This dissertation presents three distinct yet interrelated studies to address these research gaps, each leveraging different techniques and data sets to improve the prediction of software change propagation. In the first study, a novel file-level change propagation approach, termed File-level Change Propagation to Vector (FCP2Vec), is proposed. FCP2Vec, designed as a recommendation system, suggests files potentially subject to change propagation based on the file being currently modified. Analyzing three publicly available datasets (Vuze, Spring Framework, Elasticsearch), the FCP2Vec method effectively predicted subsequent change propagation from historical changelog data, demonstrating a 21% improvement in accuracy at the package level compared to previous study. The second study extends the focus to a file-level change propagation approach using Bidirectional Encoder Representations with Transformer strategy (FCP2BERT). Unlike existing methods, FCP2BERT can handle scalability issues developers encounter while dealing with numerous files and their interdependencies. Moreover, it offers more fine-grained recommendations based on file-level abstraction. The case study on the Vuze dataset demonstrated a 60% increase in accuracy at the file level, substantiating the efficacy of FCP2BERT. The final study introduces a novel approach, File-level Change Propagation with Dynamic Graph Neural Network (FCP2DGNN), addressing the evolving nature of software and temporal dynamics. Modeling our approach as a graph-based problem, FCP2DGNN captures the evolving relationships between system components, effectively predicting future change propagation. In comparison with prior studies, the approach yielded a 63% increase in accuracy at the file level. Overall, these studies contribute significantly to our understanding of software change propagation and provide software developers with tools for managing software changes, enhancing software quality, and predicting future modifications more accurately. Our findings may pave the way for more efficient software maintenance and evolution, ultimately fostering more effective decision-making processes. Keywords: Change coupling recommendation, Change management, Word2vec, BERT, Software Changelog data, Dependency networks, Software change propagation, Dynamic graph neural network, Recommendation system, File level abstraction, Software engineering
-
Autonomous Navigation: Stato-Dynamic Obstacle Avoidance Based on ROS Enabled Mobile Robots
Ahmed Hamdi Abdurhman 동의대학교 대학원 2018 국내석사
자율 주행 중에 로봇에는 자율 주행, 장애물 감지 및 회피를 가능하게하는 센서 및 기술이 장착되어 있습니다. 본 논문에서는 자율 주행 시스템을 ROS (로봇 운영 시스템) 기반 지상 이동 로봇으로 구현했다. 자율 이동 로봇의 전반적인 목표는 목적지를 안전하게 확보하고 신속하게 도달하는 것입니다. 가장 큰 문제는 두 개의 최종 경로 계획 지점에서 발생합니다. 로봇과 같은 TurtleBot은 cloudless-IoT 방식을 사용하여 정적 인 장애물을 인식하고 의사 소통합니다. 이 연구에서는지도를 만드는 동안 문을 열어 두었습니다. 자율 항법은 사용 가능한 공유 온라인 OGM (Occupancy Grid Map) 중 하나 인 환경 맵과 같은 자원 및 데이터 공유를 최적화 할 수있는 마스터 - 슬레이브 SLAM (Simultaneous Localization and Mapping) 접근 방식을 기반으로했습니다. 제안 된 리서치 솔루션은 목적지까지의 소요 시간을 줄이고 로봇의 지능을 높이고 서비스 시간을 늘리는 환경에 대한 폭 넓은 지식을 제공하는 데 유용합니다. During autonomous navigation, a robot equipped with a suite of sensors and technologies that enable autonomous navigation, obstacle detection, and avoidance. In this thesis, autonomous navigation that able to avoid stato-dynamic obstacle was implemented based on ROS (Robot Operating System) enabled ground obile robots. The overall target goal of an autonomous mobile robot is how safe and quickly they reach their destination. The biggest challenge occurs in between the two end path plan point. The robot-like TurtleBot, sing cloudless-IoT approach to recognize and communicate with a stato-dynamic obstacle Things on the path plan like closed doors and then would be open for it to traverse the doorway to continue to the destination. In this research, the doors are left open during map building. The autonomous navigation was based on master-slave SLAM (Simultaneous Localization and Mapping) approach that allows us to optimize resource and data sharing like a map of the environment, as one of shared available online OGM (Occupancy Grid Map). The proposed research solution useful to reduce traveling time to destination, gave the robot the broader knowledge of its environment that make them more intelligent and increase service time by overcoming being stacked somewhere in the environment.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
