Assessing Ensemble Learning Techniques in Bug Prediction

QR kód

Assessing Ensemble Learning Techniques in Bug Prediction

Elmentve itt :

Bibliográfiai részletek
Szerzők:	Szamosvölgyi Zsolt János Váradi Endre Tamás Tóth Zoltán Gábor Jász Judit Ferenc Rudolf
Dokumentumtípus:	Cikk
Megjelent:	2021
Sorozat:	LECTURE NOTES IN COMPUTER SCIENCE 12955
Tárgyszavak:	Számítás- és információtudomány
doi:	10.1007/978-3-030-87007-2_26
mtmt:	32517805
Online Access:	http://publicatio.bibl.u-szeged.hu/28182

Hasonló tételek

Bug Prediction Using Source Code Embedding Based on Doc2Vec
Szerző: Aladics Tamás, et al.
Megjelent: (2021)

Machine Learning Based Bug and Vulnerability Prediction
Szerző: Aladics Tamás
Megjelent: (2024)

Automatic calculation of process metrics and their bug prediction capabilities
Szerző: Gyimesi Péter
Megjelent: (2017)

Development of partial least squares regression with discriminant analysis for software bug prediction
Szerző: Rajkó Róbert, et al.
Megjelent: (2024)

Evaluating the effectiveness of object oriented metrics for bug prediction [abstract] /
Szerző: Siket István
Megjelent: (2008)

Deep learning in static, metric-based bug prediction
Szerző: Ferenc Rudolf, et al.
Megjelent: (2020)

Enhanced Bug Prediction in JavaScript Programs with Hybrid Call-Graph Based Invocation Metrics
Szerző: Antal Gábor, et al.
Megjelent: (2020)

PyBugHive A Comprehensive Database of Manually Validated, Reproducible Python Bugs /
Szerző: Antal Gábor, et al.
Megjelent: (2024)

A public unified bug dataset for java and its assessment regarding metrics and bug prediction
Szerző: Ferenc Rudolf, et al.
Megjelent: (2020)

An automatically created novel bug dataset and its validation in bug prediction
Szerző: Ferenc Rudolf, et al.
Megjelent: (2020)

A public bug database of GitHub projects and its application in bug prediction
Szerző: Tóth Zoltán Gábor, et al.
Megjelent: (2016)

MOOC Performance Prediction by Deep Learning from Raw Clickstream Data
Szerző: Kőrösi Gábor, et al.
Megjelent: (2020)

Deep Learning Models and Interpretations for Multivariate Discrete-Valued Event Sequence Prediction
Szerző: Kőrösi Gábor, et al.
Megjelent: (2021)

Exponential state enclosure techniques for the implementation of validated model predictive control
Szerző: Fnadi Mohamed, et al.
Megjelent: (2024)

On the Use of Ensemble X-Vector Embeddings for Improved Sleepiness Detection
Szerző: José Vicente Egas López, et al.
Megjelent: (2022)

Identifying Conflict Escalation and Primates by Using Ensemble X-Vectors and Fisher Vector Features
Szerző: José Vicente Egas López, et al.
Megjelent: (2021)

Is Refactoring Always a Good Egg? Exploring the Interconnection Between Bugs and Refactorings
Szerző: Bagheri Amirreza, et al.
Megjelent: (2022)

Assessing for learning in the age of AI Can machines serve as guides-on-the-side? : [abstract] /
Szerző: Duckor Brent, et al.
Megjelent: (2024)

IoT Malware Detection with Machine Learning
Szerző: Buttyán Levente, et al.
Megjelent: (2022)

3-level confidence voting strategy for dynamic fusion-selection of classifier ensembles
Szerző: Főző Csaba, et al.
Megjelent: (2009)

An AST-Based Code Change Representation and Its Performance in Just-in-Time Vulnerability Prediction
Szerző: Aladics Tamás, et al.
Megjelent: (2023)

3-level confidence voting strategy for dynamic fusion-selection of classifier ensembles [abstract] /
Szerző: Főző Csaba, et al.
Megjelent: (2008)

Clickstream-based outcome prediction in short video MOOCs
Szerző: Kőrösi Gábor, et al.
Megjelent: (2018)

A Novel Bug Prediction Dataset, Process Metrics, and a Public Dataset of JavaScript Bugs
Szerző: Gyimesi Péter
Megjelent: (2024)

Probabilistic confidence prediction in document clustering [abstract] /
Szerző: Csorba Kristóf, et al.
Megjelent: (2006)

Predicting exchange rate by neural networks [abstract] /
Szerző: Jovanovic Radmila, et al.
Megjelent: (2000)

Techniques for modular language implementation
Szerző: Koskimies Kai
Megjelent: (1990)

Time series prediction using artificial intelligence methods [abstract] /
Szerző: Juhos István, et al.
Megjelent: (2002)

Portal building techniques trade-offs and design : [abstract] /
Szerző: Bogárdi-Mészöly Ágnes
Megjelent: (2004)

Assessment of the Code Refactoring Dataset Regarding the Maintainability of Methods
Szerző: Kádár István, et al.
Megjelent: (2016)

Mooc vs. traditional learning Possibilities and weaknesses of e-learning sites /
Szerző: Kőrösi Gábor
Megjelent: (2016)

Assessing learning techniques of Hungarian and Romanian mother tongue students
Szerző: Adam Ema Ileana, et al.
Megjelent: (2008)

BugsJS a Benchmark and Taxonomy of JavaScript Bugs /
Szerző: Gyimesi Péter, et al.
Megjelent: (2020)

Learning in a virtual environment
Szerző: Hampel György
Megjelent: (2014)

Comparing ML-Based Predictions and Static Analyzer Tools for Vulnerability Detection
Szerző: Vándor Norbert, et al.
Megjelent: (2022)

Improving Microbiome-Based Disease Prediction With SuperTML and Data Augmentation
Szerző: Tazza Gabriele, et al.
Megjelent: (2025)

Models for predicting the performance of ASP.NET web applications [abstract] /
Szerző: Bogárdi-Mészöly Ágnes, et al.
Megjelent: (2006)

A Comparison of Different Source Code Representation Methods for Vulnerability Prediction in Python
Szerző: Bagheri Amirreza, et al.
Megjelent: (2021)

Machine Learning Applied for Spectra Classification
Szerző: Sun Yue, et al.
Megjelent: (2021)

Creating a Virtual Learning Environment
Szerző: Hampel György, et al.
Megjelent: (2014)