Yapay zeka ile yazılım efor tahmini
Software effort estimation by using artificial intelligence
- Tez No: 418472
- Danışmanlar: DOÇ. DR. NECAATTİN BARIŞÇI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Yazılım efor tahmini şirketler ve müşteriler için büyük bir önem arz etmektedir. Eforun alçak ya da yüksek tahmin edilmesi hem şirketleri hem de müşterileri olumsuz yönde etkilemektedir. Bu çalışmada yazılım efor tahmini Çok Katmalı Algılayıcı Sinir Ağları ve Genetik Çok Katmanlı Algılayıcı Sinir Ağları kullanılarak tahmin edilmiştir. Veri seti olarak Desharnais veri seti kullanılmıştır. Her iki model için de 71 projeden oluşan aynı eğitim seti seçilmiştir. Çok Katmalı Algılayıcı Sinir Ağları modeli için, 71 projenin 8'i onaylama ve test için kullanılmıştır. Geriye kalan projeler ise sistemi eğitmek için kullanılmıştır. Genetik Çok Katmanlı Algılayıcı Sinir Ağları modeli için, 71 projenin 10'u çapraz doğrulama, 3'ü ise sistemi test etmek için kullanılmıştır. Eğitim setinde bulunmayan 10 farklı projenin efor değerleri tahmin edilmiştir. Daha sonra, Çok Katmalı Algılayıcı Sinir Ağları ve Genetik Çok Katmanlı Algılayıcı Sinir Ağları modellerinin tahmin performansları Ortalama Bağıl Hata ve Pred(25) performans değerlendirme kriterleri kullanılarak karşılaştırılmıştır. Sonuç olarak Genetik Çok Katmanlı Algılayıcı Sinir Ağları 'nın tahmin performansını geliştirdiği gözlenmiştir.
Özet (Çeviri)
Software effort estimation has a big importance for companies and customers. Overestimating or underestimating of effort affects both of them in a negative way. In this study, software effort estimation was predicted by using Multi Layer Perceptron Neural Networks and Genetic Multi Layer Perceptron Neural Networks. As a dataset, Desharnais dataset was used. For both of these neural networks, the same 71 projects were chosen with the aim of training the system. For Multi Layer Perceptron Neural Networks model, 8 of 71 projects were used for validation and test the system. The other projects were used in order to train the system. For Genetic Multi Layer Perceptron Neural Networks, 10 of 71 projects are used for cross validation and 3 of the 71 projects are used for testing the system. The rest of the projects in the training set was used to train the system. Efforts of 10 different projects which are not in the trainig set were predicted. Then, prediction performance of Multi Layer Perceptron Neural Networks and Genetic Multi Layer Perceptron Neural Networks models were compared by using Mean Magnitude of Relative Error and Pred(25) performance evaluation criterions. As a result, it was observed that prediction performance was improved when Genetic Multi Layer Perceptron Neural Networks were used.
Benzer Tezler
- Software defect prediction with a personalization focus and challenges during deployment
Kişiselleştirme odaklı yazılım hata tahmini ve entegrasyon zorlukları
BEYZA EKEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN
- Test otomasyon sisteminin yapay zeka ile yorumlanması
Analyzing software automatian test in artifical intelligence domain
SİNAN KÜÇÜKYILMAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT TOKER
- Doğal dil işleme yöntemi ile giriş verisini java koduna dönüştürme
Converting input data into java code using natural language processing method
BAHAR EREN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HUMAR KAHRAMANLI ÖRNEK
- Yapay zeka yöntemleri ile yazılım projelerinde maliyet kestirimi
Effort estimation in software projects by using artificial intelligence methods
OKTAY ADALIER
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. AYBARS UĞUR
- Assembly kodu üzerinden doğal dil işleme ve yapay zeka ile zararlı yazılım tespiti
Malware detection through natural language processing and artificial intelligence on assembly codes
ALPER EĞİTMEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SIRMA YAVUZ
PROF. DR. ALİ GÖKHAN YAVUZ