Geri Dön

Application of graph neural networks on software modeling

Grafik yapay sinir ağlarının yazılım modellemesine uygulanması

  1. Tez No: 631096
  2. Yazar: ONUR YUSUF LEBLEBİCİ
  3. Danışmanlar: DOÇ. DR. TUĞKAN TUĞLULAR, PROF. DR. FEVZİ BELLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: İzmir Yüksek Teknoloji Enstitüsü
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

Yazılım sistemlerinin modellemeleri sırasında yapılan eksiklikler ve oluşan tutarsızlıklar, bu modeller kullanılarak yapılan tüm geliştirmelerde de yüksek maliyetlerle sonuçlanan istenmeyen sonuçlara sebep olabilmektedir. Yazılım modellemesi sırasında yazılım mühendislerine verilebilecek öneriler ile daha iyi modeller oluşturulabilir ve bu sayede kullanıcı beklentilerini daha iyi karşılayan sistemler oluşturulabilir. Yazılım modellemede kullanılan yöntemlerden bir taneside, grafik kullanıcı arayüzlerinin analizinde kullanılan olay akış grafikleridir. Bu tezin hedefi olay akış grafikleri üzerinde yer alan bileşenler arasında unutulmuş veya eksik bağlantıları grafik yapay sinir ağları kullanarak tahminleyecek bir yöntem öndermektir. Bu yöntem beş basamaktan oluşan bir süreçten oluşmaktadır: (i) veri toplama, (ii) grafik yapay sinir ağ modelini eğitmek, (iii) eğitilen modeli doğrulamak ve (v) modeli daha önce görmediği veriler ile test etmek. Eğitilen grafik yapay sinir ağ modellerinin performansını ölçmek için çapraş entropi kaybı, eğri altında kalan alan ve doğruluk performans metrikleri kullanılmıştır. Farklı veri kümeleri ve farklı grafik yapay sinir ağı varyasyonları ile yapılan deneylerin incelenmesi sonucunda, nispeten küçük ölçekli veri kümelerinde dahi başarı elde edilebildiği gözlemlenmiştir.

Özet (Çeviri)

Deficiencies and inconsistencies introduced during the modeling of software systems can cause undesirable consequences that may result in high costs and negatively affect the quality of all developments made using these models. Therefore, creating better models will help the software engineers to build better software systems that meet expectations. One of the software modelling methods used for analysis of graphical user interfaces is Event Sequence Graphs (ESG). The goal of this thesis is to propose a method that predicts missing or forgotten links between events defined in an ESG via Graph Neural Networks (GNN). A five-step process consisting of the following steps is proposed: (i) data collection from ESG model, (ii) dataset transformation, (iii) GNN model training, (iv) validation of trained model and (v) testing the model on unseen data. Three performance metrics, namely cross entropy loss, area under curve and accuracy, were used to measure the performance of the GNN models. Examining the results of the experiments performed on different datasets and different variations of GNN, shows that even with relatively small datasets prepared from ESG models, predicts missing or forgotten links between events defined in an ESG can be achieved.

Benzer Tezler

  1. Otomotiv döküm parça talep tahmininin yapay sinir ağları ile modellenmesi ve arıma yöntemi ile karşılaştırmalı analizi

    Modeling automotive casting part demand forecasting with artificial neural networks and comparative analysis with arima method

    SELİNAY KAYALI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERVE CENGİZ TOKLU

  2. Bulanık zincir model temelleri ve hidrograf tahminleri

    Fuzzy chain model fundamentals and hydrograph estimations

    YAVUZ SELİM GÜÇLÜ

    Doktora

    Türkçe

    Türkçe

    2017

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEKAİ ŞEN

  3. Investigation of embedding methods on gnn basedrecommender models

    Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması

    MUSTAFA AKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN

  4. Short-term forecasting of wind power production using machine learning and deep learning methods

    Makine öğrenmesi ve derin öğrenme yöntemiyle kısa dönem rüzgar gücü üretim tahmini

    FEYRUZ AKSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER USTA

  5. Alüminyum 5083-H111 malzemenin delik delme işleminde kesme parametrelerinin yapay sinir ağları ile optimizasyonu

    Optimization of cutting parameters in the drilling process of aluminum 5083-H111 material with ann

    EMRE TEKE

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Makine MühendisliğiSakarya Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NESLİHAN ÖZSOY