Apr, 2024

利用深度学习优化软件开发过程

PDF
TL;DR深度学习技术在软件开发过程中的应用，特别是在自动化代码审查、错误预测和测试生成，以提高代码质量和开发效率方面进行了研究。通过一系列的实证研究，比较了使用深度学习工具的实验组和使用传统方法的对照组在代码错误率和项目完成时间方面的差异。结果表明实验组有明显改善，验证了深度学习技术的有效性。研究还讨论了深度学习在软件开发中的潜在优化点、方法论和技术挑战，以及如何将这些技术融入现有的软件开发工作流程。
发现论文，激发创造
  • 提升软件开发的智能软件工具

    通过利用大量的非结构化软件工程文档，探索深度学习技术如何改善软件开发过程。

    Oct, 2023

  • 深度学习软件故障预测的可复现性研究

    分析软件工程领域的软件错误预测是否存在与其他机器学习领域相似的可复现性问题，发现大部分研究文章缺乏关键的复现元素，呼吁改进研究实践以确保基于机器学习的研究的可复现性。

    Feb, 2024

  • 软件工程中机器学习的系统文献综述

    应用机器学习技术研究软件工程领域的现状，特别关注软件质量保证、软件维护、软件理解和软件文档等方面。

    Jun, 2024

  • 基于设计自动化的快速、轻量化和高效的深度学习模型：一项调查

    该研究综述了针对边缘计算的深度学习模型设计自动化技术，包括自动神经架构搜索、自动模型压缩和联合自动设计和压缩，并提出了未来研究的方向。

    Aug, 2022

  • 研究机器学习软件测试实践

    我们进行了第一项细致入微的实证研究，以填补现有研究中对机器学习软件测试实践的知识空白，从而识别机器学习质量属性、测试策略以及它们在机器学习工作流中的实施。

    Dec, 2023

  • 深度学习案例研究：简单胜于复杂

    该研究通过应用称为 DE 的简单优化器对 SVM 进行微调，以实现类似（甚至更好）的结果，证明了不必盲目使用每一项新创新，应该将新的、花费高昂的过程基线化，才能进行可靠的比较和评估。

    Mar, 2017

  • 深度学习与软件工程：源代码预训练模型调查

    介绍了深度学习在软件工程中的应用，着重讨论了源代码的预训练模型，并展望了未来的研究方向。

    May, 2022

  • 评估指令微调对软件漏洞检测的效果

    通过对最新的语言模型的能力进行评估，研究了该模型在其训练数据中所使用的编程语言之外的领域的普适性，并检查了自然语言指令在提高这种普适性中的作用。研究通过对真实数据集的模型性能进行评估，以预测代码的脆弱性，从而对于深度学习在软件脆弱性检测中的应用作出了重要贡献。

    Jan, 2024

  • 深度学习模型重构的挑战和实践：以计算机视觉为例的案例研究

    本文从 “过程” 视角描述了深度学习模型重新工程活动中的特征和挑战，分析了深度学习模型在计算机视觉领域的重构和缺陷分布，并提出了一种新的重新工程流程。这些结果可以指导今后更多的度量、标准化工程实践以促进重新工程，以及开发工具以支持重用深度学习模型的发展方向。

    Mar, 2023

  • 机器学习：算法、模型和应用

    该论文介绍了机器学习和深度学习的一些创新研究工作以及实际应用，并涉及股票交易、医疗保健系统和软件自动化等领域。

    Jan, 2022