| 研究課題/領域番号 |
17KT0122
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 特設分野 |
|---|
| 研究分野 |
人工物システムの強化
|
|---|
| 研究機関 | 横浜国立大学 |
|---|
研究代表者 |
濱上 知樹 横浜国立大学, 大学院工学研究院, 教授 (30334204)
|
|---|
| 研究期間 (年度) |
2017-07-18 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2017年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | ソフトウェア品質管理 / 複雑ネットワーク / 機械学習 / ニューラルネットワーク / 知能システム / ソフトウェア / ネットワーク指標 / メトリクス / 予測 / ソフトウェアメトリクス / ソフトウェア工学 / 品質評価 |
|---|
| 研究成果の概要 |
ライフサイクルの長いソフトウェアシステムの品質を維持していくために、派生開発および継続的インテグレーションによる構造変化と品質の関係を評価する複雑ネットワークメトリクスを開発した。そして、機械学習による予測手法によって自律的なソフトウェア発展に貢献する。まず、メトリクスによるソフトウェア構造の分析を行い、改変前後のソフトウェアにおける複雑ネットワークの指標値を計測した。次に、このメトリクスを用いた機械学習によるバグ予測を行い有効性を確認した。さらに、ブロック型ニューラルネットワークによるFPGA実装においてメトリクスを適応度とする進化的手法を用いて高速な設計を行う拡張BBNNの技術を実現した。
|
| 研究成果の学術的意義や社会的意義 |
近年のソフトウェア開発においては，新規開発に比べ既存のソフトウェアを改変する派生開発の比重が増している。特に組み込みソフトウェアのように，ライフサイクルが比較的長く，機能追加のための改変が頻繁に行われる開発形態では，改変時の品質管理が重要な課題となる。かかるソフトウェアの発展において、将来的な品質を予測し問題が起きる前に対処することは重要な課題である。本研究では、複雑ネットワーク指標を用いたメトリクスによって改変後の品質に与える影響が予測できることを示すとともに、FPGAと機械学習を用いた実験により発展的ソフトウェアの品質評価と継続的インテグレーションの方法を明らかにした。
|
