Buchumschlag

On The Effectiveness of One-Class Support Vector Machine in Different Defect Prediction Scenarios

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Moussa, Rebecca, Azar, Danielle, Sarro, Federica
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Software Engineering Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SustainDiffusion: Optimising the Social and Environmental Sustainability of Stable Diffusion Models
von: d'Aloisio, Giordano, et al.
Veröffentlicht: (2025)

Fairness Improvement with Multiple Protected Attributes: How Far Are We?
von: Chen, Zhenpeng, et al.
Veröffentlicht: (2023)

Enhancing Energy-Awareness in Deep Learning through Fine-Grained Energy Measurement
von: Rajput, Saurabhsingh, et al.
Veröffentlicht: (2023)

Towards Transparent and Accurate Diabetes Prediction Using Machine Learning and Explainable Artificial Intelligence
von: Khokhar, Pir Bakhsh, et al.
Veröffentlicht: (2025)

OpenClassGen: A Large-Scale Corpus of Real-World Python Classes for LLM Research
von: Rahman, Musfiqur, et al.
Veröffentlicht: (2025)

Generative AI for Testing of Autonomous Driving Systems: A Survey
von: Song, Qunying, et al.
Veröffentlicht: (2025)

Using Quality Attribute Scenarios for ML Model Test Case Generation
von: Brower-Sinning, Rachel, et al.
Veröffentlicht: (2024)

Stack Trace Deduplication: Faster, More Accurately, and in More Realistic Scenarios
von: Shibaev, Egor, et al.
Veröffentlicht: (2024)

LLM-Vectorizer: LLM-based Verified Loop Vectorizer
von: Taneja, Jubi, et al.
Veröffentlicht: (2024)

Diversity Drives Fairness: Ensemble of Higher Order Mutants for Intersectional Fairness of Machine Learning Software
von: Chen, Zhenpeng, et al.
Veröffentlicht: (2024)

Semantic-Preserving Transformations as Mutation Operators: A Study on Their Effectiveness in Defect Detection
von: Hort, Max, et al.
Veröffentlicht: (2025)

Tensor Program Optimization for the RISC-V Vector Extension Using Probabilistic Programs
von: Peccia, Federico Nicolas, et al.
Veröffentlicht: (2025)

Benchmarking Reward Hack Detection in Code Environments via Contrastive Analysis
von: Deshpande, Darshan, et al.
Veröffentlicht: (2026)

Beyond Synthetic Benchmarks: Evaluating LLM Performance on Real-World Class-Level Code Generation
von: Rahman, Musfiqur, et al.
Veröffentlicht: (2025)

How Do Generative Models Draw a Software Engineer? A Case Study on Stable Diffusion Bias
von: Fadahunsi, Tosin, et al.
Veröffentlicht: (2025)

Understanding Code Agent Behaviour: An Empirical Study of Success and Failure Trajectories
von: Majgaonkar, Oorja, et al.
Veröffentlicht: (2025)

The Unreasonable Effectiveness of Open Science in AI: A Replication Study
von: Gundersen, Odd Erik, et al.
Veröffentlicht: (2024)

Causal Fuzzing for Verifying Machine Unlearning
von: Mazhar, Anna, et al.
Veröffentlicht: (2025)

Machine Learning Robustness: A Primer
von: Braiek, Houssem Ben, et al.
Veröffentlicht: (2024)

Machine Learning with Requirements: a Manifesto
von: Giunchiglia, Eleonora, et al.
Veröffentlicht: (2023)

On the Effectiveness of Machine Learning-based Call Graph Pruning: An Empirical Study
von: Mir, Amir M., et al.
Veröffentlicht: (2024)

Cross-Architecture Model Diffing with Crosscoders: Unsupervised Discovery of Differences Between LLMs
von: Jiralerspong, Thomas, et al.
Veröffentlicht: (2026)

Effective Large Language Model Debugging with Best-first Tree Search
von: Song, Jialin, et al.
Veröffentlicht: (2024)

Promise and Peril of Collaborative Code Generation Models: Balancing Effectiveness and Memorization
von: Chen, Zhi, et al.
Veröffentlicht: (2024)

Automatic Detection of LLM-Generated Code: A Comparative Case Study of Contemporary Models Across Function and Class Granularities
von: Rahman, Musfiqur, et al.
Veröffentlicht: (2024)

One Model, Many Skills: Parameter-Efficient Fine-Tuning for Multitask Code Analysis
von: Akli, Amal, et al.
Veröffentlicht: (2026)

From Hazard Identification to Controller Design: Proactive and LLM-Supported Safety Engineering for ML-Powered Systems
von: Hong, Yining, et al.
Veröffentlicht: (2025)

The Impact of Software Testing with Quantum Optimization Meets Machine Learning
von: Bandarupalli, Gopichand
Veröffentlicht: (2025)

Can Search-Based Testing with Pareto Optimization Effectively Cover Failure-Revealing Test Inputs?
von: Sorokin, Lev, et al.
Veröffentlicht: (2024)

Can Requirements Engineering Support Explainable Artificial Intelligence? Towards a User-Centric Approach for Explainability Requirements
von: Umm-e-Habiba, et al.
Veröffentlicht: (2022)

asanAI: In-Browser, No-Code, Offline-First Machine Learning Toolkit
von: Koch, Norman, et al.
Veröffentlicht: (2025)

Machine Learning Systems: A Survey from a Data-Oriented Perspective
von: Cabrera, Christian, et al.
Veröffentlicht: (2023)

Model Lake: a New Alternative for Machine Learning Models Management and Governance
von: Garouani, Moncef, et al.
Veröffentlicht: (2025)

Sustainable Machine Learning Retraining: Optimizing Energy Efficiency Without Compromising Accuracy
von: Poenaru-Olaru, Lorena, et al.
Veröffentlicht: (2025)

Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring
von: Moin, Armin, et al.
Veröffentlicht: (2022)

ML-On-Rails: Safeguarding Machine Learning Models in Software Systems A Case Study
von: Abdelkader, Hala, et al.
Veröffentlicht: (2024)

Function+Data Flow: A Framework to Specify Machine Learning Pipelines for Digital Twinning
von: de Conto, Eduardo, et al.
Veröffentlicht: (2024)

FairRF: Multi-Objective Search for Single and Intersectional Software Fairness
von: d'Alosio, Giordano, et al.
Veröffentlicht: (2026)

VecTrans: Enhancing Compiler Auto-Vectorization through LLM-Assisted Code Transformations
von: Zheng, Zhongchun, et al.
Veröffentlicht: (2025)

Predicting the First Response Latency of Maintainers and Contributors in Pull Requests
von: Khatoonabadi, SayedHassan, et al.
Veröffentlicht: (2023)