Rekrutacja

Seminarium 03.11.2022

Prelegent:	Michał Madera, mgr inż., SoftSystem Sp. z o.o., Dział Badań i Rozwoju, ul. Leszka Czarnego 6A, 35-615 Rzeszów e-mail: michalm@softsystem.pl.
Temat:	Predykcja defektów w kodzie źródłowym z zastosowaniem rozmytego systemu wnioskującego
Streszczenie:	Niniejsza rozprawa dotyczy predykcji błędów w kodzie źródłowym, z użyciem metod sztucznej inteligencji, zwłaszcza modeli opartych na rozmytym systemie wnioskującym. Celem pracy jest opracowanie klasyfikatora zdolnego do detekcji defektów w kodzie źródłowym, spełniającego wymagania zdefiniowane w tezie pracy. Teza pracy mówi o możliwości zaprojektowania klasyfikatora, generującego czytelne reguły, umożliwiającego sterowanie złożonością reguł, spełniającego kryteria jakościowe w zakresie dokładności klasyfikacji z uwzględnieniem rachunku kosztów, a także możliwego do użycia praktycznego. W pracy podano podstawy teoretyczne, zasadę działania oraz interpretację systemu decyzyjnego opartego na regułach rozmytych i programowaniu ekspresji genów. Skonstruowano taki klasyfikator i zbadano go przeprowadzając szereg eksperymentów z użyciem 20 różnych algorytmów klasyfikacyjnych na 57 zbiorach danych defektów. Sformułowano i udowodniono twierdzenie o kosztach klasyfikacji defektów w kontekście procesu wytwarzania oprogramowania. Opracowano wnioski, stosując klasyczną statystykę opisową, testy Scotta-Knotta oraz test Wilcoxona dla par obserwacji. Porównano interpretowalność powstałych modeli pod kątem złożoności oraz czytelności otrzymanych reguł. Udowodniono, że możliwe jest opracowanie skutecznego algorytmu opartego na klasycznym systemie regułowym typu Takagi-Sugeno, spełniającego wszystkie wymagania zawarte w tezie pracy. Opracowany klasyfikator, zastosowany do przewidywania defektów, dostarcza czytelnych i prostych reguł oraz należy do czołówki najlepszych, w sensie ogólnie akceptowalnych wskaźników jakości, spośród współczesnych płytkich klasyfikatorów. Algorytm ma potencjał zastosowania w środowiskach produkcyjnych.