《Fault Localization with Code Coverage Representation Learning》论文笔记

最新推荐文章于 2023-05-24 20:56:04 发布
最新推荐文章于 2023-05-24 20:56:04 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： 软件工程-代码智能 文章标签： 缺陷检测 软件工程 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43646592/article/details/121964009
版权
本文详细介绍了《Fault Localization with Code Coverage Representation Learning》论文，提出了一种利用深度学习改进代码覆盖矩阵的缺陷定位方法。通过改进的代码覆盖率表示、语句依赖学习和源代码表示，DEEPRL4FL模型能更准确地定位问题代码。实验表明，这种方法在语句级和方法级的缺陷定位中优于传统SBFL、MBFL和基于机器学习的FL方法。
摘要由CSDN通过智能技术生成

论文来源：ICSE-2021
论文链接：https://arxiv.org/abs/2103.00270
论文github：https://github.com/deeprl4fl2021icse/deeprl4fl-2021-icse

🦄 第一次看基于测试用例（即基于代码覆盖，突变测试）来定位代码缺陷的方法，下文有些地方是论文里没细讲，我做了些补充，主要说下论文的原理，实验不细讲。

⭐主要内容：

 主要就是提出了一个statement-level和method-level的bug location模型，叫：DEEPRL4FL。对代码覆盖测试和突变测试的code coverage matrix改进，以及引入statement-dependency以及AST信息来综合学习表征代码程序，以更好的突出bug与非bug的特征。模型采用了CNN，因为将这些特征表示成matrix

了解本专栏 订阅专栏 解锁全文 超级会员免费看
#苦行僧
关注
专栏目录
订阅专栏
论文笔记：Limited Data Rolling Bearing Fault Diagnosis With Few Shot Learning
wdd1998的博客
01-30 1830
论文：基于少样本学习的小样本滚动轴承故障诊断 Limited Data Rolling Bearing Fault Diagnosis With Few Shot Learning **摘要：**这篇paper主要是用少量的training data训练数据做故障诊断。在故障诊断领域最大的困难就是在正常工作环境下对于每一种故障类型都没有充足的训练样本。近年来，基于深度学习的方法做故障诊断有了很好的成果，但是，大多数方法要求有足够的训练数据。在这篇文章中，我们提出了一个基于小样本学习方法用少量的数据做滚动轴承
缺陷定位之路在何方？论文阅读：Revisiting the practical use of automated software fault localization techniques
the Blog of 等不到天亮丶等时光
02-12 1170
在此阅读缺陷定位论文：[IWPD 2017] Revisiting the practical use of automated software fault localization techniques。 在读缺陷定位论文：[Rui Abreu] \[IJCAI 2018] Leveraging Qualitative Reasoning to Improve SFL 的时候，在参考文献中看到这篇文章，而我也想迫切的了解SFL为什么还不能投入工业应用，为什么一直处于研究阶段；也想知道当前SFL 到底还有
自动缺陷定位技术综述——Automated Fault Localization Techniques; A Survey [2012年]
the Blog of 等不到天亮丶等时光
09-09 1753
本文旨在介绍2012年的文章Automated fault localization techniques: a survey. 不是很出名，谷歌上引用次数只有11次，但是应该能学到东西。
顶刊论文Human Competitiveness of Genetic Programming in Spectrum-Based Fault Localisation... [TOSEM 2017
the Blog of 等不到天亮丶等时光
09-10 824
今天我们来会一会 软件工程领域顶级期刊 TOSEM 2017年论文——“Human Competitiveness of Genetic Programming in Spectrum Based Fault Localisation: Theoretical and Empirical Analysis”。
Tarantula Automatic Fault-Localization Technique
GoldenaArcher的博客
05-02 780
Tarantula Automatic Fault-Localization Technique 这是上课 PPT 上碰到的一个案例，Tarantula 是一个 Fault-Localization(自动缺陷定位技术) 的方法之一，正好找到一篇 Georgia Tech 学生写的 paper: Empirical Tarantula Automatic Fault-Localization Technique，里面解释的还是挺清楚的，这里顺带记一下笔记，怕以后忘了…… Tarantula 是一种计算代码自动
fault-localization-data 框架
attribute47的博客
02-02 782
腾讯云 Ubuntu 16.04.7 LTS (GNU/Linux 4.4.0-157-generic x86_64) 所需文件 下载地址（2021.2.1） JDK 8 地址 Fault-localization-data 地址 Defects4j-2.0.0 地址 Defects4j-repos 直接下载 DBI-1.643 直接下载 搭建环境步骤： tar -zxvf jdk-8u281-linux-x64.tar.gz # 配置JDK环境变量 sudo vim /
EB tester fault localization algorithm for combinational circuits by utilizing fault simulation and test pattern sequence for EB tester
06-29
EB tester fault localization algorithm for combinational circuits by utilizing fault simulation and test pattern sequence for EB tester EB Tester Fault Localization Algorithm for Combinational ...
Transfer-Learning-for-Fault-Diagnosis:该存储库用于转移学习或具有故障诊断的领域自适应
05-03
title={Domain Adaptation with Multilayer Adversarial Learning for Fault Diagnosis of Gearbox under Multiple Operating Conditions}, author={Zhang, Ming and Lu, Weining and Yang, Jun and Wang, Duo and...
code2vec:本文提出的用于神经网络的TensorFlow代码
05-13
Code2vec 用于学习代码的分布式表示的神经网络。 这是模型中描述的正式实现： ， ， 和 ，“ code2vec：学习代码的分布式表示形式”，POPL'2019 2018年10月-该论文被接受！ 2019年4月-演讲视频可。 2019年7月-添加tf.keras模型实现（请参见）。 可以在上获得在线演示。 也可以看看： code2seq （ICLR'2019）是我们的更新型号。 它使用LSTM逐点对路径进行编码（而不是像code2vec中那样进行单片路径嵌入），并使用LSTM来解码目标序列（而不是像code2vec中那样一次预测单个标签）。 参见 ，位于演示和。 代码的结构语言模型是一篇新论文，旨在学习在较大的代码片段中生成缺少的代码。 这类似于代码完成，但是能够预测复杂的表达式，而不是一次预测单个标记。 参见 ，演示位于 。 代码模型的对抗性示例是一篇新论文
fault localization 问题
skywf的博客
06-07 427
找了以下文章，发现 3,3,5 只是input的意思https://faculty.cc.gatech.edu/~john.stasko/papers/icse02.pdfhttp://spideruci.org/papers/santelices09.pdfhttp://pages.cs.aueb.gr/~mpapad/papers/STVR2013.pdf
关于缺陷自动修复的一些思考
lusing的专栏
04-02 988
关于缺陷自动修复的一些思考 新的财年开始了，每个团队都在做新年的计划。每当做计划，就有对于需求是不是真需求的讨论。 但是对于bug自动修复技术来说，从来不需要讨论为什么要做这个事情。需要讨论的从来是如何做到。我用两句话来总结： 需求是真需求 困难是真困难 反映在学术界的论文上，针对bug自动修复和主要相关领域的综述每隔一两年就要来一拨。像潮汐一样，被需求卷起，又被拍散在困难的沙滩上。 第一类困难：靠人工写规则为什么走不通？ 说起修bug，几乎每个开发同学都有话说。要实现bug的自动定位与修复，也基本上
「软件缺陷定位」程序语句执行频谱的获取——Gcov 工具和自动化工具
子适
12-23 2649
程序频谱 关于程序频谱（Program Spectrum）和基于程序频谱的缺陷定位(SFL, Spectrum Fault Localization)，定义和介绍如下： Program spectra, also known as code coverage, can be defined as a set of program entities covered during test execu...
基于轨迹的调试技术：从传统软件到 AI 模型开发
pl_lab_001的博客
05-04 1052
本文基于林云老师的分享进行整理，为大家介绍了在传统软件和 AI 模型上的（半）自动化调试工作。视频已发布在 B 站，欢迎大家学习！
论文笔记—NDT-Transformer: Large-Scale 3D Point Cloud Localization using the Normal Distribution Transfor
qq_46480130的博客
06-09 1403
论文笔记—NDT-Transformer: Large-Scale 3D Point Cloud Localisation using the Normal Distribution Transform Representation 文章摘要     ~~~~       ~~~   在 GPS 挑战的环境中，自动驾驶对基于 3D 点云的地点识别有很高的要求，并且是基于
论文解读Motion Transformer with Global IntentionLocalization and Local Movement Refinement
qq_42008628的博客
12-18 1733
运动预测是自动驾驶的一项基本任务，他对于自动驾驶理解场景，做出决策至关重要。运动预测需要根据agent 状态和路线来预测交通参与者的未来行为，挑战在于物体多模态行为以及复杂的场景环境。主要两种方法两种，1:基于goal的 采用目标候选覆盖所有的目的地，预测每个候选到达真实目的的概率，候选少降低性能，大会增加内存和计算2:direct regression 编码agent特征，自适应的覆盖代理未来行为，收敛速度慢，需要从相同的代理特征中回归不同的运动。
哈达玛积（Hadamard）和克罗内克积（Kronecker积）
qq_45068436的博客
05-24 6756
哈达玛积（Hadamard）和克罗内克积（Kronecker积）是什么？有哪些性质？
对推荐系统排序(Rank)评价指标的理解？
jjj的博客
06-05 2955
1、1.Mean Average Precision (MAP) 可能大家接触比较多的是MAP，MAP考虑的是0和1的排序。 AP=∑j=1niP(j).yi,j∑j=1niyi,jAP=\frac{\sum_{j=1}^{n_{i}}P(j).y_{i,j}}{\sum_{j=1}^{n_{i}}y_{i,j}}AP=∑j=1ni​​yi,j​∑j=1ni​​P(j).yi,j​​ 其中yi,j...
fault coverage 和 test coverage
最新发布
08-25
Fault coverage和test coverage是软件测试中的两个重要指标。 Fault coverage是指在测试过程中能够发现的故障或错误的比例。它衡量了测试用例是否足够全面地覆盖了系统中的潜在故障。在报告中，一般会看到test ...
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

#苦行僧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值