اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدتحليل النماذج الضّارة و اكتشافها
Analysis and Detection of Anti-Patterns
1386
1 28
0
(
0
)
تأليف
مرام خوري( باحث )
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
تقسم هذه الدراسة إلى قسمين, يلقي القسم الأول الضوء على النماذج الضارة و مقارنتها بنماذج التصميم. نقترح في القسم الثاني أداة قادرة على اكتشاف مثل هذه النماذج في مراحل مبكرة من عمر تطوير البرمجية.
This study divides to two parts. The first one highlights the antipatterns in comparison with design patterns. By the second part, we suggest a new tool which is able to detect anti-patterns in early phases of software lifecycle.
مراجعة الذكاء الصنعي:
ملخص البحث
تتناول هذه الدراسة موضوع النماذج الضارة في هندسة البرمجيات، والتي تُعرف بأنها حلول سريعة وغير مثالية للمشاكل التي تواجه المطورين أثناء تطوير البرمجيات. تنقسم الدراسة إلى قسمين رئيسيين: الأول يسلط الضوء على النماذج الضارة ويقارنها بنماذج التصميم، بينما يقترح القسم الثاني أداة لاكتشاف هذه النماذج في مراحل مبكرة من دورة حياة البرمجية. تُستخدم لغة EXPRESS في نمذجة البيانات وفقًا لمعيار STEP، ويتم تحليل هذه النماذج لاكتشاف النماذج الضارة باستخدام أدوات مثل JSDAI وPDE ضمن منصة Eclipse. توضح الدراسة كيفية بناء الأداة واختبارها على نماذج بيانات معيارية، وتعرض النتائج التي توصلت إليها في اكتشاف النماذج الضارة. تهدف الأداة إلى تحسين جودة البرمجيات وتقليل الأخطاء في المراحل المبكرة من التطوير، مما يوفر الوقت والجهد والموارد.
قراءة نقدية
تُعد هذه الدراسة خطوة مهمة في مجال هندسة البرمجيات، حيث تقدم حلاً عمليًا لمشكلة شائعة تواجه المطورين. ومع ذلك، يمكن نقد الدراسة من عدة جوانب. أولاً، تركز الدراسة بشكل كبير على معيار STEP ولغة EXPRESS، مما قد يحد من تطبيق الأداة على نطاق أوسع من البرمجيات التي لا تستخدم هذا المعيار. ثانيًا، لم تتناول الدراسة بشكل كافٍ كيفية التعامل مع النماذج الضارة في مراحل متقدمة من دورة حياة البرمجية، مثل مرحلة الصيانة. ثالثًا، كان من الممكن تقديم مزيد من الأمثلة العملية والتطبيقات الواقعية للأداة المقترحة لتوضيح فعاليتها بشكل أفضل. على الرغم من هذه النقاط، فإن الدراسة تُعد إضافة قيمة لمجال هندسة البرمجيات وتفتح الباب لمزيد من الأبحاث في هذا المجال.
أسئلة حول البحث
-
ما هو الهدف الرئيسي من الدراسة؟
الهدف الرئيسي من الدراسة هو اكتشاف النماذج الضارة في مراحل مبكرة من دورة حياة البرمجية باستخدام أداة مقترحة تعتمد على معيار STEP ولغة EXPRESS.
-
ما هي النماذج الضارة وكيف تختلف عن نماذج التصميم؟
النماذج الضارة هي حلول سريعة وغير مثالية للمشاكل التي تواجه المطورين أثناء تطوير البرمجيات، وتختلف عن نماذج التصميم التي تقدم حلولًا مثبتة وجيدة لمشاكل التصميم المتكررة.
-
ما هي الأدوات المستخدمة في بناء الأداة المقترحة؟
تم استخدام أدوات مثل JSDAI وPDE ضمن منصة Eclipse لبناء الأداة المقترحة لاكتشاف النماذج الضارة.
-
ما هي الفائدة المتوقعة من الأداة المقترحة؟
الفائدة المتوقعة من الأداة المقترحة هي تحسين جودة البرمجيات وتقليل الأخطاء في المراحل المبكرة من التطوير، مما يوفر الوقت والجهد والموارد.
المراجع المستخدمة
Connie U. Smith, Lloyd G. Williams, 2000- Software Performance AntiPatterns. Software Engineering Research and L&S Computer Technology, Inc
William J. Brown, Raphael C. Malveau, Hays W. McCormick III, Thomas J. Mowbray, John Wiley & Sons, Inc, 1998- Refactoring Software, Architectures, and Projects in Crisis
Ruben Wieman, 2011- Anti-Pattern Scanner: An Approach to Detect Anti-Patterns and Design Violations. Delft, the Netherlands
قيم البحث
اقرأ أيضاً
يقدم البحث طريقة مطورة لكشف مكان نموذج الوجه في الصورة, و ذلك بجمع أكثر من تقنية لتحقيق أفضل نسبة كشف. يبنى نموذج لون بشرة باستخدام الفضاء اللوني (RGB) Red, Green, Blue, لكشف مناطق البشرة و ينتج المناطق المرشحة لتكون الوجه في الصورة. و من خلال تقنية
الشبكة العصبونية يتم تدريب مجموعة من صور الوجوه و صور لغير الوجوه (الخلفية) ، بعد إسقاطها على حيز جزئي بواسطة تقنية تحليل المعاملات الأولية بهدف تقليل أبعاد صور التدريب و تقليل الزمن الحسابي. يوجد تعديلين للاستخدام التقليدي للشبكة العصبونية و هما: أولاً, تختبر الشبكة العصبونية مناطق الصورة المرشحة لتكون وجوه فقط, بالنتيجة يتم تقليل حيز البحث. ثانياً, يتم تكييف نافذة مسح الشبكة العصبونية لصورة الدخل, بحيث تعتمد على حجم المنطقة المرشحة لتكون وجه مما يمكن نظام الكشف من كشف الوجوه بحجوم متعددة.
يعالج هذا البحث نمذجة الحركة البشرية ضمن منطقة جغرافية ما، كما و يستعرض أهم موديلات نمذجة الحركة،
و يدرس مزاياها و مساوئها.
تُبين النتائج التي توصلنا لها أن البشر لايتحركون معظم الوقت. في الواقع إنهم يتواجدون
ضمن مناطق محددة لفترة طويلة من الزمن ك
المنزل و المكتب، الخ. بالإضافة لذلك، تُظهر
نماذج الحركة البشرية انتظاماً إذا تمت مراقبتها لفترة كافية من الزمن.
هناك اهتمام متزايد بالمساعدين الظاهريين مع قدرات متعددة الوسائط، على سبيل المثال، استنتاج سياق محادثة من خلال فهم المشهد. تعالج مجموعة بيانات محادثات متعددة الوسائط المتعددة (SIMMC) التي تم إصدارها مؤخرا هذا الاتجاه من خلال تمكين البحث عن إنشاء مساعد
ين افتراضي، قادرين على مراعاة المشهد الذي يراه المستخدم عند التحدث مع المستخدم ويتفاعل أيضا مع العناصر الموجودة في المشهد. DataSet SIMMC هو رواية في أنه يحتوي على حوار مساعد للمستخدم المشروح بالكامل، ومساعدات موجهة نحو المهام حيث يراقب المستخدم ومشاركة مساعد نفس العناصر المرئية والأخير إجراء إجراءات لتحديث المشهد. أدفع تحدي SIMMC، الذي عقد كجزء من تحدي تكنولوجيا نظام الحوار ثمين (DSTC9)، تطوير النماذج المختلفة التي تضع معا مجموعة جديدة من الفن في مجموعة بيانات SIMMC. في هذا العمل، قارننا وتحليل هذه النماذج لتحديد ما عملت؟ "، والفجوات المتبقية؛ Whatnext؟ '. يوضح تحليلنا أنه على الرغم من أن نماذج اللغة المحددة مسبقا تتكيف مع هذه المجموعة تظهر وعد كبير، فهناك مؤشرات على أن السياق المتعدد غير المستخدمة بالكامل، وهناك حاجة إلى تكامل قاعدة معرفة أفضل وقابل للتطوير. نأمل أن يوفر هذا التحليل الأول من نوع نماذج SIMMC رؤى وفرصا مفيدا لمزيد من البحث في وكلاء المحادثة متعددة الوسائط
هدف هذا البحث إلى دراسة تحليل حساسية الكشف في مضخم أولي يستخدم كمرحلة أولى في المستقبلات الضوئية. بسبب أهمية هذا الموضوع في مقاييس المسافة الليزرية و فُضلتِ المعاملات المؤثرة في قياس المسافة باستخدام تقنية قياس المسافة بقياس زمن الطيران. ثم أنجز تحلي
ل الضجيج في المضخمات الأولية و حسِبت نسبة الإشارة إلى الضجيج من أجل كشف إشارة بعرض نبضة 30 نانو ثانية بإدخال المعاملات على برنامج مكتوب باستخدام ماتلاب. طبقت نتائج الدراسة على عدة أنواع مضخمات أولية لتحديد أقل استطاعة ضوئية تُكشفُ .
أظهرت أنظمة الكشف عن اللغة المسيئة الحالية التحيز غير المقصود تجاه ميزات حساسة مثل الجنسية أو الجنس. هذه قضية حاسمة، والتي قد تؤذي الأقليات والجماعات الممثلة تمثيلا ناقصا إذا تم دمج هذه الأنظمة في تطبيقات العالم الحقيقي. في هذه الورقة، نقوم بإنشاء اخ
تبارات مخصصة من خلال أداة قائمة المراجعة (Ribeiro et al.، 2020) للكشف عن التحيزات داخل مصنفات اللغة المسيئة للغة الإنجليزية. نقارن سلوك نماذج استنادتين في بيرت، واحد مدرب على مجموعة بيانات الكلام الكراهية العامة والآخر في مجموعة بيانات للكشف عن الحرج. يوضح تقييمنا أنه على الرغم من أن المصنفات القائمة على بيرت تحقق مستويات عالية الدقة على مجموعة متنوعة من مهام معالجة اللغة الطبيعية، فإنها تؤدي بشكل سيء للغاية فيما يتعلق بالإنصاف والتحيز، لا سيما بشأن العينات التي تنطوي على الصور النمطية الضمنية، وتعبيرات عن الكراهية نحو الأقليات والسمات المحمية كما العرق أو الميل الجنسي. نطلق سراح كل من أجهزة الكمبيوتر المحمولة المنفذة لتوسيع اختبارات الإنصاف ومجموعات البيانات الاصطناعية التي يمكن استخدامها لتقييم تنظيم الأنظمة بشكل مستقل عن قائمة المراجعة.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
