【摘 要】
：
Machine learning(ML)techniques and algorithms have been successfully and widely used in various areas includ-ing software engineering tasks.Like other software projects,bugs are also common in ML projects and libraries.In order to more deeply understand t
【机 构】
：
School of Information Engineering,Yangzhou University,Yangzhou 225100,China;State Key Laboratory for
论文部分内容阅读
Machine learning(ML)techniques and algorithms have been successfully and widely used in various areas includ-ing software engineering tasks.Like other software projects,bugs are also common in ML projects and libraries.In order to more deeply understand the features related to bug fixing in ML projects,we conduct an empirical study with 939 bugs from five ML projects by manually examining the bug cate-gories,fixing patterns,fixing scale,fixing duration,and types of maintenance.The results show that(1)there are commonly seven types of bugs in ML programs;(2)twelve fixing patterns are typically used to fix the bugs in ML programs;(3)68.80％of the patches belong to micro-scale-fix and small-scale-fix;(4)66.77％of the bugs in ML programs can be fixed within one month;(5)45.90％of the bug fixes belong to corrective ac-tivity from the perspective of software maintenance.Moreover,we perform a questionnaire survey and send them to developers or users of ML projects to validate the results in our empirical study.The results of our empirical study are basically consis-tent with the feedback from developers.The findings from the empirical study provide useful guidance and insights for devel-opers and users to effectively detect and fix bugs in ML projects.
其他文献
考虑海上油田电力系统与陆地电力系统的差异性,提出了一种适用于计算海上油田电网的设备时变故障率计算方法.首先基于知识图谱方法,分析了历史故障数据中各电气设备的故障原因和影响因素,并根据分析结果建立了计及设备及部件相互影响的电气设备基本失效模型;然后考虑设备组成元件的运行年限、检修策略等影响因素,对基本失效模型进行了修正,提出设备的时变故障率计算方法.以某油田电力系统为算例,计算了各设备的时变故障率等可靠性参数,通过仿真分析得到了系统的可靠性指标.计算结果可为识别海上电力系统的薄弱环节和制定可靠性提升措施提供
The development of fluorophores emitting in the near-infrared spectral window has gained increased attention given their suitable features for biological imaging.In this work,we have optimised a general and straightforward synthetic approach to prepare a
针对大规模逆变器接入弱电网易引起宽频带振荡,影响自身及系统的稳定运行的问题,结合PWM控制的三相桥式逆变电路,研究了脉冲宽度调制技术及死区效应下的逆变器并网口输出电压的谐波特性,以及LCL滤波器的固有谐振点以及控制延时对谐波的影响.通过在仿真平台搭建模型,实现了逆变器谐波特性的复现.结果表明,PWM调制技术会产生载波频率及其整数倍附近的高次谐波;死区效应增加了逆变器输出波形的低次谐波,且随着死区时间的增加,5次和7次谐波含量增加;控制延时将造成滤波器谐振频率的偏移.
为提高投资决策水平、完善投资决策机制,针对变电站投资建设项目后评价,提出了一种基于粗糙集与模糊?多级可拓法的评价方法.首先,在国家电网公司现有项目后评价体系的基础上,结合变电站的建设特点,确定了具体的评价指标体系,并基于粗糙集理论确定项目后评价指标权重;然后,将模糊综合评价理论与多级可拓评价方法结合,提出了一种改进的模糊?多级可拓评价方法;最后,通过算例分析,验证了所提评价方法的合理性.
As the mean-time-between-failures(MTBF)con-tinues to decline with the increasing number of components on large-scale high performance computing(HPC)systems,pro-gram failures might occur during the execution period with high probability.Ensuring successful
在输电铁塔真型实验中,需要对连接角钢的应变进行测量,而实验过程中的贴片误差以及扭矩的存在势必会造成应变数据失真.针对该问题,分析了贴片误差和角钢扭矩对应变测量数据的影响,给出了用应变数据计算角钢轴力的计算公式;对双肢连接角钢进行了有限元仿真分析,研究仅受轴向力作用时贴片误差对角钢轴力测量的影响;在轴向力载荷的基础上施加一定的扭矩,研究同时存在扭矩和贴片误差对角钢轴力测量的影响;同时研究了扭矩大小对角钢轴力测量的影响规律.研究结果表明:在角钢仅受轴向力作用时,贴片误差对其测量结果影响很小;而当角钢中存在扭矩
针对某燃煤发电厂带式输送机时常发生由皮带粘黏物冲击导致清扫器刮刀大幅度弹起和振荡问题,分析了刮刀俯仰角度和扭簧刚度对清扫器刮刀运动特性的影响.首先,基于ADAMS建立了清扫器刮刀动力学仿真模型,分析得到不同俯仰角度下,刮刀受到冲击载荷后最大弹起幅度、最大振荡幅度、振荡持续时间,给出了刮刀俯仰角度合理设计范围.其后,通过分析得到了不同扭簧刚度下的刮刀动力学特性,给出了合理的扭簧设计刚度.分析结果可为合理设计带式输送机清扫器提供数据支撑.
传统的分布式光伏测图通过载波相位差分技术进行实地采集数据,集中式光伏具有体量大、地形复杂、设计周期短等突出特点,采用传统勘测手段测图费时费力,且在时间节点难以满足业主要求,在永靖光伏测图过程中采用无人机倾斜摄影技术生成测区的实景三维模型,在实景三维模型上三维测绘大比例测图地形图,随机选取检查点进行精度验证,其结果满足1:1000比例测图精度要求.
针对虚拟发电厂中常规分布式电源、传统热电联产机组的碳排放特性,基于风电机组出力与用户热能需求的互补性,提出在虚拟发电厂中配置电锅炉以实现虚拟发电厂的碳中和.分析了风电机组、微型电热联产机组和电锅炉三者间的出力关系;建立了计及虚拟发电厂碳排放成本、虚拟发电厂运行成本和交易电量成本的虚拟发电厂电热联合运行模型,并利用量子进化算法对其进行了求解;计算了3种典型场景下的机组的出力、交易电量、碳排放总量.仿真算例表明,电锅炉联合风电供热能够显著降低虚拟发电厂的整体碳排放和运行成本.
为提升电力系统短期负荷预测精度,提出粒子群算法优化量子加权门控循环单元神经网络模型.首先,将量子加权神经元融入门控循环单元神经网络中,构建量子加权门控循环单元神经网络预测模型,利用量子信息处理机制,提高该神经网络的非线性逼近能力和泛化能力.然后,使用全局优化能力较强的改进粒子群优化算法对所提出模型的参数进行寻优,构建权重矩阵进行负荷预测.最后,通过实际电网算例进行仿真,仿真结果表明,本文提出的粒子群优化量子加权门控循环单元神经网络预测模型的预测精度较高.