सूचना प्रौद्योगिकी और सॉफ्टवेयर इंजीनियरिंग जर्नल

सूचना प्रौद्योगिकी और सॉफ्टवेयर इंजीनियरिंग जर्नल
खुला एक्सेस

आईएसएसएन: 2165- 7866

अमूर्त

एनएचपीपी गोम्पर्ट्ज़ मॉडल के पैरामीटर अनुमान के लिए भारित गैर-रेखीय न्यूनतम वर्ग तकनीक

लुत्फ़िया इस्माइल अल तुर्क

हेटेरोसेडैस्टिसिटी की समस्या के साथ नॉनलाइनियर कम से कम वर्ग (एनएलएस) तकनीक की एक वैकल्पिक सटीक अनुमान विधि की आवश्यकता है। भारित नॉनलाइनियर कम से कम वर्ग अनुमान (डब्ल्यूएनएलएसई) तकनीक एक विकल्प है जो विफलताओं के बीच के समय के आंकड़ों को उपयुक्त भार देकर मापदंडों के अनुमान की सटीकता को बढ़ा सकता है। वर्तमान अध्ययन में, पारंपरिक अधिकतम संभावना (एमएल), नॉनलाइनियर कम से कम वर्ग (एनएलएस), और भारित नॉनलाइनियर कम से कम वर्ग (डब्ल्यूएनएलएस) तकनीकों को एनएचपीपी गोम्पर्ट्ज़ मॉडल के तीन मापदंडों का अनुमान लगाने के लिए तैयार किया गया है। एनएचपीपी गोम्पर्ट्ज़ मॉडल भविष्यवाणी प्रक्रिया में अनुभवजन्य भार विधि की जांच की जाती है। अनुमान के तीन माने गए तरीकों के प्रदर्शन का विश्लेषण करने के लिए तीन वास्तविक सॉफ़्टवेयर विफलता डेटा उदाहरण दिए गए हैं। इस संख्यात्मक अध्ययन के परिणाम एनएचपीपी गोम्पर्ट्ज़ मॉडल के प्रदर्शन के संबंध में डब्ल्यूएनएलएसई विधि की प्राथमिकताओं को इंगित करते हैं, साथ ही भार कारकों का मूल्य जो इष्टतम समाधान देता है, सॉफ़्टवेयर विफलता डेटा की प्रकृति के अनुसार भिन्न होता है।

अस्वीकरण: इस सार का अनुवाद कृत्रिम बुद्धिमत्ता उपकरणों का उपयोग करके किया गया था और अभी तक इसकी समीक्षा या सत्यापन नहीं किया गया है।
Top