Een modelaanbevelingssysteem

De bijdrage van de Hybrid Optimization gedreven RideNN voor Software Reusability Estimation is dat het C-RideNN-algoritme de huidige Cat Swarm Optimization (CSO) samen met het Rider Neural Network (RideNN) gebruikt voor trainingsdoeleinden. Deze aanpak bestaat uit het ontwikkelen van een techniek voor het software hergebruik voorspellingsmodel om optimaal hergebruik van softwarecomponenten te behouden zonder de kans op veroudering en vatbaarheid voor falen. Criteria, zoals complexiteit, cohesie en koppeling, worden overwogen voor hergebruik met in totaal negen metrieken. De schatting wordt uitgevoerd met het voorgestelde neurale netwerkalgoritme op basis van Cat Swarm Rider (C-RideNN) optimalisatie. Het C-RideNN-algoritme wordt geformuleerd door de CSO te integreren met het ROA-algoritme Het schatten van software hergebruik met behulp van NN-gebaseerde optimalisatie heeft aangetoond een verbeterd totaal van negen softwaregerelateerde metrieken van software te produceren. De schatting van software hergebruik wordt gedaan met behulp van het voorgestelde C-RideNN-algoritme. Het C-RideNN-algoritme schat de software hergebruik factor.

Ramu Vankudoth, Ph.D., lavora come professore assistente presso il Dipartimento di Informatica e Ingegneria - Data Science, Malla Reddy Engineering College(A), Secunderabad, Telangana. Ha conseguito il dottorato di ricerca presso la Kakatiya University nell'area dell'ingegneria del software.