شاركت الدكتورة صفا سعد المرعب التدريسية في كلية تكنولوجيا المعلومات في المؤتمر العالمي لشبكات الحواسيب والمعلومات الذي اقامته الجامعة الاسلامية في اندنوسيا , بمشاركة اساتذة من كلية تكنولوجيا المعلومات بجامعة بابل وباحثين من ماليزيا واندنوسيا.
عقد المؤتمر عدة جلسات تضمنت الاولى كلمات افتتاحية وعرض ماتول اليه العالم من نتاجات بحثية من قبل الاساتذة المشاركين من جامعة بابل والجامعات الاخرى , كما تناولت بقية الجلسات عرضا للبحوث العلمية المشاركة في المؤتمر ومناقشتها .
وقالت الدكتورة صفا المرعب ان مشاركتها في المؤتمر تمثلت بالقائها دراسة عن
" موديل الـTreeNet المعتمد في تنبؤ اختبار جهد البرامجيات"
تناول فيها دراسة الجوانب المهمة في موضوع هندسة البرامجيات (Software Engineering) هو اختبار البرمجيات عامة وتنبؤ بالجهد الذي يحتاجه بناء الكلاس بشكل خاص. تم استخدام اداة الـTreeNetوالتي تمتاز بقابلية التراجع وامكانية الانتقاء الذاتي من الاف المتنبئات المرشحة ومعالجة البيانات دون الحاجة للمعالجة الاولية وسرعة العمل والدقة العالية في التنبؤ. تم بناء اثنا عشر موديل بالاعتماد على قواعد بيانات عبارة مصدر مفتوح تحتوي على عدد من الكلاسات بلغة جافا. تم بناء الموديلات بقيم مختلفة لـ Loss Regression Criterion, ستة منها تم بناءها باستخدام جميع المتغيرات التنبؤية والستة الاخرى تم بناءها باستخدام جزء من المتغيرات التي تم اختيارها باستخدام اداة Stepwise Regression. وقد تمت مقارنة النتائج لموديلات الـ TreeNetوبين Multi-Linear Regression (MLR) وكانت الـ TreeNetافضل وادق في التنبؤ.
عقد المؤتمر عدة جلسات تضمنت الاولى كلمات افتتاحية وعرض ماتول اليه العالم من نتاجات بحثية من قبل الاساتذة المشاركين من جامعة بابل والجامعات الاخرى , كما تناولت بقية الجلسات عرضا للبحوث العلمية المشاركة في المؤتمر ومناقشتها .
وقالت الدكتورة صفا المرعب ان مشاركتها في المؤتمر تمثلت بالقائها دراسة عن
" موديل الـTreeNet المعتمد في تنبؤ اختبار جهد البرامجيات"
تناول فيها دراسة الجوانب المهمة في موضوع هندسة البرامجيات (Software Engineering) هو اختبار البرمجيات عامة وتنبؤ بالجهد الذي يحتاجه بناء الكلاس بشكل خاص. تم استخدام اداة الـTreeNetوالتي تمتاز بقابلية التراجع وامكانية الانتقاء الذاتي من الاف المتنبئات المرشحة ومعالجة البيانات دون الحاجة للمعالجة الاولية وسرعة العمل والدقة العالية في التنبؤ. تم بناء اثنا عشر موديل بالاعتماد على قواعد بيانات عبارة مصدر مفتوح تحتوي على عدد من الكلاسات بلغة جافا. تم بناء الموديلات بقيم مختلفة لـ Loss Regression Criterion, ستة منها تم بناءها باستخدام جميع المتغيرات التنبؤية والستة الاخرى تم بناءها باستخدام جزء من المتغيرات التي تم اختيارها باستخدام اداة Stepwise Regression. وقد تمت مقارنة النتائج لموديلات الـ TreeNetوبين Multi-Linear Regression (MLR) وكانت الـ TreeNetافضل وادق في التنبؤ.
