代码异味是指源代码中任何违反设计原则或实现的症状或异常。及早发现不良代码异味可以提高软件质量。如今,几种人工神经网络 (ANN) 模型已用于软件工程的不同主题:软件缺陷预测、软件漏洞检测和代码克隆检测。使用 ANN 模型时,无需了解数据来源,但需要大量训练集。数据不平衡是人工智能技术在检测代码异味方面面临的主要挑战。为了克服这些挑战,本研究的目标是基于一组 Java 项目,提出具有合成少数过采样技术 (SMOTE) 的深度卷积神经网络 (D-CNN) 模型来检测不良代码异味。我们考虑了四个代码异味数据集,即 God 类、数据类、特征嫉妒和长方法,并根据不同的性能指标对结果进行了比较。实验结果表明,所提出的具有过采样技术的模型可以为代码异味检测提供更好的性能,并且当使用更多数据集训练模型时,预测结果可以进一步改善。此外,更多的时期和隐藏层有助于提高模型的准确性。
多种因素导致 Yulee 工厂产生异味,其中最主要的是温度较低、降雨量较大以及维护该设施所需的固体移动。该工厂类似于堆肥堆,由当地 Rayonier Advanced Materials' (RYAM) 工厂产生的无害有机“加工残留物”组成。这些“加工残留物”主要来自树木。它们包括纤维素纤维、木质生物质和动力锅炉产生的木灰。这些材料的分解会产生气味,如上所述,在某些条件下气味会变得更加明显。重要的是,Yulee 设施不处理垃圾、人类排泄物或传统“垃圾”(这些垃圾在其他市政设施处理)。为什么气味比以前更严重?
摘要 公猪异味是公猪肉中一种难闻的气味,主要由沉积在脂肪组织中的雄烯酮、粪臭素和吲哚引起。仔猪阉割是防止公猪异味的最常见做法。然而,出于动物福利方面的考虑,阉割很可能在几年内被禁止。人们已经评估了阉割的替代方法,例如基因选择。雄烯酮和粪臭素具有中等到高的遗传力,这使得选择这些化合物成为可能。本综述介绍了在防止公猪异味的基因选择、与其他性状的相关性、品种差异以及与公猪异味相关的候选基因方面获得的最新成果。据报道,雄烯酮和粪臭素的 QTL 主要位于 6、7 和 14 号染色体上。据报道,这些染色体含有负责雄烯酮和粪臭素合成和降解的基因。人们已经做了大量的工作来寻找可用于选择具有较低膻味的动物的标记或基因。选择膻味会降低某些繁殖性状的表现。然而,选择膻味对生产性状有良好的反应。选择结果表明,在几代中减少膻味是可能的。此外,饮食和环境条件的改变可能与减少膻味的基因选择有关。然而,测量和选择膻味的成本应该得到市场的奖励;否则,很难实施基因选择。
域名系统 (DNS) 是互联网基础设施中最重要的组件之一。DNS 依赖于基于委托的架构,其中将名称解析为其 IP 地址需要解析负责这些名称的服务器的名称。与每个区域相关联的名称服务器之间存在的相互依赖关系的递归结构称为依赖关系图。系统管理员的运营决策对 DNS 的质量有着深远的影响。需要合理地制定这些决策,以在系统的可用性、安全性和弹性之间取得平衡。我们利用依赖关系图来识别、检测和分类操作不良气味。我们的方法使用由 DNS 操作模型定义的一致分类法和可重用词汇表,在高抽象级别上处理气味。该方法将用于构建诊断咨询工具,该工具将在域名投入生产之前检测可能降低其稳健性或安全态势的配置更改。
