انتشارات

مقالات در مجلات، کنفرانس‌ها و نشریات معتبر بین‌المللی منتشر شده‌اند. در ادامه، تنها عناوین مقالات به فارسی به همراه لینک دسترسی مستقیم به صفحات اصلی (DOI یا سایت ناشر) آورده شده است.

ژورنال‌های بین المللی (ISI)

• [18] توسعه مبتنی بر آزمون‌پذیری: بهبود کارایی TDD
  لینک دسترسی: https://doi.org/10.1016/j.csi.2024.103877

• [17] طراحی شیشه‌های قابل تبادل یونی با عملکرد بالا با بهینه‌سازی چندهدفه و یادگیری ماشین
  لینک دسترسی: https://doi.org/10.1016/j.ceramint.2024.08.141

• [16] اندازه‌گیری و بهبود آزمون‌پذیری نرم‌افزار در سطح طراحی
  لینک دسترسی: https://doi.org/10.1016/j.infsof.2024.107511

• [15] پیش‌بینی ردیابی الزامات چندنوعی با افزایش داده کد و تنظیم دقیق MS-CodeBERT
  لینک دسترسی: https://doi.org/10.1016/j.csi.2024.103850

• [14] ارزیابی شاخص‌های عصبی توجه در مواجهه با نویز ساخت و ساز با طبقه‌بندی یادگیری ماشین داده‌های EEG
  لینک دسترسی: http://dx.doi.org/10.2139/ssrn.4698727

• [13] آزمون دامنه پوی با استفاده از روش مونت کارلو مبتنی بر زنجیره مارکوف چندعامل
  لینک دسترسی: https://link.springer.com/article/10.1007/s00500-024-09680-5

• [12] اندازه‌گیری آزمون‌پذیری الزامات زبان طبیعی مبتنی بر بوی الزامات
  لینک دسترسی: https://doi.org/10.1007/s00521-024-09730-x

• [11] برآورد «عمق لایه» (DOL) در شیشه‌های تبادلی یونی با یادگیری ماشین قابل توضیح
  لینک دسترسی: http://dx.doi.org/10.2139/ssrn.4597581

• [10] حمایت از اصل مسئولیت واحد از طریق استخراج و بازسازی خودکار متد
  لینک دسترسی: https://link.springer.com/article/10.1007/s10664-023-10427-3

• [9] BiliBin: پلتفرم هوشمند مبتنی بر تلفن همراه برای نظارت بر زردی نوزادان
  لینک دسترسی: https://ijeee.iust.ac.ir/article-1-3374-en.pdf

• [8] مروری سیستماتیک بر اندازه‌گیری تشابه کد منبع و شناسایی کلون: تکنیک‌ها، کاربردها و چالش‌ها
  لینک دسترسی: https://doi.org/10.1016/j.jss.2023.111796

• [7] مروری سیستماتیک بر مجموعه‌های داده بوی کد و مکانیزم‌های اعتبارسنجی
  لینک دسترسی: https://dl.acm.org/doi/abs/10.1145/3596908

• [6] پیشنهاد نام متد بر اساس معیارهای کد منبع
  لینک دسترسی: https://doi.org/10.1016/j.cola.2022.101177

• [5] استفاده از روش ترکیبی meta-estimator برای پیش‌بینی آزمون‌پذیری کد منبع
  لینک دسترسی: https://doi.org/10.1016/j.asoc.2022.109562

• [4] رویکرد بازسازی اتوماتیک استخراج متد برای رفع بوی کد متدهای بلند
  لینک دسترسی: https://doi.org/10.1016/j.jss.2022.111221

• [3] یادگیری برای پیش‌بینی اثربخشی آزمون
  لینک دسترسی: https://doi.org/10.1002/int.22722

• [2] بررسی جامع سیستم‌های پایش حجم مثانه پوشیدنی غیرتهاجمی
  لینک دسترسی: https://doi.org/10.1007/s11517-021-02395-x

• [1] یادگیری و فاز با آگاهی از فرمت: تولید داده‌های آزمون عمیق برای فاز مؤثر
  لینک دسترسی: https://doi.org/10.1007/s00521-020-05039-7

بیشتر

کنفرانس‌ها

• [4] شناسایی عمیق بیماری‌های گیاهی
  لینک دسترسی: https://www.researchgate.net/profile/Soroush-Hashemifar/publication/379300086_Deep_Identification_of_Plant_Diseases/links/661521bef7d3fc28743d70bf/Deep-Identification-of-Plant-Diseases.pdf

• [3] افزایش داده‌های کد برای بهبود عملکرد مدل‌های زبانی در بازیابی ارتباط ردیابی الزامات به کد
  لینک دسترسی: https://sid.ir/paper/1047270/en

• [2] یادگیری برای پیش‌بینی آزمون‌پذیری نرم‌افزار
  لینک دسترسی: https://doi.org/10.1109/CSICC52343.2021.9420548

• [1] تحلیل پدیده‌های اجتماعی با استفاده از تکنیک‌های یادگیری ماشین: چارچوب پژوهشی ترکیبی
  لینک دسترسی: http://aisch.atu.ac.ir/paper?manu=106226

بیشتر

نشریات داخلی (ISC)

• [2] تولید خودکار داده‌های تست برای بهبود مکان‌یابی خطا بر اساس تحلیل علّی-آماری
  لینک دسترسی: https://www.jscit.nit.ac.ir/article_188522_8e9557e30afb680fa5288a226f18820c.pdf?lang=en

• [1] تولید خودکار داده‌های تست در Fuzzers فرمت فایل
  لینک دسترسی: https://ecdj.ihu.ac.ir/article_204735_en.html

---

برای مشاهده سایر آثار و آمار استنادی انتشارات، می‌توانید به صفحه Google Scholar مراجعه کنید.