انتشارات

مقالات آزمایشگاه در مجلات و کنفرانس‌های معتبر بین‌المللی و داخلی منتشر می‌شوند. فهرست زیر بر پایه فراداده‌های ثبت‌شده در Crossref تنظیم شده است و برای هر مقاله عنوان انگلیسی، نویسندگان، محل انتشار و سال درج شده است.

فهرست کامل و آمار استنادی در Google Scholar

ژورنال‌های بین‌المللی

2025

• توسعه مبتنی بر آزمون‌پذیری: بهبود کارایی TDD
  Testability-driven development: An improvement to the TDD efficiencySaeed Parsa, Morteza Zakeri-Nasrabadi, Burak Turhan — Computer Standards & Interfacesdoi:10.1016/j.csi.2024.103877

2024

• طراحی شیشه‌های قابل تبادل یونی با عملکرد بالا با بهینه‌سازی چندهدفه و یادگیری ماشین
  Designing high-performance ion-exchangeable glasses with multi-objective optimization and machine learningOmid Banapour Ghaffari, Bijan Eftekhari Yekta, Morteza Zakeri-Nasrabadi — Ceramics Internationaldoi:10.1016/j.ceramint.2024.08.141

• اندازه‌گیری و بهبود آزمون‌پذیری نرم‌افزار در سطح طراحی
  Measuring and improving software testability at the design levelMorteza Zakeri-Nasrabadi, Saeed Parsa, Sadegh Jafari — Information and Software Technologydoi:10.1016/j.infsof.2024.107511

• پیش‌بینی ردیابی الزامات چندنوعی با افزایش داده کد و تنظیم دقیق MS-CodeBERT
  Multi-type requirements traceability prediction by code data augmentation and fine-tuning MS-CodeBERTAli Majidzadeh, Mehrdad Ashtiani, Morteza Zakeri-Nasrabadi — Computer Standards & Interfacesdoi:10.1016/j.csi.2024.103850

• ارزیابی شاخص‌های عصبی توجه در مواجهه با نویز ساخت و ساز با طبقه‌بندی یادگیری ماشین داده‌های EEG
  Assessing Neural Markers of Attention During Exposure to Construction Noise Using Machine Learning Classification of Electroencephalogram DataMostafa Mir, Farnad Nasirzadeh, Morteza Zakeri-Nasrabadi, Aron T. Hill, Chandan Karmakar — Elsevier BVdoi:10.2139/ssrn.4698727

• آزمون دامنه پوی با استفاده از روش مونت کارلو مبتنی بر زنجیره مارکوف چندعامل
  Dynamic domain testing with multi-agent Markov chain Monte Carlo methodRoshan Golmohammadi, Saeed Parsa, Morteza Zakeri-Nasrabadi — Soft Computingdoi:10.1007/s00500-024-09680-5

• اندازه‌گیری آزمون‌پذیری الزامات زبان طبیعی مبتنی بر بوی الزامات
  Natural language requirements testability measurement based on requirement smellsMorteza Zakeri-Nasrabadi, Saeed Parsa — Neural Computing and Applicationsdoi:10.1007/s00521-024-09730-x

2023

• برآورد «عمق لایه» (DOL) در شیشه‌های تبادلی یونی با یادگیری ماشین قابل توضیح
  Estimating 'Depth of Layer' (DOL) in Ion-Exchanged Glasses Using Explainable Machine LearningOmid Banapour Ghaffari, Bijan Eftekhari Yekta, Morteza Zakeri-Nasrabadi — Elsevier BVdoi:10.2139/ssrn.4597581

• حمایت از اصل مسئولیت واحد از طریق استخراج و بازسازی خودکار متد
  Supporting single responsibility through automated extract method refactoringAlireza Ardalani, Saeed Parsa, Morteza Zakeri-Nasrabadi, Alexander Chatzigeorgiou — Empirical Software Engineeringdoi:10.1007/s10664-023-10427-3

• مروری سیستماتیک بر اندازه‌گیری تشابه کد منبع و شناسایی کلون: تکنیک‌ها، کاربردها و چالش‌ها
  A systematic literature review on source code similarity measurement and clone detection: Techniques, applications, and challengesMorteza Zakeri-Nasrabadi, Saeed Parsa, Mohammad Ramezani, Chanchal Roy, Masoud Ekhtiarzadeh — Journal of Systems and Softwaredoi:10.1016/j.jss.2023.111796

• مروری سیستماتیک بر مجموعه‌های داده بوی کد و مکانیزم‌های اعتبارسنجی
  A Systematic Literature Review on the Code Smells Datasets and Validation MechanismsMorteza Zakeri-Nasrabadi, Saeed Parsa, Ehsan Esmaili, Fabio Palomba — ACM Computing Surveysdoi:10.1145/3596908

• پیشنهاد نام متد بر اساس معیارهای کد منبع
  Method name recommendation based on source code metricsSaeed Parsa, Morteza Zakeri-Nasrabadi, Masoud Ekhtiarzadeh, Mohammad Ramezani — Journal of Computer Languagesdoi:10.1016/j.cola.2022.101177

2022

• استفاده از روش ترکیبی meta-estimator برای پیش‌بینی آزمون‌پذیری کد منبع
  An ensemble meta-estimator to predict source code testabilityMorteza Zakeri-Nasrabadi, Saeed Parsa — Applied Soft Computingdoi:10.1016/j.asoc.2022.109562

• رویکرد بازسازی اتوماتیک استخراج متد برای رفع بوی کد متدهای بلند
  An automated extract method refactoring approach to correct the long method code smellMahnoosh Shahidi, Mehrdad Ashtiani, Morteza Zakeri-Nasrabadi — Journal of Systems and Softwaredoi:10.1016/j.jss.2022.111221

2021

• یادگیری برای پیش‌بینی اثربخشی آزمون
  Learning to predict test effectivenessMorteza Zakeri‐Nasrabadi, Saeed Parsa — International Journal of Intelligent Systemsdoi:10.1002/int.22722

• بررسی جامع سیستم‌های پایش حجم مثانه پوشیدنی غیرتهاجمی
  A comprehensive survey on non-invasive wearable bladder volume monitoring systemsMorteza Zakeri Nasrabadi, Hamideh Tabibi, Mahsa Salmani, Mahdieh Torkashvand, Eisa Zarepour — Medical & Biological Engineering & Computingdoi:10.1007/s11517-021-02395-x

2020

• یادگیری و فاز با آگاهی از فرمت: تولید داده‌های آزمون عمیق برای فاز مؤثر
  Format-aware learn&fuzz: deep test data generation for efficient fuzzingMorteza Zakeri Nasrabadi, Saeed Parsa, Akram Kalaee — Neural Computing and Applicationsdoi:10.1007/s00521-020-05039-7

سایر انتشارات این بخش

در دست تکمیل

فراداده این مقالات (سال، نویسندگان و محل انتشار) هنوز ثبت نشده است.

• BiliBin: پلتفرم هوشمند مبتنی بر تلفن همراه برای نظارت بر زردی نوزادان
  مشاهده مقاله

کنفرانس‌ها

2021

• یادگیری برای پیش‌بینی آزمون‌پذیری نرم‌افزار
  Learning to Predict Software TestabilityMorteza Zakeri Nasrabadi, Saeed Parsa — 2021 26th International Computer Conference, Computer Society of Iran (CSICC)doi:10.1109/CSICC52343.2021.9420548

سایر انتشارات این بخش

در دست تکمیل

فراداده این مقالات (سال، نویسندگان و محل انتشار) هنوز ثبت نشده است.

• شناسایی عمیق بیماری‌های گیاهی
  مشاهده مقاله

• افزایش داده‌های کد برای بهبود عملکرد مدل‌های زبانی در بازیابی ارتباط ردیابی الزامات به کد
  مشاهده مقاله

• تحلیل پدیده‌های اجتماعی با استفاده از تکنیک‌های یادگیری ماشین: چارچوب پژوهشی ترکیبی
  مشاهده مقاله

نشریات داخلی (ISC)

سایر انتشارات این بخش

در دست تکمیل

فراداده این مقالات (سال، نویسندگان و محل انتشار) هنوز ثبت نشده است.

• تولید خودکار داده‌های تست برای بهبود مکان‌یابی خطا بر اساس تحلیل علّی-آماری
  مشاهده مقاله

• تولید خودکار داده‌های تست در Fuzzers فرمت فایل
  مشاهده مقاله

---

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