Institutsseminar/2025-07-25: Unterschied zwischen den Versionen

Aktuelle Version vom 24. Juni 2025, 10:00 Uhr

Termin in Kalender importieren: iCal (Download)

Evaluating the suitability of ML-based surrogate models for performance prediction with design-time software architecture models
Vortragende(r)	Vincenzo Pace
Vortragstyp	Masterarbeit
Betreuer(in)	Sebastian Weber
Vortragssprache	Deutsch
Vortragsmodus	in Präsenz
Kurzfassung	Die vorliegende Masterarbeit beschäftigt sich mit der Leistungsprognose von komponentenbasierten Softwaresystemen auf Basis maschinellen Lernens. Ziel ist es zu untersuchen, inwiefern sich Leistungskennzahlen wie Antwortzeit oder Ressourcenauslastung allein anhand von Architekturmodellen in textueller Repräsentation vorhersagen lassen. Der Ansatz steht im Kontrast zu etablierten Verfahren wie der simulationsbasierten Analyse mit Palladio, die präzise, aber aufwändig in der Anwendung sind. Durch den Einsatz von ML-Modellen soll eine niederschwelligere Alternative zur frühzeitigen Einschätzung von Performanzeigenschaften in der Architekturphase ermöglicht werden. Die Arbeit versteht sich als explorativer Beitrag an der Schnittstelle zwischen Softwarearchitektur und maschinellem Lernen und untersucht insbesondere die grundsätzliche Machbarkeit sowie die Herausforderungen eines solchen Verfahrens im Hinblick auf Datenqualität, Modellkomplexität und Aussagekraft der Prognosen.

Implementing Relational Queries on Models as Triple Graph Grammars
Vortragende(r)	Daniel Ritz
Vortragstyp	Masterarbeit
Betreuer(in)	Lars König
Vortragssprache	Englisch
Vortragsmodus	in Präsenz
Kurzfassung	Transformations between models play a vital role in model-driven software development and engineering. Especially view-based approaches with user-defined views mandate the need for a simple language or model to specify transformations to views and back, as well as for synchronizations of incremental changes. We introduce a method based on relational operators that we implement by utilizing triple graph grammars as an underlying transformation language. We demonstrate that the approach is sufficiently expressive to transform models of simple to medium complexity. Nonetheless, we have determined that further research is required to enhance the expressiveness of the proposed operators.

@@ Zeile 2: / Zeile 2: @@
 |datum=2025-07-25T14:00:00.000Z
 |raum=Raum 010 (Gebäude 50.34)
+|prof=Ralf Reussner
 }}