الگوریتم ترکیبی برپایه شبکه عصبی و الگوریتم علف های هرز مهاجم جهت پیش بینی نقص نرم افزار

چکیده مقاله

تشخیص خطاهای نرم افزار یکی از بزرگترین چالش های توسعه نرم افزار است پیش بینی نقص نرم افزار, یک زمینه مهم در پژوهشهای کیفیت نرمافزاری است که باعث صرفه جویی در زمان و هزینه می شود شبکه عصبی پرسپترون چندلایه به همراه الگوریتم آموزشی پس انتشار خطا, به طور معمول برای حل مسایل دسته بندی , پیش بینی و مسایل محاسباتی گوناگون به کار میرود ایراد اصلی الگوریتم آموزشی پس انتشار خطا این است که به دلیل وجود مینیممه ای محلی زیادی در فضای راه حل, امکان به دام افتادن الگوریتم آموزش شبکه عصبی در مینیمم های محلی وجود دارد که در نتیجه منجر به کاهش کارایی شبکه عصبی در فرآیند پیش بینی می گردد در این تحقیق به منظور غلبه بر این مشکل , الگوریتم علف های هرز به همراه الگوریتم آموزشی پس انتشار خطا جهت آموزش شبکه عصبی پرسپترون چند لایه به منظور انجام پیش بینی نقص نرم افزار به کار رفته است سپس کارایی الگوریتم مطرح شده در مقابل الگوریتم های رایج مقایسه شده است نتایج به دست آمده نشاندهندهی برتری الگوریتم پیشنهادی نسبت به سه الگوریتم دیگرمی باشد

کلیدواژه‌ها

نویسندگان

زهره رویایی

دانشجوی دکتری، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان ، کرمان، ایران

عمید خطیبی بردسیری

هیات علمی دانشگاه آزاد اسلامی واحد بردسیر، گروه کامپیوتر، نرم افزار، ایران

�ویایی، زهره و خطیبی بردسیری، عمید،1395،الگوریتم ترکیبی برپایه شبکه عصبی و الگوریتم علف های هرز مهاجم جهت پیش بینی نقص نرم افزار،کنفرانس بین المللی مهندسی و علوم کامپیوتر،نجف آباد

ارائه‌شده در

مجموعه مقالات دومین کنفرانس بین المللی مهندسی و علوم کامپیوتر29 آذر 1401 · نجف آباد