پیش بینی قابلیت اطمینان نرم افزار با استفاده از ترکیب شبکه عصبی و روش های آماری

چکیده مقاله

تجربه چند دهه اخیر در صنایع این واقعیت را نشان میدهد که یکی از موثرترین عوامل در بهبود شرایط صنعتی، بحث قابلیت اطمینان نرم افزار است کاربرد شبکه های هوشمندو هیبرید عصبی به جای روشهای آماری سنتی بهبود قابل توجهی در پیش بینی قابلیت اطمینان نرمافزار را در سالهای اخیر، ایجاد کرده است شبکه عصبی توانایی بالایی در پیشبینی دارد و میتوان از آن در پیشبینی وضعیت آتی خطاهای نرم افزاری استفاده نمود در این مقاله، روشی برای پیشبینی قابلیت اطمینان نرم افزار با استفاده از ترکیب شبکه عصبی و الگوریتم ژنتیک ارایه میشود هدف ارایه ساختاری است که به سادگی قابل پیاده سازی و تعمیم باشد نتایج مدل ارایه شده با نتایج مقالات معتبر مورد مقایسه قرار گرفت نتایج به دست آمده نشان میدهد با انتخاب الگوریتم بهینهسازی مناسب و ترکیب آن با شبکه عصبی میتوان خطای آموزش شبکه را به میزان قابل توجهی کاهش داد مقدار مجذور میانگین مربعات خطا به عنوان شاخص اندازه گیری مورد استفاده قرار گرفت و نتایج به دست آمده عدد0/102 را برای روش پیشنهادی در بهترین حالت نشان میدهد

کلیدواژه‌ها

نویسندگان

مطهره بیدشکی

دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه غیرانتفاعی جاوید، جیرفت، ایران

عمید خطیبی بردسیری

استادیار، گروه مهندسی کامپیوتر، واحد کرمان، دانشگاه آزاد اسلامی، کرمان ایران

�یدشکی، مطهره و خطیبی بردسیری، عمید،1396،پیش بینی قابلیت اطمینان نرم افزار با استفاده از ترکیب شبکه عصبی و روش های آماری،دومین کنفرانس ملی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی محاسبات نرم1 آذر 1396 · رودسر