طراحی یک روش بهبودیافته جهت افزایش قابلیت تحملپذیری اشکال در سطح کاربردسیستمهای نهفته مبتنی بر تکنیکهای نقطه وارسی

سیستمهای نهفته در محیطهای پر اغتشاش نیز بکار برده میشوند، بنابراین نیازمند پیاده سازی روشهای تحمل پذیری اشکال در طراحی خود میباشند. با این توصیف باید به دنبال روشهایی برای افزای تحمل پذیری اشکال بود. یکی از روشهای افزای تحل پذیری اشکال در سیستمهای نهفته، مکانیزم ثبت نقطه وارسی میباشد. اما ایان مکانیزم به نوبه خود سربارهایی را به سیستم تحملی میکند که از جمله آنها میحوان به سربار نقطه وارسی و حااخیر نقطه وارسی اشاره نمود. یکی از اهداف این مقاله، مطالعه و بررسی روشها و الگوریتمهای نقطه وارسی میباشد که سعی در کاه سایز نقطه وارسی دارند. در این مقاله یک حکنیک کاه سایز نقطه وارسی مبتنی بر شبکه های عصبی معرفی میگردد. با استفاده ازاین تکنیک، کاه سایز نقطه وارسی با استفاده از سه نوع از الگوریتمهای آموزش شبکههای عصابی مورد ارزیابی قرار گرفته است و در نهایت الگوریتم آموزش بهینه جهت پیدا شدن بهترین سایز نقطه وارسی بدست میآید. با تجه به اینکه در مجموعه داده موجود بهترین سایز نقطه وارسی وجود دارد، این مقاله با استفاده از شبکه عصبی مناسب و نوع آموزش بکار رفته به مقدار بهینه سایز نقطه وارسی که هلان سایز نقطه وارسی مجلوعه داده میباشد نزدیک شده است که میزان نزدیک شدن به مقدار بهینه 98/57 درصد میباشد که مقدار اب ملاحظهای میباشد

کلیدواژه ها:

تحمل پذیری اشکال ، نقطه وارسی ، سیستمهای نهفته ، سطح کاربرد ، شابکه عصبی مصنوعی ، کاهشسایز