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

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.

کلیدواژه ها:

پیش بینی قابلیت اطمینان نرم افزار ، الگوریتم ژنتیک ، شبکه عصبی پرسپترون ، سری های زمانی