الگوریتم ترکیبی برپایه شبکه عصبی و الگوریتم علف های هرز مهاجم جهت پیش بینی نقص نرم افزار
محل انتشار: کنفرانس بین المللی مهندسی و علوم کامپیوتر
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 679
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCSE01_083
تاریخ نمایه سازی: 14 شهریور 1396
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.
کلیدواژه ها:
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