文献

J-GLOBAL ID：201702215769314521   整理番号：17A1657361

ロジスティック成長ニューラルネットワークモデルに基づくソフトウェア試験方法【JST・京大機械翻訳】

Software testing method for Logistic growth model based on neural network

著者 (5件)： Wei Linjing (甘粛農業大学 信息科学技術学院,甘粛 蘭州,730070) ,  Ning Lulu (南洋理工大学 生物科学学院,新加坡,639798) ,  Lian Zhichao (南京理工大学 計算机科学与工程学院,江蘇 南京,210094) ,  Wang Lianguo (甘粛農業大学 信息科学技術学院,甘粛 蘭州,730070) ,  Hou Zhenxing (南京大学 信息管理学院,江蘇 南京,210093)
資料名： Harbin Gongcheng Daxue Xuebao  (Harbin Gongcheng Daxue Xuebao)
巻： 38  号： 4  ページ： 646-651  発行年： 2017年 
JST資料番号： W1512A  ISSN： 1006-7043  CODEN： HGHPF2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ソフトウェア信頼性評価性能はソフトウェア試験の作業量に直接影響を与えるため,本論文では,ソフトウェアテストにおける故障検出と補正処理の問題に対して,ロジスティック成長ニューラルネットワークに基づくソフトウェア試験方法を提案した。この方法は,ソフトウェア工学の多様性を考慮し,ロジスティック成長曲線を用いて,ニューラルネットワークモデルを構築して,故障検出を完了し,指数分布補正時間と組み合わせて,故障補正プロセスを完成した。二つのグループの実際の故障データセット(OhbaとWood)の実験を通じて、提案方法を既存のソフトウェア信頼性成長モデル(software reliability growth model、SRGM)と比較した。結果により、ロジスティック成長神経回路網モデルのモデルフィッティング効果が最も良く、より良いソフトウェア信頼性評価性能とモデル適応性を示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 成長曲線 ,  指数分布 ,  ソフトウェア工学 ,  *ニューラルネットワーク ,  *ソフトウェア ,  故障 ,  故障検出
準シソーラス用語： モデル適応 ,  モデルあてはめ ,  成長モデル ,  ソフトウェアテスト ,  ソフトウェア信頼性 ,  *試験方法 ,  *神経回路網モデル , 【Automatic Indexing@JST】

著者キーワード (7件)： Software testing ,  reliability evaluation ,  neural network ,  software reliability growth model ,  Logistic curve ,  Wood data set ,  Ohba data set

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 成長 ,  ニューラルネットワークモデル ,  ソフトウェア ,  試験方法