پیش بینی قابلیت اعتماد نرم افزار با مجموع شبکه های عصبی ارزیابی شده

قابلیت اعتماد نرم افزار یک عامل مهم برای مشخص کردن کمی کیفیت نرم افزار به شمار می رود و دوره تست نرم افزار را تخمین می زند مدلهایتوسعه یافته پارامترهای سنتی قابلیت اعتماد نرم افزار SRGMs از قبیل مدلهای غیرهمگن فرایند پواسن NHPP بطور موفقیت امیزی در مهندسی قابلیت اعتماد نرم افزارعملی استفاده شده است بههرحال هیچ چنین مدل پارامتری ای نمی تواند درهمه موارد پیش بینی درستی را انجام دهد به علاوه ی مدلهای پارامتری مدلهایغیر پارامتر هم مانند شبکه های عصبی نشان داده اند که می توانند تکنیکهای موثری برای پیش بینی قابلیت اطمینان نرم افزار به شمار روند دراین مقاله ما روشی را بررسی می کنیم که در آن یک سیستمغیر پارامتری ارائه می شود که پیش بینی بهتری را از قابلیت اطمینان نرم افزار براساس مجموع شبکه عصبی و مدلهای NHPP ارائه می کند سپس با استفاده از شبیه ساز شبکه عصبی که TrajanNNs نام دارد ارزیابیهایی را برروی مولفه های شبکه عصبی سیستم انجام می دهیم. نتایج ازمایشات نشان می دهد قابلیت پیش بینی سیستم با ترکیب کردن چندین شبکه عصبی ارزیابی شده بهبود می یابد.

کلیدواژه ها:

قابلیت اعتماد ، مجموع شبکه های عصبی ارزیابی شده شبکه های عصبی ، مدل توسعه قابلیت اعتماد نرم افزار ، مدل فرایند پواسن غیرهمگن ، شبیه ساز شبکه عصبی