ارایه مدل فازی عصبی برای برآوردقابلیت اطمینان سیستمهای نرم افزاری مبتنی برمولفه
محل انتشار: اولین کنفرانس ملی کنفرانس ملی ربات های پروازی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 677
فایل این مقاله در 5 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:
FROMIHE01_046
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
الگوریتمها و تکنیکهای زیادی برای تقریب قابلیت اطمینان در سیستمهای نرم افزاری مولفهگرا وجود دارد،. با توجه به اینکه قابلیت اطمینان، یک پدیده بلادرنگ است، تکنیکهای محاسبات نرم میتوانند به حل مسایلی که مقادیر آنها غیرقطعی و غیر قابل پیشبینی هستند، کمک کند. مدلهایی از محاسبات نرم برای تقریب قابلیت اطمینان سیستم های نرم افزاری مولفه گرا پیشنهاد می شودکه از جمله آنها میتوان به شبکه های عصبی و منطق فازی اشاره نمود. در این مقاله، روشی را برای برآورد قابلیت اطمینان سیستمهای نرمافزاری مولفهگرا با استفاده از مدل استنتاج فازی عصبی تطابقی بررسی میکنیم؛ علاوه بر آن، کارایی این روش را با سیستم استنتاج فازی ساده ممدانی و سیستم استنتاج فازی با قوانین بهینه شده بوسیله الگوریتم ژنتیک برای مجموعهای از دادهها، مقایسه خواهیم کرد. با استفاده از الگوریتم ژنتیک بهترین قوانین فازی که کمترین میانگین مربعات خطارا نسبت به دادههای اصلی ایجاد میکنند بدست خواهیم آورد. در این مقاله نشان دادیم که روش سیستم استنتاج فازیعصبی تطابقی، با درصد برابر 2/98 بهترین ارزیابی را جهت برآورد قابلیت اطمینان سیستم نرمافزاری مولفهگرا نسبت به روش سیستم استنتاج فازی و همچنین روش سیستم استنتاج فازی بهینه شده با استفاده از الگوریتم ژنتیک ارایه میدهد.
کلیدواژه ها:
فازی عصبی ، سیستمهای نرمافزاری مبتنی بر مولفه ، فازی ، الگوریتم ژنتیک ، قابلیت اطمینان ، مدل قابلیت اطمینان
نویسندگان
حامد گرجی زاده
موسسه آموزش عالی میرداماد گرگان
مهیا بای
سازمان آموزش و پرورش استان گلستان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :