مروری بر پیش بینی خطای نرم افزار مبتنی بر شبکه ی عصبی

نقش سیستمهای کامپیوتری امروزه در بسیاری از کاربردهای حساس و بحرانی اهمیت دارد، بطوری که یک خطای کوچک میتواند منجر به بروز مشکلات جدی شود. محققان با ارائه مدل های مختلف پیش بینی نقص نرم افزار، درصدد رفع خطاهای سیستمی در نرم افزار هستند. آنها نقص را جزیی از یک سیستم معرفی میکنند که وجود آن میتواند باعث شکست یک بخش و یا کل سیستم شود. با افزایش اندازه و پیچیدگی سیستمهای نرم افزاری، صنعت نرمافزار با چالش تحویل سیستم با کیفیت، قابل اعتماد، در زمان مشخص و با بودجه تعیین شده مواجه شده است، که تاثیر نقص نرم افزار ممکن است از محدوده ی خفیف تا نقص های فاجعه بارتر رخ دهد. نقص شدید منجر به نابودی کل سیستم و سقوط آن محسوب میگردد. بنابراین سطح شدت نقص امری ضروری در نرم افزار است. بطور مستقیم تنظیم نقص، نتیجه تخصیص منابع و آماده سازی فعالیتهای آن میباشد. به همین علت پژوهش های زیادی در حوزه ی پیش بینی خطا در نرم افزار انجام شده و شیوه ی کلی تمامی این پژوهشها، به گونه ای است که با جمع آوری معیارهای نرم افزاری برای قطعات و یک مدل ریاضی برای پیشبینی قطعات مستعد خطا ساخته شده است. در واقع هدف پیش بینی نقص نرم افزار افزایش کیفیت نرم افزار، با امکان یافتن نقصها در اوایل کار است.

کلیدواژه ها:

نقص نرم افزاری ، شبکه عصبی پرسپترون ، متوازن سازی