ملیحه خان آقایی - دانشجوی کارشناسی فناوری اطلاعات، دانشگاه جامع علمی کاربردی واحد سیرجان
زینب دریابیگی - دانشجوی کارشناسی فناوری اطلاعات، دانشگاه جامع علمی کاربردی واحد سیرجان
سارا عرب گویینی - دانشجوی کارشناسی فناوری اطلاعات، دانشگاه جامع علمی کاربردی واحد سیرجان
فاطمه گلستانی - دانشجوی کارشناسی فناوری اطلاعات، دانشگاه جامع علمی کاربردی واحد سیرجان

پیش بینی نقص های موجود در محصول نرم افزاری یکی از مسائل قابل توجه در زمینه مهندسی نرم افزار می باشد که کمک حائز اهمیتی در صرفه جویی زمانی و در فرآیند تولید و نگهداری نرم افزار می کند. از آنجا که پیچیدگی و محدودیت های توسعه نرم افزار رو به رشد می باشد با عواقب ناخوشایندی از قبیل خرابی و خطا، کیفیت نرم افزار و همچنین کاهش سطح رضایت مشتری روبرو هستیم، از این رو تولید نرم افزار بدون خطا بسیار دشوار و چالش برانگیز است. یکی از مدل های کارا در این زمینه، شبکه های عصبی توابع پایه شعاعی است. در این تحقیق برای پیش بینی نقص نرم افزار، از شبکه های عصبی از این نوع استفاده شده است. پس از اینکه روش پیشنهادی ارائه گردید آن را بروی دو دیتاست استاندارد KC1 و CM1 اعمال نمودیم. این مجموعه، دیتاست های تست آزمون نرم افزار می باشند که از سایت معتبر thorlabs می باشد قابل دریافت می باشند. سپس نتایج روش پیشنهادی را با نتایج چندین روش دیگر مورد ارزیابی قرار دادیم. نتایج مقایسه تکنیک پیشنهادی با سایر تکنیک ها نشان میدهد که روش ارائه شده نسبت به سایر روش ها نتیجه مطلوب تری را ارائه می نماید.

شبکه های عصبی، نرخ تشخیص خطا، پیش بینی، دیتاست، آزمون نرم افزار