本文關鍵詞：基于DBN的軟件可靠性預測模型的研究

  更多相關文章： 深度置信網絡 軟件可靠性預測模型 動態(tài)模式跳轉 限制波爾茲曼機 無監(jiān)督學習

【摘要】：安全攸關系統(tǒng)廣泛應用于交通、工控、航空等與國計民生相關的安全攸關領域,對可靠性有著非常高的要求。而控制軟件往往是安全攸關系統(tǒng)的核心,因此對它的可靠性預測精度必須達到很高的要求。將深度置信網絡(DBN)應用于軟件可靠性增長預測模型(SRPM)的研究。針對DBN中核心模塊RBM的無監(jiān)督學習,采用了動態(tài)模式跳轉算法(DMH)。該算法通過動態(tài)地維護一個模式集,然后借助模式集中模式的跳轉來完成RBM中狀態(tài)的跳轉,使RBM的無監(jiān)督學習具有很高的學習效率。通過與參數動態(tài)調整的動態(tài)模糊神經網絡(SADFNN)、BP神經網絡(BPN)以及基于螢火蟲算法的BP神經網絡(FABP)建立的SRPM進行預測能力的比較,實驗結果表明基于DBN建立的SRGM的預測結果精度最高且最穩(wěn)定。
【作者單位】： 南通大學電子信息學院;南通大學計算機科學與技術學院;
【關鍵詞】： 深度置信網絡 軟件可靠性預測模型 動態(tài)模式跳轉 限制波爾茲曼機 無監(jiān)督學習
【分類號】：TP311.53
【正文快照】： 0引言軟件可靠性是軟件質量要求中的一個關鍵指標。軟件可靠性預測模型(SRPM)作為軟件可靠性的評估與預測的主要手段,一直是軟件可靠性工程領域研究的主攻方向。至今已經有上百種軟件可靠性預測模型被提出來,主要目的在于對軟件未來失效預測的實現(xiàn)以及軟件可靠性的預測精度的，

本文編號：532060