فروش پروژه های دانشجويی و كاری - ناميرا

کد پروژه: 3149عنوان پروژه: فروش پروژه روش بهبود یافته برای پیش بینی خطای نرم افزار با یادگیری ماشین ترکیبی با MATLAB قالب بندی: m - داکیومنت دسته: کامپیوتر - MATLABقیمت: 150.000 تومانقابلیت اجرا در نرم افزار: MATLABشرح مختصر:فروش پروژه روش بهبود یافته برای پیش بینی خطای نرم افزار با یادگیری ماشین ترکیبی با MATLABدر این تحقیق به ارائه یک مدل بهینه با دقتی بالا جهت پیش بینی خطای نرم افزار از داده های PROMISE پرداخته شده است. رویکرد این تحقیق بدین صورت است که در ابتدا داده ها وارد شبکه عصبی عمیق LSTM شده و سپس آموزش و آزمون آن ها به صورت احتمالاتی انجام می گیرد که ساختار شبکه به صورت P-LSTM در نظر گرفته می شود. چون LSTM جز شبکه های عصبی عمیق از نوع بازگشتی می باشد و حالت احتمالاتی یا P-LSTM نیز ساختاری احتمالاتی-بازگشتی دارد، لذا ممکن است نتایج پیش بینی آن دقیق نباشد و حتی به دلیل این که حجم داده ها و ویژگی های PROMISE زیاد است، در یک بهینه محلی و بیش برازش به دام بیفتد و برنامه مدام اجرا شود و هرگز پاسخی مشخص نگردد و پیش بینی صورت نگیرد. لذا تابع کارایی و عملکرد P-LSTM به عنوان تابع برازش الگوریتم بهینه سازی سیاه چاله مدنظر قرار می گیرد تا بتوان یک مدل بهینه سازی دقیق برای پیش بینی خطاهای نرم افزاری ارائه کرد. استفاده از معیارهای کارایی شامل نرخ ضمانت مهلت زمانی نهایی، تاخیر وظیفه متوسط، شاخص مقیاس پذیری سیستم، شاخص مصرف منابع و شاخص استفاده از منابع و همین طور معیارهای ارزیابی میانگین مربعات خطا، دقت، حساسیت، نرخ ویژگی ها و منحنی ROC با نرخ AUC، مدنظر واقع شده اند که نتایج، دقت 95% در پیش بینی خطای نرم افزاری را نشان می دهد و عملکرد مناسب نسبت به روش های پیشین را نمایش داده اس, ...ادامه مطلب