基于结合模拟退火算法的动态模糊神经网络的软件可靠性增长模型
利用模拟退火算法对动态模糊神经网络的自身参数进行动态调整(SAA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。用软件失效数据在对动态模糊神经网络进行训练的过程中,用模拟退火算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。根据3组软件缺陷数据,将SAA-DFNN建立的SRGM与模糊神经网络(FNN)、BP神经网络(BPN)、G-O模型建立的SRGM的预测能力进行比较,仿真结果表明,根据SAA-DFNN建立的SRGM的单步向前预测能力稳定,预测误差小,并具有一定的通用性。
人工智能、软件可靠性增长模型、动态模糊神经网络、模拟退火算法、单步向前预测
42
TP183(自动化基础理论)
中国科学院知识创新项目KGCX2-YW-911-2
2012-11-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
1225-1230