基于参数动态调整的动态模糊神经网络的软件可靠性增长模型

被引：21

作者：

刘逻 ^{[1
,2
]}

郭立红 ^{[1
]}

肖辉 ^{[1
]}

王建军 ^{[1
]}

王改革 ^{[1
,2
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院研究生院

来源：

计算机科学 | 2013年 / 40卷 / 02期

关键词：

软件可靠性增长模型; 动态模糊神经网络; 遗传算法; 短期预测;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP311.53 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081202 ;

摘要：

利用遗传算法对动态模糊神经网络的自身参数进行动态调整(GA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。在对动态模糊神经网络进行训练的过程中,用遗传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。利用3组软件缺陷数据,对用GA-DFNN建立的SRGM和模糊神经网络(FNN)以及BP神经网络(BPN)建立的SRGM的预测能力进行了比较,仿真结果证实,根据GA-DFNN建立的SRGM的短期预测能力稳定,短期预测误差小,且具有一定的通用性。

引用

页码：186 / 190

页数：5

共 10 条

[1]

基于神经网络的软件可靠性模型.[D].尹乾.北京师范大学.2006, 06

[2] 基于动态模糊神经网络的变桨距系统辨识 [J].