基于bp神經(jīng)網(wǎng)絡(luò)在軟件測(cè)試中的應(yīng)用

《基于bp神經(jīng)網(wǎng)絡(luò)在軟件測(cè)試中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、http://www.paper.edu.cn基于BP神經(jīng)網(wǎng)絡(luò)在軟件測(cè)試中的應(yīng)用吳曉南，張璐遼寧工程技術(shù)大學(xué)理學(xué)院，遼寧阜新（123000）E-mail：godstoy@163.com摘要：本文主要闡述了神經(jīng)網(wǎng)絡(luò)的基本原理，以及神經(jīng)網(wǎng)絡(luò)模型BP網(wǎng)絡(luò)算法模型原理，基于BP神經(jīng)網(wǎng)絡(luò)算法在軟件測(cè)試設(shè)計(jì)中的應(yīng)用。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，軟件測(cè)試，軟件故障1．引言軟件分析，設(shè)計(jì)過(guò)程中難免有各種各樣的錯(cuò)誤，需要通過(guò)測(cè)試查找錯(cuò)誤，以保證軟件的質(zhì)量。軟件測(cè)試是由人工或計(jì)算機(jī)來(lái)執(zhí)行或評(píng)價(jià)軟件的過(guò)程，驗(yàn)證軟件是否滿足規(guī)定的需求或識(shí)別期望

2、的結(jié)果和實(shí)際結(jié)果之間又無(wú)差別。大量統(tǒng)計(jì)資料表明，軟件測(cè)試工作量往往占軟件開(kāi)發(fā)總量的40％以上，再極端情況下，如測(cè)試有軟人的聲名安全的軟件所花費(fèi)的成本，可能會(huì)大道軟件攻城其它階段總成本的3～5倍。軟件測(cè)試首先要明確目標(biāo)，然后要掌握測(cè)[1]試方法策略，確實(shí)做到盡可能地將軟件存在的問(wèn)題找出來(lái)，以保證軟件質(zhì)量.而現(xiàn)今的軟件測(cè)試方法和理論仍停留在人工繁瑣的工作之上，效率低下，并不能適應(yīng)現(xiàn)代軟件開(kāi)發(fā)的要求，因此應(yīng)當(dāng)在理論于方法上給與軟件測(cè)試支持。設(shè)計(jì)測(cè)試用例時(shí)，盡可能以最少的測(cè)試用例集合，找出更多的潛在錯(cuò)誤。設(shè)計(jì)測(cè)試用例方

3、法分為黑盒法和白盒法兩類(lèi)。黑盒法又稱功能測(cè)試，其測(cè)試用例完全時(shí)根據(jù)程序的功能說(shuō)明來(lái)設(shè)計(jì)的。在應(yīng)用這種測(cè)試法時(shí)，測(cè)試者完全不考慮程序內(nèi)部結(jié)構(gòu)盒內(nèi)部特性，把軟件看成時(shí)一個(gè)黑盒，測(cè)試時(shí)僅僅關(guān)心如何尋找出可能使程序不按要求運(yùn)行的情況，因而測(cè)試是在程序接口進(jìn)行的?？梢詰?yīng)用神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練測(cè)試用例2．神經(jīng)網(wǎng)絡(luò)原理神經(jīng)網(wǎng)絡(luò)是一個(gè)具有高度非線性的超大規(guī)模連續(xù)時(shí)間動(dòng)力系統(tǒng)。是由大量的處理單元(神經(jīng)元)廣泛互連而形成的網(wǎng)絡(luò)。它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，反映了腦功能的基本特征。但它并不是人腦的真實(shí)描寫(xiě)，而只是它的某種抽象

4、、簡(jiǎn)化與模擬。網(wǎng)絡(luò)的信息處理由神經(jīng)元之間的相互作用來(lái)實(shí)現(xiàn)；知識(shí)與信息的存儲(chǔ)表現(xiàn)為網(wǎng)絡(luò)元件互連間分布式的物理聯(lián)系；網(wǎng)絡(luò)的學(xué)習(xí)和計(jì)算決定于各神經(jīng)元連接權(quán)系的動(dòng)態(tài)演化過(guò)程。因此神經(jīng)元構(gòu)成了網(wǎng)絡(luò)的基本運(yùn)算單元。每個(gè)神經(jīng)元具有自己的閾值。每個(gè)神經(jīng)元的輸入信號(hào)是所有與其相連的神經(jīng)元的輸出信號(hào)和加權(quán)后的和。而輸出信號(hào)是其凈輸入信號(hào)的非線性函數(shù)。如果輸入信號(hào)的加權(quán)集合高于其閾值，該神經(jīng)元便被激活而輸出相應(yīng)的值。在人工神經(jīng)網(wǎng)絡(luò)中所存儲(chǔ)的是單元之間連接的加權(quán)值陣列。神經(jīng)網(wǎng)絡(luò)的工作過(guò)程主要由兩個(gè)階段組成，一個(gè)階段是工作期，此時(shí)各連接

5、權(quán)值固定，計(jì)算單元的狀態(tài)變化，以求達(dá)到穩(wěn)定狀態(tài)。另一階段是學(xué)習(xí)期(自適應(yīng)期，或設(shè)計(jì)期)，此時(shí)各計(jì)算單元狀態(tài)不變，各連接權(quán)值可修改(通過(guò)學(xué)習(xí)樣本或其他方法)，前一階段較快，各單[4]元的狀態(tài)亦稱短期記憶(STM)，后一階段慢的多，權(quán)及連接方式亦稱長(zhǎng)期記憶(LTM)。3．神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與學(xué)習(xí)系統(tǒng)改善自身性能的任何過(guò)程統(tǒng)稱為學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)就是利用應(yīng)用環(huán)境里選出的-1-http://www.paper.edu.cn一些訓(xùn)練數(shù)據(jù)（也稱樣本）來(lái)不斷調(diào)整神經(jīng)網(wǎng)絡(luò)中的權(quán)矩陣W，直到輸入－輸出結(jié)論與實(shí)際相吻合為止。3.1監(jiān)

6、控式學(xué)習(xí)此種學(xué)習(xí)訓(xùn)練方式中，神經(jīng)網(wǎng)絡(luò)的輸入與輸出樣本稱對(duì)給出，設(shè)訓(xùn)練數(shù)據(jù)為（Xi,Yi）,i=1,2,...,n。W的調(diào)整原則是，對(duì)給定的輸入Xi，由網(wǎng)絡(luò)計(jì)算產(chǎn)生yi’,然后根據(jù)yi與yi’的誤差調(diào)整權(quán)重W,使輸出朝正確方向發(fā)展。監(jiān)控式學(xué)習(xí)的優(yōu)點(diǎn)式簡(jiǎn)單，缺電是要求導(dǎo)師對(duì)環(huán)境及網(wǎng)絡(luò)結(jié)構(gòu)充分了解，環(huán)境一旦發(fā)生變化，W也需要重新調(diào)整，又人類(lèi)接受只是的機(jī)制并非都是有導(dǎo)師式的，這與存在于嬰兒大腦中的自組織行為不完全一致。3.2無(wú)監(jiān)控式學(xué)習(xí)在這種學(xué)習(xí)方式中，訓(xùn)練數(shù)據(jù)不是成對(duì)給出的，只是給出輸入，而不指定輸出式什么。訓(xùn)練后的

7、網(wǎng)絡(luò)應(yīng)能對(duì)給定的任何輸入都能產(chǎn)生確定的輸出，調(diào)整W的原則是：只要產(chǎn)生的輸出不矛盾，即相似的輸入應(yīng)有相似的輸出。這種訓(xùn)練可以使網(wǎng)絡(luò)具有自組織和自學(xué)習(xí)的能力。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，學(xué)習(xí)規(guī)則的確定的非常重要的，它直接關(guān)系到神經(jīng)網(wǎng)絡(luò)的性能。3.3BP學(xué)習(xí)算法與應(yīng)用:1）初始化在依據(jù)實(shí)際問(wèn)題(輸入變量和輸出變量個(gè)數(shù))給出網(wǎng)絡(luò)聯(lián)接結(jié)構(gòu),隨機(jī)的設(shè)置所有聯(lián)接權(quán)值為任意小.2）提供訓(xùn)練樣本如果輸入變量為n個(gè),輸出變量為m個(gè),則每個(gè)訓(xùn)練樣本形式為(x1,x2,…xn;t1,t2,…,tm)這里t1,t2,…,tm是輸入為x1,x2,

8、…xn時(shí)的期望輸出.3）計(jì)算實(shí)際輸出?1利用非線性函數(shù)yj=+[1exp(?∑wxiji)]逐級(jí)計(jì)算各層節(jié)點(diǎn)(不包括輸入層)的輸出i值,令最后的輸出為o1,o2,..om.4）權(quán)值調(diào)整用遞歸方法從輸出節(jié)點(diǎn)開(kāi)始返回到隱層節(jié)點(diǎn),按下式調(diào)整權(quán)值.wwoij(1NN+=)()ij+ηiδj這里0i是上層第i節(jié)點(diǎn)的輸出.若j是輸出層節(jié)點(diǎn),則=??(1)()δjjootojjj若j是隱層節(jié)點(diǎn),則δ