یادگیری خودکار رفتار استفاده و ایجاد توالی رویداد برای آزمایش جعبه سیاه سیستم های واکنشی
| عنوان | یادگیری خودکار رفتار استفاده و ایجاد توالی رویداد برای آزمایش جعبه سیاه سیستم های واکنشی |
|---|---|
| نویسنده | کیراچ، مصطفی فورکان، آکتمور، تانکوت باریش، سوزر، حسن، گبیزلی، سی. |
| تاریخ انتشار: | 2019-06 |
| محل انتشار | - کتابخانه دیجیتال ACM |
| موضوع | تولید مورد تست، تست جعبه سیاه، شبکه های عصبی مکرر، شبکه های حافظه کوتاه مدت، رفتار استفاده از یادگیری |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 0963-9314 |
| شماره ثبت | 40a3ff0b-b5a5-4fd3-8f02-bfc07cb0df8f |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2019-06 |
| متن نمونه | ما یک تکنیک جدید مبتنی بر شبکههای عصبی مصنوعی مکرر برای تولید موارد آزمایشی برای آزمایش جعبه سیاه سیستمهای واکنشپذیر پیشنهاد میکنیم. ما ورودیهای تست عملکردی را که بهطور خودکار از یک مدل تولید میشوند، با موارد آزمایشی دستی برای تست استحکام ترکیب میکنیم. ما از این ترکیب برای آموزش شبکه حافظه کوتاه مدت (LSTM) استفاده می کنیم. در نتیجه، شبکه نمایشی ضمنی از رفتار استفاده را میآموزد که در معرض شکست است. ما از این شبکه برای تولید توالی رویدادهای جدید به عنوان موارد آزمایشی استفاده می کنیم. ما رویکرد خود را در زمینه یک مطالعه موردی صنعتی برای آزمایش جعبه سیاه یک سیستم تلویزیون دیجیتال اعمال کردیم. کیسهای آزمایشی تولید شده توسط LSTM قادر به آشکارسازی چندین خطا، از جمله موارد حیاتی، بودند که با فعالیتهای تست خودکار یا دستی موجود شناسایی نشدند. رویکرد ما مکمل آزمایش مبتنی بر مدل و آزمایش اکتشافی است و رویکرد ترکیبی از نظر پوشش خطا و زمان اجرا بهتر از آزمایش تصادفی است. |
| DOI | 10.1007/s11219-018-9439-1 |
| Cilt | 27 |
