پروژه بررسی قابلیت اعتماد نرم افزار

مدل های توسعه یافته پارامتری سنتی قابلیت اعتمادنرم افزار (SRGMS) ازقبیل مدل های غیرهمگن فرایند پوآسن (NHPP ) به طورموفقیت آمیزی درمهندسی قابلیت اعتماد نرم افزار عملی استفاده شده است.به هرحال،هیچ مدل پرامتری ای نمیتواند درهمه موارد پیش بینی درستی را انجام دهدبه علاوه ی مدل های پارامتری،مدل های غیرپارامتری هم مانندشبکه های عصبی نشان داده اندکه میتواند تکنیک های موثری برای پیش بینی قابلیت اطمینان نرم افزاربه شمار روند.
در این گزارش ،مدل های قابلیت اطمینان نرم افزارطبق چرخه حیات توسعه نرم افزاررده بندی شده تعدادی از معیارها به همراه اولویت اهمیت ان ها برای انتخاب مدل قابلیت اطمینان نرم افزارتعیین وتعریف می شود همچنین الگوریتمی برای استفاده از این معیاربیان می شود، مطالعه در قابلیت رشدOSS با رابطه برطرف کردن عیوب و زمان بروز رسانی عیب ها، مشکلات نقشه های پخش شده مطلوب که هزینه تست کردن انتشار رابه حداقل می رساند که بردن آن به بازار درزیر فشاربرای حذف درجه خطا در انتشار صورت می گیرد و همچنین روشی رابررسی میکنیم که درآن یک سیستم غیره پارامتری ارائه میشود که پیش بینی بهتری را از قابلیت اطمینان نرم افزار براساس مجموع شبکه عصبی ومدل های NHPP، ارائه میشوند.
در این گزارش علاوه بر شناسایی چند روش قابلیت اطمینان نرم افزار راهکارهای انتخاب مدل مناسب نیز مورد بررسی قرار گرفته است.

فهرست مطالب:
چکیده     
مقدمه    
انتشار منفرد V/S مدلهای ترقی قابلیت اعتماد چند بخشی    
srgm یک بعدی V/S بر خلاف srgm دو بعدی     
مشکل برنامه ریزی انتشار    
چهار چوب مدل سازی دو بعدی     
چهار چوب مدل سازی انتشار چند تایی دو بعدی    
انتشار متعدد دو بعدی مدل سازی SRGM    
الگوریتم حل روش تکوینی     
مدل پیشرفته نرم افزار قابل اعتماد     
هدف ها سوالات تحقیق و استاندارد ها    
مولفه شبکه عصبی    
نتیجه گیری    
سپاسگذاری    
مراجع

---

جهت دانلود اینجا کلیک کنید