基于连续型深度置信神经网络的软件可靠性预测

• 作者: 亓慧 史颖 李灯熬 穆晓芳 侯明星
• 来源期刊: 计算机科学
• 关键词: 深度置信神经网络 软件可靠性 软件失效 学习速率
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 计算机软件|Computer Software
• 页码范围: 86-90
• 页数: 5页
• 分类号: TP311.5
• 语种: 中文
• DOI: 10.11896/jsjkx.210200055

摘要

为了提高软件可靠性智能预测的精度,采用连续型深度置信神经网络算法用于软件可靠性预测.首先提取影响软件可靠性的核心要素样本,并获取样本要素的关键特征;然后建立连续型深度置信神经网络(Deep Belief Network,DBN)的软件可靠性预测模型,输入待预测样本,通过多个受限波尔兹曼机(Restricted Boltzmann Machine,RBM)层的预处理训练,以及多次反向微调迭代获取DBN权重等参数,直到达到最大RBM层数和最大反向微调迭代次数;最后获得稳定的软件可靠性预测模型.实验结果证明,通过合理设置DBN隐藏层节点数和学习速率,可以获得良好的软件可靠性预测准确率和标准差.与常用的软件可靠性预测算法相比,所提算法的预测准确度高且标准差小,在软件可靠性预测方面的适用度较高.