组合导航软件可靠性的神经网络动态预测

在组合导航系统大规模软件开发中,为了控制软件的质量,必须对软件模块的缺陷数进行预测．本文根据软件模块测试报告,用神经网络动态预测了软件模块的缺陷数．结果表明：神经网络预测软件缺陷数比传统的G-O模型有更好的质量拟合度和估测能力．     

组合导航系统软件可靠性的神经网络静态预测

在组合导航系统大规模软件开发中，为了控制软件的质量，必须对软件模块的缺陷数进行预测，根据软件模块测试报告及软件复杂度，用神经网络方法预测了软件模块的缺陷数，结果表明：神经网络预测软件缺陷数化传统的线性回归方法具有更好的质量拟合度和估测能力。     

组合导航软件可靠性的评估

在大规模导航软件系统中,软件评估的主要任务就是要精确地估测程序模块中存在的缺陷数.介绍了组合导航软件的评估方法和步骤,着重介绍了 JM 模型和 G-O 模型,并提出了神经网络评估软件可靠性的具体方法.对组合导航软件的特点及测试方法进行了讨论.根据软件模块测试报告,分别用 JM 模型、G-O 模型和神经网络对软件模块的缺陷数进行预测,并给出了组合导航软件3种模型的评估质量的比较.结果表明:神经网络方法优于传统模型方法.     

组合导航软件可靠性的评估

在大规模导航软件系统中，软件评估的主要任务就是要精确地估测程序模块中存在的缺陷数。介绍了组合导航软件的评估方法和步骤，着重介绍了JM模型和G－O模型，并提出了神经网络评估软件可靠性的具体方法。对组合导航软件的特点及测试方法进行了讨论。根据软件模块测试报告，分别用JM模型、G－O模型和神经网络对软件模块的缺陷数进行预测，并给出了组合导航软件3种模型的评估质量的比较。结果表明：神经网络方法优于传统模型方法。     

估测组合导航系统软件缺陷的一种神经网络方法

在早期的软件开发寿命周期里，软件的质量模型包含确定有缺陷的模块和预测错误数，在大规模组合导航软件系统中，质量控制的主要任务就是要精确地估测程序模块中存的的缺陷数，本文给出了用神经网络技术估测程序中的缺陷数的方法，预测缺陷数一般用单隐层网络就可以，因为多隐层网络将相应占用更多的训练时间，本文还介绍了一种新的静态可靠性模型，根据软件复杂度，估测了质量及质量拟合度，并且与传统回归技术进行了比较，仅用单隐层神经网络模型就比传统的统计模型预测质量好，当应用于一批大型组合导航软件系统的数据时，神经网络技术表明，它的确有更好的质量拟合度和估测能力，它给软件工程提供了一个好的管理工具。     

一种软件缺陷排除成本预测方法

基于缺陷分析来预测缺陷排除成本,有利于分析软件过程质量、平衡软件成本和控制开发进度。传统上,一般采用单个缺陷排除成本的平均值乘以缺陷数的方法,来预测缺陷排除总成本,这种方法忽略了不同类型的缺陷排除成本差异,导致较大的成本预测偏差。论文提供了另外一种成本预测方法:基于项目历史数据,拟制软件开发阶段不同缺陷类型的排除成本矩阵,来预测项目的缺陷排除成本。改进的成本预测方法能够较好地弥补传统方法的不足,可得到较为准确的缺陷预测数据。     

基于模块化神经网络的铁水硅含量预测系统

目的 提出基于模块化神经网络的铁水硅含量预测方法,改善系统控制性能指标.方法 采用模块化神经网络预测控制策略,建立模块化神经网络预测模型,按输入物理量的性质构成4个神经网络模块,再由预测神经网络输出铁水硅含量的预测值,从而控制炉温.结果 提高了学习效率和泛化能力,有效地改善了模型的预测精度.结论 模块化神经网络铁水硅含量预测模型,将同类量进行了模块划分,通过对铁水硅含量预测,可提高炉温的控制精度和动态跟踪能力,具有结构简单、实时性好、预测精度高等特点.     

活性污泥工艺BP神经网络模型的软件实现

应用神经网络可以利用历史数据,迅速、准确地建立起系统的预测和控制模型。本文作者用Visual Basic语言编写了活性污泥工艺BP神经网络软件,该软件由训练模块、测试模块组成,最终生成可用的BP网络模型。经测试验证,该软件能够实现活性污泥工艺过程的预测和自动控制的建模,具有良好的可操作性和通用性。     

神经网络用于组合导航系统软件质量的评估

在大规模组合导航软件系统中，质量控制的主要任务就 精确地估测程序模块中存在的缺陷数．介绍了一种新的神经网络所建立的静态可靠性模型，根据软件复杂度估测了质量及质量拟合度，并且与传统回归技术进行了比较．当大型组合导航软件系统已有一批数据时，神经网络技术有更好的质量拟合度和估测能力．     

面向Android二进制代码的缺陷预测方法

针对Android软件缺陷预测任务中源代码难以获取的问题,提出一种面向Android二进制可执行文件的缺陷预测模型,同时采用深度神经网络进行缺陷预测.首先,通过一种创新的Android可执行文件缺陷特征提取方法,提取其符号特征和语义特征来构建缺陷特征向量;其次,用缺陷特征向量输入深度神经网络算法来训练和构建缺陷预测模型;最后,将工具原型DefectDroid应用于大规模smali文件缺陷预测任务中,在同项目缺陷预测、跨项目缺陷预测、传统机器学习算法等方面对模型进行性能评估.     

基因算法结合类神经网络优化注塑成型参数

以熔融温度、射出时间、保压压力、保压时间、冷却时间等5个制程参数作为控制因子,利用Moldflow仿真软件对导光板模型进行模流分析,应用田口法搭配倒传递类神经网路Super PCNeuom 5.0程序,建立导光板总翘曲值、体积顶出收缩值、缩痕指数质量预测模型,再应用MATLAB基因演算程序来搜寻在控制参数水平范围内局部最佳解参数组合,使塑料产品的质量提升.     

环氧乙烷反应器工况模拟软件开发

采用基于windows面向对象的可视化开发工具VB5.0,结合BP神经网络,开发了环氧乙烷反应器工况模拟软件.软件以环氧乙烷反应器神经网络模型为核心,包括训练、回忆、预测及说明四个部分.软件界面良好、操作方便,对于预测实际生产的产品质量及学生生产实习过程中模拟实际生产操作都具有一定指导意义.     

基于小波神经网络的自适应单相重合闸

自适应重合闸的首要问题是正确判别瞬时性故障和永久性故障,针对故障时丰富的暂态信息,提出了一种基于小波神经网络式单相自动重合闸的方案,通过小波变换算法提取故障暂态信号特征量后,再利用ANN的非线性拟合和自学习能力进行故障判别,确定正确的重合闸策略.通过EMTP及MATLAB进行了大量的仿真试验,验证了该方案的可行性,并解决了自适应单相重合闸的电压判据在判别瞬时性故障与永久性故障时存在的缺陷.     

基于 STM32的异步电动机直接转矩控制系统研究

在分析交流异步电机直接转矩控制原理的基础上,结合神经网络算法构造出直接转矩控制系统.给出了以 STM32为核心控制器的直接转矩控制系统软硬件的设计方案.最后通过实验台对系统进行数据测试并分析结果,验证了方案可行性,从而提高系统工作可靠性