隨著信息技術(shù)和信息產(chǎn)業(yè)的快速發(fā)展,計算機軟件系統(tǒng)在眾多領(lǐng)域中取得了廣泛的應(yīng)用。近年來計算機軟件系統(tǒng)的規(guī)模和復雜度不斷提高,軟件系統(tǒng)的可靠性越來越難以度量。軟件可靠性度量技術(shù)經(jīng)過多年發(fā)展,眾多專家學者提出了幾百種適合不同應(yīng)用場景的軟件可靠性度量模型來度量軟件系統(tǒng)的可靠性。論文通過對軟件可靠性增長模型的理論研究和實踐,針對基于GRU（Gated Recurrent Unit）神經(jīng)網(wǎng)絡(luò)的軟件可靠性增長模型存在的問題,提出一種深度CG-EGU（Efficient Gated Unit with Control Gate）神經(jīng)網(wǎng)絡(luò),并且利用深度CG-EGU神經(jīng)網(wǎng)絡(luò),在軟件失效數(shù)據(jù)集上建立軟件可靠性模型。論文的研究工作分為以下三個部分:（1）針對GRU單元更新門學習能力不足導致GRU單元整體學習效率低的問題,提出了一種高效門控單元EGU（Efficient Gated Unit）。為了使GRU單元更新門學習時更有效,EGU單元在GRU單元的更新門更新時引入遺忘門,增加了更新門更新的效率,降低了訓練開銷,提高模型性能。（2）針對深度GRU網(wǎng)絡(luò)多個隱含層之間信息處理效率不高的問題,提出一種基于深度EG... 

【文章來源】：哈爾濱工程大學黑龍江省 211工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 基于隨機過程的預(yù)測模型
        1.2.2 基于機器學習的預(yù)測模型
        1.2.3 基于深度學習的預(yù)測模型
    1.3 研究目標與內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第2章 深度EGU網(wǎng)絡(luò)
    2.1 引言
    2.2 GRU神經(jīng)網(wǎng)絡(luò)
        2.2.1 深度學習
        2.2.2 GRU單元
        2.2.3 GRU網(wǎng)絡(luò)
    2.3 深度EGU神經(jīng)網(wǎng)絡(luò)
        2.3.1 GRU分析
        2.3.2 EGU單元
        2.3.3 EGU網(wǎng)絡(luò)
    2.4 本章小結(jié)
第3章 深度CG-EGU網(wǎng)絡(luò)
    3.1 引言
    3.2 模型優(yōu)化方法
        3.2.1 數(shù)據(jù)質(zhì)量提升方法
        3.2.2 模型訓練方法
    3.3 深度CG-EGU網(wǎng)絡(luò)
        3.3.1 CG-GRU網(wǎng)絡(luò)
        3.3.2 CG-EGU網(wǎng)絡(luò)
    3.4 本章小結(jié)
第4章 實驗及分析
    4.1 實驗?zāi)康募耙饬x
    4.2 實驗環(huán)境
    4.3 實驗數(shù)據(jù)及預(yù)處理
        4.3.1 實驗數(shù)據(jù)
        4.3.2 數(shù)據(jù)預(yù)處理
    4.4 基于深度學習的軟件可靠性度量模型
        4.4.1 軟件可靠性度量模型
        4.4.2 性能評價指標
        4.4.3 實驗結(jié)果分析
    4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的論文和取得的科研成果
致謝



本文編號：3174798