10708

بررسي روش‌هاي آزمون نرم‌افزار در سيستم‌هاي مبتني بر مؤلفه ‌يادگيري

1401

دكتر سعيد پارسا

دكتر محمد عبداللهي ازگمي

هوش مصنوعي به‌ويژه شبكه¬هاي عصبي عميق كه DNN نيز ناميده مي‌شود كاربردهاي زيادي ازجمله استقرار گسترده آن‌ها در كاربردهاي حساس به ايمني مانند ماشين¬هاي خودران وجود دارد. اين امر به‌طور طبيعي اين سؤال را مطرح مي‌كند كه چگونه نرم¬افزار اجرايي اين فن¬آوري بايد آزمون كردن، تائيد شدن و درنهايت براي برآورده كردن الزامات استانداردهاي ايمني مربوطه گواهي شود. كاربردهاي رايج يادگيري ماشين نگراني¬هاي طبيعي را در مورد قابليت اعتماد مطرح مي¬كند. كاربردهاي حياتي ايمني، اهميت رفتار مربوط به صحت، استحكام، حريم خصوصي و كارايي را افزايش مي‌دهد. آزمون نرم¬افزار به هر فعاليتي اشاره دارد كه هدف آن شناسايي تفاوت‌هاي بين رفتار موجود و موردنياز است. درواقع، برخي از جنبه¬هاي دشوار آزمون براي سيستم¬هاي يادگيري ماشين با راه‌حل‌هاي شناخته‌شده قبلي كه به‌طور گسترده در ادبيات مهندسي نرم¬افزار موردمطالعه قرارگرفته‌اند، به اشتراك گذاشته‌شده است. بااين‌وجود، ماهيت آماري سيستم¬هاي يادگيري ماشين و توانايي آن‌ها در اتخاذ تصميمات مستقل، پرسش¬هاي تحقيقاتي بيشتري را براي آزمون نرم¬افزار مطرح مي¬كند. تكنيك¬هاي آزمون نرم¬افزارهاي سنتي به‌طور مستقيم براي آزمون DNN ها قابل‌اجرا نيستند، مفاهيم و اصول پيچيده پشت اين تكنيك¬ها، اگر به‌درستي تطبيق داده شوند، مي¬توانند براي حوزه يادگيري ماشين مفيد باشند. اگر بتوانيم از تكنيك¬ مكان‌يابي خطا استفاده كنيم مي‌توانيم بخش¬هايي از يك سيستم را كه مسئول رفتار نادرست هستند شناسايي كنيم كمك زيادي به ما در آزمون نرم‌افزار خواهد كرد. در اين گزارش بر آنيم كه به بررسي روش¬هاي آزمون نرم¬افزار در سيستم¬هاي مبتني بر مؤلفه يادگيري، بپردازيم.

5/11/2022 12:00:00 AM

74799

1401/02/22

Investigation of software testing methods in systems based on learning component

آزمون نرم‌افزار , مؤلفه يادگيري , يادگيري ماشين

Software test , Learning component , machine learning