دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: مهندسی مکانیک ویرایش: نویسندگان: Ruggeri F., Soyer R. سری: ناشر: سال نشر: تعداد صفحات: 12 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 86 کیلوبایت
کلمات کلیدی مربوط به کتاب پیشرفت در مدل سازی قابلیت اطمینان نرم افزار بیزی: مهندسی مکانیک و پردازش مواد، نظریه قابلیت اطمینان
در صورت تبدیل فایل کتاب Advances in Bayesian Software Reliability Modelling به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت در مدل سازی قابلیت اطمینان نرم افزار بیزی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
مقاله - 12 p
این مقاله پیشرفتهای اخیر در مدلسازی قابلیت اطمینان نرمافزار
بیزی را مرور میکند. برای انجام این کار، تاکید بر دو مدل داده
میشود که میتوانند
مورد بدتر شدن قابلیت اطمینان به دلیل معرفی احتمالی باگهای جدید
به نرمافزار در مرحله توسعه را در بر گیرند. از آنجایی که معرفی
اشکالات یک فرآیند
غیرقابل مشاهده است، متغیرهای پنهان برای گنجاندن این مشخصه
در
مدل ها معرفی می شوند. این دو مدل به ترتیب مبتنی بر یک مدل
مارکوف پنهان
و یک فرآیند نقطه خود هیجانانگیز با متغیرهای پنهان هستند.
Paper - 12 p
This paper reviews recent developments in Bayesian software
reliability
modeling. In so doing, emphasis is given to two models which
can incorporate the
case of reliability deterioration due to potential introduction
of new bugs to the software
during the development phase. Since the introduction of bugs is
an unobservable
process, latent variables are introduced to incorporate this
characteristic into
the models. The two models are based, respectively, on a hidden
Markov model
and a self-exciting point process with latent variables.