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
ویرایش: نویسندگان: Bisi. Manjubala, Goyal. Neeraj Kumar سری: ISBN (شابک) : 9781119223924, 1119223938 ناشر: سال نشر: 2017 تعداد صفحات: 302 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب شبکه عصبی مصنوعی برای پیش بینی قابلیت اطمینان نرم افزار: نرم افزار کامپیوتر / قابلیت اطمینان / سریع / (OCoLC)fst00872585.,شبکه های عصبی (علوم کامپیوتر) / سریع / (OCoLC)fst01036260.,کامپیوترها / عمومی / bisacsh.
در صورت تبدیل فایل کتاب Artificial neural network for software reliability prediction 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 شبکه عصبی مصنوعی برای پیش بینی قابلیت اطمینان نرم افزار 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.
شبکه عصبی مصنوعی (ANN) ثابت کرده است که یک تقریب جهانی برای هر تابع پیوسته غیر خطی با دقت دلخواه است. این کتاب نحوه بکارگیری ANN را برای اندازه گیری شاخص های مختلف قابلیت اطمینان نرم افزار ارائه می دهد: تعداد خرابی ها در یک زمان معین، زمان بین خرابی های متوالی، ماژول های مستعد خطا و تلاش های توسعه. کاربرد الگوریتم یادگیری ماشین یعنی کاربرد شبکه های عصبی مصنوعی در پیش بینی قابلیت اطمینان نرم افزار در مرحله آزمایش و همچنین مراحل اولیه فرآیند توسعه نرم افزار نیز ارائه شده است. کاربردهای شبکه عصبی مصنوعی برای اهداف فوق با نتایج تجربی در این کتاب مورد بحث قرار گرفته است تا پزشکان بتوانند به راحتی از مدلهای ANN برای پیشبینی شاخصهای قابلیت اطمینان نرمافزار استفاده کنند.
Artificial neural network (ANN) has proven to be a universal approximator for any non-linear continuous function with arbitrary accuracy. This book presents how to apply ANN to measure various software reliability indicators: number of failures in a given time, time between successive failures, fault-prone modules and development efforts. The application of machine learning algorithm i.e. artificial neural networks application in software reliability prediction during testing phase as well as early phases of software development process is presented as well. Applications of artificial neural network for the above purposes are discussed with experimental results in this book so that practitioners can easily use ANN models for predicting software reliability indicators.