资源描述：
《基于bp神经网络在软件测试中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、http://www.paper.edu.cn基于BP神经网络在软件测试中的应用吴晓南，张璐辽宁工程技术大学理学院，辽宁阜新（123000）E-mail：godstoy@163.com摘要：本文主要阐述了神经网络的基本原理，以及神经网络模型BP网络算法模型原理，基于BP神经网络算法在软件测试设计中的应用。关键词：神经网络，软件测试，软件故障1．引言软件分析，设计过程中难免有各种各样的错误，需要通过测试查找错误，以保证软件的质量。软件测试是由人工或计算机来执行或评价软件的过程，验证软件是否满足规定的需求或识别期望
2、的结果和实际结果之间又无差别。大量统计资料表明，软件测试工作量往往占软件开发总量的40％以上，再极端情况下，如测试有软人的声名安全的软件所花费的成本，可能会大道软件攻城其它阶段总成本的3～5倍。软件测试首先要明确目标，然后要掌握测[1]试方法策略，确实做到尽可能地将软件存在的问题找出来，以保证软件质量.而现今的软件测试方法和理论仍停留在人工繁琐的工作之上，效率低下，并不能适应现代软件开发的要求，因此应当在理论于方法上给与软件测试支持。设计测试用例时，尽可能以最少的测试用例集合，找出更多的潜在错误。设计测试用例方
3、法分为黑盒法和白盒法两类。黑盒法又称功能测试，其测试用例完全时根据程序的功能说明来设计的。在应用这种测试法时，测试者完全不考虑程序内部结构盒内部特性，把软件看成时一个黑盒，测试时仅仅关心如何寻找出可能使程序不按要求运行的情况，因而测试是在程序接口进行的。可以应用神经网络来训练测试用例2．神经网络原理神经网络是一个具有高度非线性的超大规模连续时间动力系统。是由大量的处理单元(神经元)广泛互连而形成的网络。它是在现代神经科学研究成果的基础上提出的，反映了脑功能的基本特征。但它并不是人脑的真实描写，而只是它的某种抽象
4、、简化与模拟。网络的信息处理由神经元之间的相互作用来实现；知识与信息的存储表现为网络元件互连间分布式的物理联系；网络的学习和计算决定于各神经元连接权系的动态演化过程。因此神经元构成了网络的基本运算单元。每个神经元具有自己的阈值。每个神经元的输入信号是所有与其相连的神经元的输出信号和加权后的和。而输出信号是其净输入信号的非线性函数。如果输入信号的加权集合高于其阈值，该神经元便被激活而输出相应的值。在人工神经网络中所存储的是单元之间连接的加权值阵列。神经网络的工作过程主要由两个阶段组成，一个阶段是工作期，此时各连接
5、权值固定，计算单元的状态变化，以求达到稳定状态。另一阶段是学习期(自适应期，或设计期)，此时各计算单元状态不变，各连接权值可修改(通过学习样本或其他方法)，前一阶段较快，各单[4]元的状态亦称短期记忆(STM)，后一阶段慢的多，权及连接方式亦称长期记忆(LTM)。3．神经网络的训练与学习系统改善自身性能的任何过程统称为学习，神经网络的学习就是利用应用环境里选出的-1-http://www.paper.edu.cn一些训练数据（也称样本）来不断调整神经网络中的权矩阵W，直到输入－输出结论与实际相吻合为止。3.1监
6、控式学习此种学习训练方式中，神经网络的输入与输出样本称对给出，设训练数据为（Xi,Yi）,i=1,2,...,n。W的调整原则是，对给定的输入Xi，由网络计算产生yi’,然后根据yi与yi’的误差调整权重W,使输出朝正确方向发展。监控式学习的优点式简单，缺电是要求导师对环境及网络结构充分了解，环境一旦发生变化，W也需要重新调整，又人类接受只是的机制并非都是有导师式的，这与存在于婴儿大脑中的自组织行为不完全一致。3.2无监控式学习在这种学习方式中，训练数据不是成对给出的，只是给出输入，而不指定输出式什么。训练后的
7、网络应能对给定的任何输入都能产生确定的输出，调整W的原则是：只要产生的输出不矛盾，即相似的输入应有相似的输出。这种训练可以使网络具有自组织和自学习的能力。在神经网络的训练中，学习规则的确定的非常重要的，它直接关系到神经网络的性能。3.3BP学习算法与应用:1）初始化在依据实际问题(输入变量和输出变量个数)给出网络联接结构,随机的设置所有联接权值为任意小.2）提供训练样本如果输入变量为n个,输出变量为m个,则每个训练样本形式为(x1,x2,…xn;t1,t2,…,tm)这里t1,t2,…,tm是输入为x1,x2,
8、…xn时的期望输出.3）计算实际输出−1利用非线性函数yj=+[1exp(−∑wxiji)]逐级计算各层节点(不包括输入层)的输出i值,令最后的输出为o1,o2,..om.4）权值调整用递归方法从输出节点开始返回到隐层节点,按下式调整权值.wwoij(1NN+=)()ij+ηiδj这里0i是上层第i节点的输出.若j是输出层节点,则=−−(1)()δjjootojjj若j是隐层节点,则δ
