Sieci neuronowe w testowaniu

Sieci neuronowe w testowaniu
    Zainteresowanie sieciami neuronowymi raz rośnie, raz maleje. W zależności od nowych obszarów, w których są wdrażane, pojawia się "branżowa" zwyżka zainteresowania tym tematem. Ostatnio sieci neuronowe pojawiają się w obszarze testowania.

Możliwości sieci neuronowych ciągle są odkrywane. Ich zastosowanie w testowaniu może być bardzo szerokie. Od prostego badania zależności wejście-wyjście po analizowanie dużego zestawu danych w celu znalezienia wzorów funkcjonowania. Pośrednim zastosowaniem będzie pozyskiwanie wyroczni testowych, a ostatecznym rozwiązaniem może być samotestująca się aplikacja.

Sieć neuronowa to pewna struktura matematyczna i odpowiadający jej model, który realizuje obliczenia lub przetwarzanie sygnałów poprzez rzędy elementów, zwanych sztucznymi neuronami. Na sieci neuronowe składają się się neurony połączone ze sobą synapsami. Z synapsami związane są wagi, czyli wartości liczbowe, których interpretacja zależy od modelu. Czasami między sieciami i sztuczną inteligencją stawia się znak równości co nie do końca jest poprawne, gdyż sieci są jedynie podzbiorem sztucznej inteligencji.

Podstawą zrozumienia sieci jest jej podział, gdzie neurony wpadają do jednej z trzech warstw: wejściowej, ukrytej i wyjściowej.

Analiza dokonywana jest w oparciu o informacje wejściowe (ilość neuronów warstwy wejściowej), informacje wyjściowe (ilość neuronów warstwy wyjściowej), powiązanie między nimi oraz o wagi przypisane do synaps.

Przykładowo w najprostszym ujęciu możemy powiedzieć o równaniu liniowym: Y = 4.0 + (5.0 * X), gdzie X jest wejściem, a Y wyjściem.

Przykład bardziej rozbudowany znajdziecie na stronie [EN] http://msdn.microsoft.com/en-us/magazine/hh975375.aspx

 

Źródła:

Wikipedia: http://pl.wikipedia.org/wiki/Sie%C4%87_neuronowa

Książka Ryszarda Tadeusiewicza "Sieci neuronowe" http://winntbg.bg.agh.edu.pl/skrypty/0001

Wpis blogowy http://jamesmccaffrey.wordpress.com/2012/06/02/neural-networks

 

 

To powinno Cię zainteresować