The KIPS Transactions:PartD (정보처리학회논문지D)

Korea Information Processing Society (한국정보처리학회)
권호 표지

Software Reliability Prediction of Grouped Failure Data Using Variant Models of Cascade-Correlation Learning Algorithm

변형된 캐스케이드-상관 학습 알고리즘을 적용한 그룹 고장 데이터의 소프트웨어 신뢰도 예측

  • 이상운 (국방품질관리소 항공전자장비 및 소프트웨어 품질보증 담당) ;
  • 박중양
  • Published : 2001.08.01
Download PDF
⟨ Previous Next ⟩

Abstract

This Many software projects collect grouped failure data (failures in some failure interval or in variable time interval) rather than individual failure times or failure count data during the testing or operational phase. This paper presents the neural network (NN) modeling for grouped failure data that is able to predict cumulative failures in the variable future time. The two variant models of cascade-correlation learning (CasCor) algorithm are presented. Suggested models are compared with other well-known NN models and statistical software reliability growth models (SRGMs). Experimental results show that the suggested models show better predictability.

많은 소프트웨어 프로젝트는 시험이나 운영단계에서 고장시간이나 고장 수 데이타보다 그룹 고장 데이터(여러 고장 간격에서 또는 가변적인 시간 간격에서의 고장들)가 수집된다. 본 논문은 그룹 고장 데이터에 대해 가변적인 미래의 시간에서 누적 고장 수를 예측할 수 있는 신경망 모델을 제시한다. 2개의 변형된 캐스케이드-상관 학습 알고리즘을 제안하였다. 제안된 신경망 모델들은 다른 잘 알려진 신경망 모델과 통계적 소프트웨어 신뢰도 성장 모델과 비교되었다. 실험결과, 그룹 데이터에 대해 변형된 캐스케이드-상관 학습 알고리즘이 좋은 예측 결과를 나타내었다.

Keywords

References

  1. M. R. Lyu, 'Handbook of Software Reliability Engineer-ing,' IEEE Computer Society Press, 1996
  2. F. Popentiu and D. N. Boros, 'Software Reliability Growth Supermodels,' Microelectron. Reliab. Vol.36, No.4, pp.485-491, 1996 https://doi.org/10.1016/0026-2714(95)00068-2
  3. A. L. Goel, 'Software Reliability Models Assumptions, Limitation, and Applicability,' IEEE Trans. on Sofrware Eng. Vol.SE-11, No.2, pp.1411-1423, 1985 https://doi.org/10.1109/TSE.1985.232177
  4. J. D. Musa, A. Iannino, and K. Okumoto, 'Software Reli-ability : Measurement, Prediction, Application,' McGraw-Hill, 1987
  5. N. Karumanithi, D. Whitley, and Y. K. Malaiya, 'Prediction of Software Reliability Using Connectionist Models,' IEEE Trans. on Software Eng., Vol.18, No.7, pp.563-574, July. 1992 https://doi.org/10.1109/32.148475
  6. S. E. Fahlman and C. Lebiere, 'The Cascade-Correlation Learning Architecture,' Advances in Neural Information Processing Systems II, pp.525-532, 1990
  7. N. Karunanithi, D. Whitley and Y. K. Malaiya, 'Using Neu-ral Networks in Reliability Prediction,' IEEE Software., pp. 53-59, 1992 https://doi.org/10.1109/52.143107
  8. M. Ohba, 'Software Reliability Analysis Models,' IBM Journal of Research and Development, Vol.21, No.4, pp.428-443, 1984
  9. 이상운, 박영목, 박수진, 박재홍, '그룹 고장데이타의 소프트웨어 신뢰성 에측에 관한 신경망 모델', 한국정보처리학회논문지, 제7권 제12호, pp.3821-3828, 2000
  10. G. Cybenko, 'Approximation by Super-positions of A Sig-moidal Function,' Mathematics of Control, Signals and Systems, Vol.2, pp.303-314, 1989 https://doi.org/10.1007/BF02551274
  11. A. R. Barron, 'Neural Net Approximation,' In Proceedings of the Seventh Yale Workshop on Adaptive and Learning Systems, New Haven, CT. Yale University, pp.69-72, 1992
  12. 이상운, '비정규화 데이타를 이용한 신경망 소프트웨어 신뢰성 예측,' 한국정보처리학회논문지, 제7권 제5호, pp.1419-1426, 2000
  13. T-Y. Kwok and D-Y. Yeung, 'Constructive Algorithms for Structure Learning in Feedforward Neural Networks for Regression Problems,' IEEE Trans. on Neural Networks, Vol.8, No.3, pp.630-645, 1997 https://doi.org/10.1109/72.572102
  14. Y. K. Malaiya, N. Karunanithi, and P. Verma, 'Predicta-bility Measures for Software Reliability Models,' IEEE Trans. on Reliability, Vol.41, No.4, pp.539-549, 1992 https://doi.org/10.1109/24.249581