پیش بینی نقص نرم افزار با استفاده از شبکه عصبی کانولوشنال cnn والگوریتم فرا ابتکاری جست و جوی خزندگان rsa

به طور عمده نقص نرم افزارقابلیت اطمینان برنامه ها را به خطر می اندازد وموجب کاهش کیفیت نرم افزار می گرددبرطرف نمودن نقص بعد از مرحله تست هزینه های سنگینی به دنبال دارد از این رو در این مقاله به دنبال راهکاری برای کاهش نقص نرم افزار قبل از مرحله تست می باشیم. بدین منظور یک مدل یادگیری عمیق مبتنی بر شبکه عصبی پیچشی کانولوشنال( cnn ) والگوریتم فرا ابتکاری جستجوی خزندگان( rsa ) برای پیش بینی نقص نرم افزار پیشنهاد شد. عملکرد مدل با معیارهای مختلف مانند صحت، دقت، یادآوری وامتیازf1 ارزیابی شد.