提出了基于正则化极限学习自适应模糊神经网络的软件可靠性预测模型推理系统,并采用量子启发的二进制引力搜索算法来确定其合适的正则化参数。新模型可以有效降低随机性、计算复杂度以及在搜索最佳参数时避免局部优化。
作者简介:
申情,校聘教授,主要研究软件测试、智能决策等,主持国家自然科学基金项目、浙江省重点研发计划项目等3项,在Applied Soft computing等SCI期刊发表论文20余篇,获得专利10余项。
提出了基于正则化极限学习自适应模糊神经网络的软件可靠性预测模型推理系统,并采用量子启发的二进制引力搜索算法来确定其合适的正则化参数。新模型可以有效降低随机性、计算复杂度以及在搜索最佳参数时避免局部优化。
作者简介:
申情,校聘教授,主要研究软件测试、智能决策等,主持国家自然科学基金项目、浙江省重点研发计划项目等3项,在Applied Soft computing等SCI期刊发表论文20余篇,获得专利10余项。