买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:常州大学
摘要:本发明属于机器学习技术领域,具体涉及一种基于RBF神经网络和Adam算法的测试用例生成方法,包括:S1、设计RBF神经网络的训练样本,通过遗传算法生成测试用例及其适应度值,测试用例用作神经网络的输入数据;S2、建立RBF神经网络;S3、使用Adam算法调整RBF神经网络的参数;S4、利用训练样本对RBF神经网络进行训练,计算均方根误差并动态调整隐含层神经元数量;S5、完成训练后,使用遗传算法进行测试用例生成,通过RBF神经网络预测个体适应度值。本发明的方法,通过训练优化后的RBF神经网络模型模拟适应度函数,对测试用例个体的适应度值进行预测,以此来代替程序插桩,解决测试用例生成算法进行程序插桩带来的时间损耗。
主权项:1.一种基于RBF神经网络和Adam算法的测试用例生成方法,其特征在于,包括以下步骤:S1、设计RBF神经网络的训练样本,通过遗传算法生成测试用例及其适应度值,测试用例用作神经网络的输入数据;S2、建立RBF神经网络,其包括输入层、隐含层和输出层,输入层节点数为N,隐含层节点数为H,输出层节点数为1;S3、使用Adam算法调整RBF神经网络的参数,包括径向基函数的中心、宽度以及连接权值;S4、利用训练样本对RBF神经网络进行训练,计算均方根误差并动态调整隐含层神经元数量;S5、完成训练后,使用遗传算法进行测试用例生成,通过RBF神经网络预测个体适应度值。
全文数据:
权利要求:
百度查询: 常州大学 基于RBF神经网络和Adam算法的测试用例生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。