|
Title
|
وارسی مدل کاهشی با استفاده از یادگیری ماشین
|
|
Type of Research
|
Thesis
|
|
Keywords
|
وارسی مدل ، یادگیری ماشین ، سیستم تبدیلات گراف، ویژگی ایمنی، ویژگی دسترسپذیری
|
|
Abstract
|
با پیشرفت سیستم ها و نرم افزارها توانایی ارزیابی قابلیت اطمینان بودن و درستی یابی سیستم ها به یک موضوع بسیار مهم تبدیل شده است. به خصوص در سیستم های ایمنی_بحرانی مانند دستگاه های پزشکی، سیستم های خودرویی و برنامه های هوافضا، اطمینان از صحت سیستم ها بسیار حیاتی است. زیرا که یک خرابی کوچک ممکن است منجر به از دست دادن زندگی یا آسیب پذیری جبران ناپذیری به محیط زیست و جان افراد شود. هدف از درستی یابی در سیستم ها این است که سیستم ما تمام ویژگی ها و نیازمندی هایی که برایش از قبل در نظر گرفته ایم را بتواند برآورده کند. این ویژگی ها بایدها و نبایدهای سیستم ما است. همچنین سیستمی که ایجاد می کنیم یا در اختیار داریم بایستی عاری از هر گونه خطایی باشد، که مهمترین آنها بن بست می باشد. برای درستی یابی روش های گوناگونی وجود دارد مانند شبیه سازی ، مرور و بازبینی کلی و تست سیستم در کناره تمامی این ها درستی یابی رسمی روش بسیار دقیقی است که مبتنی بر تحلیل ها و فرمول های ریاضی است. این روش به دو شکل انجام می گیرد اثبات تئوری و وارسی مدل، در اثبات تئوری با استفاده هوش انسانی و مجموعه ای از قوانین، اصول و برهان ویژگی های سیستم را بررسی می کنیم و در وارسی مدل با استفاده تولید تمامی حالت های ممکن سیستم، برآورده شدن ویژگی های از قبل تعیین شده را در حالت های تولید شده به صورت کاملا خودکار به وسیله نرم افزار بررسی می کنیم.
|
|
Researchers
|
(Student)، Einollah Pira (Primary Advisor)، Alireza Rouhi (Advisor)
|