view in publisher's site

A SOFTWARE RELIABILITY MODEL FOR ARTIFICIAL INTELLIGENCE PROGRAMS

In this paper we develop a software reliability model for Artificial Intelligence (AI) programs. We show that conventional software reliability models must be modified to incorporate certain special characteristics of AI programs, such as (1) failures due to intrinsic faults, e.g., limitations due to heuristics and other basic AI techniques, (2) fuzzy correctness criterion, i.e., difficulty in accurately classifying the output of some AI programs as correct or incorrect, (3) planning-time versus execution-time tradeoffs, and (4) reliability growth due to an evolving knowledge base. We illustrate the approach by modifying the Musa-Okumoto software reliability growth model to incorporate failures due to intrinsic faults and to accept fuzzy failure data. The utility of the model is exemplified with a robot path-planning problem.

یک مدل نرم‌افزاری توانمندی برای برنامه‌های اطلاعاتی ARTIFICIAL

< jats: p > در این مقاله، یک مدل قابلیت اطمینان نرم‌افزاری برای برنامه‌های هوش مصنوعی (AI)ایجاد می‌کنیم. ما نشان می‌دهیم که مدل‌های استاندارد قابلیت اطمینان نرم‌افزار باید برای ترکیب ویژگی‌های خاص خاصی از برنامه‌های هوش مصنوعی، مانند (۱)شکست‌های ناشی از خطاهای درونی، به عنوان مثال، دشواری در طبقه‌بندی صحیح خروجی برخی از برنامه‌های هوش مصنوعی به عنوان درست یا نادرست، (۳)برنامه‌ریزی زمان برنامه‌ریزی، و (۴)رشد قابلیت اطمینان ناشی از یک پایه دانش در حال رشد، اصلاح شوند. ما این رویکرد را با اصلاح مدل رشد قابلیت اطمینان نرم‌افزار موسی - Okumoto برای ترکیب شکست ناشی از خطاهای درونی و پذیرش داده‌های شکست فازی نشان می‌دهیم. سودمندی این مدل با یک مساله طراحی مسیر ربات نشان داده می‌شود. < / jats: p >
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.