디지털 라이브러리[ 검색결과 ]
순환 신경망 기반 소프트웨어 신뢰성 추정 모델의 정확성 및 안정성 비교 분석 연구
http://doi.org/10.5626/JOK.2023.50.8.688
순환 신경망 기반 소프트웨어 신뢰성 추정에 관한 기존 연구들은 순환 신경망을 이용하여 동일한 조건에서 하나의 모델을 생성하고 그 모델의 정확성을 평가하였다. 하지만 순환 신경망은 인공 신경망의 무작위성으로 인해 같은 조건에서도 모델의 훈련 결과를 다르게 생성할 수 있으며 이는 부정확한 소프트웨어 신뢰성 추정을 초래할 수 있다. 따라서 본 논문에서는 어떤 순환 신경망이 소프트웨어 신뢰성을 더 안정적이고 정확하게 추정하는지 비교 분석하고 그 결과를 제시한다. 이를 위해 3개의 대표적인 순환신경망을 이용하여 8개의 실제 프로젝트에서 소프트웨어 신뢰성을 추정하고 정확성과 안정성 측면에서 모델들의 성능을 비교 분석하였다. 그 결과 Long Short Term Memory가 가장 안정되고 정확한 소프트웨어 신뢰성 추정 성능을 보임을 확인하였다. 본 논문을 통해 우리는 보다 정확하고 안정된 소프트웨어 신뢰성 추정 모델을 선택할 수 있기를 기대한다.
타임드 오토마타 모델 기반 산업 자동화 응용 자동생성 프레임워크
http://doi.org/10.5626/JOK.2017.44.12.1307
ICT 기술과의 융합으로 인해 산업 자동화 시스템은 복잡도와 신뢰성 요구 수준이 급격히 증가하고 있다. 최근에는 이러한 요구에 대응하기 위해 응용 개발 초기 과정에서부터 정형 기법을 활용하는 연구들이 주목받고 있다. 본 논문에서는 산업 자동화 응용을 위한 타임드 오토마타 모델 기반 네이티브코드 자동 생성 프레임워크를 제안한다. 사례 연구로 산업용 네트워크를 사용하는 신호등 제어 시스템을 모델링하고, 탑재되는 응용의 타이밍 속성을 검증하였다. 제안하는 프레임워크의 유효성을 검증하기 위해 자동 변환된 네이티브 코드를 사용하여 EtherCAT 네트워크 기반 테스트베드의 동작을 확인한 결과, 모델 명세와 동일하게 동작하는 것을 확인하였다.
