Anwendung neuronaler Netzwerktechnologien: Softwareentwicklung

1. Einleitung

Heutzutage ist die Entwicklung von Software sehr aufwändig. Es wird zu viel Zeit darauf verwendet, die Methodiker den Computern zuzuweisen, technische Spezifikationen zu entwerfen, zu schreiben und zu testen. All dies wird von einer Person durchgeführt und geschieht sehr langsam. Aber ist das grundsätzlich möglich? Der Doktor der technischen Wissenschaften Maxim Shcherbakov antwortete in seinem Vortrag "Neuronale Netze: Mathematik & Magie": "Ja, das ist möglich." Es ist gut, einen automatisierten Assistenten zu haben, der das Problem einfach mit bestimmten Kriterien und Vorlagen löst, aber nicht bezahlen muss und dies in kürzester Zeit erledigt. Aber welche spezifischen Aufgaben können neuronale Netze heute lösen? Die Entwicklung des maschinellen Lernens von heute nimmt nicht heute einen Sprung, so dass Maschinen von morgen eine Person bei Routineaufgaben ersetzen können. Das Zeichnen einer technischen Aufgabe ist nicht die angenehmste Sache, insbesondere weil alles sehr detailliert und in Form gemalt werden muss (weitere Einzelheiten siehe Punkt 4). Jedes Unternehmen wählt eine bestimmte Softwareentwicklungsmethode und ändert sie selten. Was aber, wenn die andere Methodik für das Projekt besser ist als die vorherige oder die aktuelle überhaupt nicht geeignet ist? Es wäre logisch zu ersetzen, aber welche zu wählen (weitere Details in Absatz 5)? Ordnungsgemäße Tests sollten eine angemessene Menge an Zeit und Personen in Anspruch nehmen. Ziemlich teuer und lang (mehr in Absatz 6). Ein neuronales Netzwerk reduziert die Kosten und beschleunigt alle diese Phasen.

2. Abkürzungen

NS - Neuronale Netze
Software - Software
TK - Leistungsbeschreibung
KI - Künstliche Intelligenz

3. Künstliche neuronale Netze

Was ist künstliche Intelligenz? Grob gesagt ist dies eine Simulation einer Person, die einen Computer benutzt. Der Turing-Test beantwortet diese Frage gewissermaßen. Es besteht darin, dass eine Person während des Dialogs entscheiden muss, wer die Person oder Maschine vor sich ist. Heutzutage wird der Turing-Test als nicht ganz richtig angesehen und andere Methoden zum Testen künstlicher Intelligenz werden verwendet. Um besser zu verstehen, warum dieser Test nicht ganz korrekt ist, können Sie ihn einfach umdrehen. Woher weiß ein Computer, dass es sich um eine Person vor ihm handelt? Er wird fragen, wie viel 754534 * 32 sein wird und den Timer starten. So wie wir die Gleichung nicht schnell genug lösen können, kann die Maschine (vorerst) die menschliche Kommunikation mit all ihren Feinheiten und Merkmalen nicht vollständig simulieren. Aus dieser Sicht erscheint eine vollständige Simulation des Gehirns durch einen Computer unmöglich. Daher verwenden wir künstliche Intelligenz derzeit nur als Assistenten in einem bestimmten Bereich.

3.1 Eine kurze Geschichte der KI

Die Geschichte der Entwicklung der künstlichen Intelligenz ist nicht sehr lustig und reibungslos. Frühe Experimente zur Schaffung künstlicher Intelligenz halfen einigen Unternehmen, nicht wenig Geld zu sparen. Beispielsweise sparte die Digital Equipment Corporation mithilfe künstlicher Intelligenz 10 Millionen US-Dollar pro Jahr. Chatbots, Bakterienidentifizierungssysteme und vieles mehr wurden ebenfalls entwickelt. Danach waren die Unternehmen für künstliche Intelligenz nicht in der Lage, alle ihre hohen Ziele zu erreichen, und schlossen schließlich, weil für die KI schwierige Zeiten kamen und die Community begann, sich mit maschinellem Lernen und neuronalen Netzen zu befassen. 1943 prägten Warren McCallock und Walter Pitts den Begriff künstliches neuronales Netzwerk. Modell zur Durchführung von Berechnungen mit biologischen Neuronen. Und nach 63 Jahren an den Universitäten von Toronto und Montreal begannen sie, tiefe neuronale Netze mit Macht und Kraft zu unterrichten, was zu einer echten Revolution für maschinelles Lernen wurde!

3.2 Das Prinzip des neuronalen Netzes, seine Erfolge und Schwächen

In vereinfachter Form besteht das Funktionsprinzip eines neuronalen Netzwerks darin, Abhängigkeiten zu finden und Gewichte zu ändern. Wenn die Aktion korrekt ist, werden die Skalen, die für diese Aktion verantwortlich sind, gestärkt und umgekehrt. Genauer gesagt besteht das Prinzip darin, einige Fehlerfunktionen zu reduzieren. Zu diesem Zweck wird am häufigsten ein Gefälle verwendet.



Jeder hat von den Erfolgen neuronaler Netze gehört. Sie besiegen die Champions des GO-Spiels, um zu spielen, was theoretisch das alleinige Vorrecht einer Person ist und für den Computer zu kompliziert ist, aber anscheinend ist dies nicht wahr. Vor nicht allzu langer Zeit, im Jahr 2015, gewann AlphaGo den Champion mit vier von fünf Spielen. Nicht schlecht, oder? Zwei Jahre später, im Jahr 2017, wurde das neuronale Netzwerk verbessert und sie besiegte 9 GO-Champions und gewann 60 von 60 Spielen. Das Schlimmste für die Champions war, dass das Programm absolut zufällig handelte und am Ende trotzdem gewann. Wie hat Google (AlphaGo-Entwickler) dieses Ergebnis erzielt? Alles hat gerade AlphaGo verbessert, das mit seinem Vorgänger trainiert wurde. Das neuronale Netz selbst fand die Mängel und korrigierte sie.



Neuronale Netze lernten auch, Musik zu schreiben. Nachdem das neuronale Netzwerk den Meisterwerken der Weltklassiker „zugehört“ hat, hat es seine eigene Musik komponiert, und ohne ein gutes Verständnis des maschinellen Lernens ist es fast unmöglich, die menschliche Schöpfung von der maschinellen Schöpfung zu unterscheiden. In der Vorlesung „Neuronale Netze: Mathematik & Magie“ wurde eines der Werke des Computercomputers vorgestellt, und es wurde angeboten, zuvor zuzuhören, dass es von einem großartigen Musiker geschaffen wurde. Nachdem sie dem Publikum zugehört hatten, fragten sie: "Hat sich jemand süchtig gemacht?" Einige antworteten mit Ja. Es stellt sich heraus, dass Autos das können? Die Antwort ist ziemlich schwierig. Um zu verstehen, warum, schauen wir uns das Prinzip des neuronalen Netzwerks am Beispiel eines Raums mit einer sehr großen Anzahl von Flugblättern mit Symbolen an, die wir nicht verstehen. Wir haben einen Algorithmus, wie, wo und welches Blatt verschoben werden soll, oder wir bauen diesen Algorithmus selbst auf, basierend darauf, ob wir für unsere Handlungen ermutigt oder beschimpft werden. Und hier erhalten wir eine Eingabeaufforderung. Nachdem wir die Blätter gemäß unserem Algorithmus verschoben haben und eine Reihe gefalteter Blätter für die Ausgabe erhalten haben, verstehen wir nicht, was diese Symbole am Eingang bedeuten und was wir am Ausgang erhalten. Wir sind ein neuronales Netzwerk. Kommen wir zurück zum Musizieren. Es stellt sich heraus, dass das neuronale Netzwerk das Werk nicht schafft, es ist nur chaotisch, aber mit bestimmten Regeln schlägt es Akkorde, ohne zu verstehen, was es tut (es erinnert an moderne Malerei). Ein Beispiel für Musik, die von einem neuronalen Netzwerk von Yandex erstellt wurde:


Sie lernten auch, wie man neuronale Netze nach dem gleichen Prinzip wie bei Musik zeichnet.



Wie Sie sehen, können Sie mit maschinellem Lernen eine Vielzahl von Aufgaben lösen. Aber wie kann man ihnen beibringen, wie man das alles macht? Das Geheimnis liegt im maschinellen Lernen. Gehen wir zurück in den Raum mit den Blättern und denken Sie daran, dass „wir einen Algorithmus haben, wie, wo und welches Blatt übertragen werden soll“. In dieser Situation ist das neuronale Netzwerk bereits trainiert. Sie weiß, was und wo sie setzen soll, aber es gab auch eine zweite Option: "Wir bauen diesen Algorithmus selbst basierend darauf, ob wir für unsere Handlungen ermutigt oder beschimpft werden." Diese Option formuliert das sogenannte Training des neuronalen Verstärkungsnetzwerks. Eine bestimmte „Lehrerin“ fördert die korrekten Aktionen des neuronalen Netzwerks, wodurch sie sich erinnert und versucht, eine Abhängigkeit von den richtigen Aktionen zu finden, oder eine „Lehrerin“ schimpft das neuronale Netzwerk für ihre Fehler und versucht zunehmend, eine Abhängigkeit von den richtigen Aktionen zu finden. Neuronale Netze werden auch mit Methoden unterrichtet: mit einem Lehrer, ohne Lehrer, unter teilweiser Beteiligung des Lehrers. Die Wahl hängt von den Bedingungen ab, unter denen das neuronale Netzwerk trainiert wird.

Beim Training mit einem Lehrer müssen wir einen Datensatz mit den richtigen Antworten oder einen anderen Trainingsdatensatz an die Eingabe senden. Danach sollte das neuronale Netzwerk Muster identifizieren und korrekt auf den Testdatensatz reagieren. Normalerweise (was logisch ist) wird das neuronale Netzwerk in der Testprobe häufiger verwechselt, was auf das „Umschulungsproblem“ zurückzuführen ist.



Wenn ein neuronales Netzwerk dieselben Daten zu oft verarbeitet, passt es sich ausschließlich an diese Datenstichprobe an, wodurch sich eine neue Stichprobe ergibt, bei der viele verschiedene neuronale Netze falsch sind.

Bei Schulungen ohne Lehrer übermitteln wir auch Daten, kennen jedoch nicht die richtige Antwort und die Aufgabe besteht darin, die Abhängigkeit von diesen Daten tatsächlich zu ermitteln. Eine teilweise Lehrerausbildung wird am häufigsten beim Training neuronaler Netze verwendet, die in der Lage sind, Schall zu verarbeiten. Wir können so viele Daten finden, wie wir möchten, aber das Markup muss manuell erfolgen.

Das interessanteste (nach einigen Meinungen) ist das Verstärkungstraining, da wir dem neuronalen Netzwerk im Wesentlichen alles beibringen können, indem wir einfach die richtige oder falsche Aktion notieren, die es ausgeführt hat. 2017 fand die DOTA 2 E-Sport-Meisterschaft unter dem Namen „The International 2017“ statt, bei der professionelle Spieler ein Spiel gegen das neuronale OpenAI-Netzwerk spielten (allerdings mit einigen Einschränkungen). Profis hatten keine Chance zu gewinnen. Um dieses neuronale Netzwerk zu trainieren, wurde eine Verstärkungsmethode verwendet. Das neuronale Netzwerk hat so oft gespielt und gelernt, ohne Probleme zu gewinnen. Natürlich gelingt es ihr nicht ohne Probleme, da das Spiel ziemlich kompliziert ist und Sie das neuronale Netzwerk damit täuschen können. Ein Profispieler konnte nur durch Täuschung gewinnen.


Nachdem wir die Grundlagen verstanden haben, können wir die Verwendung neuronaler Netze als Assistenten für Programmierer diskutieren.

4. Verwendung neuronaler Netze bei der Erstellung technischer Spezifikationen

4.1 Prinzip

Wer braucht vielleicht Software? Heutzutage braucht jeder und für ganz andere Zwecke. Oft können sie die Software nicht selbst erstellen oder wollen es deshalb nicht, sie wenden sich an Programmierer. Aber wie erklären Sie dem Darsteller, was Sie wollen? Im Prinzip kann ein Programmierer eine technische Aufgabe erstellen und unter bestimmten Bedingungen mitteilen, was im Programm enthalten sein wird, aber nicht jeder ist aufgrund der Verwendung von Begriffen völlig klar oder wird missverstanden. Wie wäre es, TK individuell zu entwerfen? Es ist schwierig, lang und zu solchen Kosten nicht so notwendig, aber wenn es notwendig ist, etwas Schwieriges zu tun, und warum sollte man diese Aufgabe nicht lange einem Computer zuweisen? Ein neuronales Netzwerk wird diese Aufgabe erfüllen.

4.2 Notwendigkeit

Der Builder ist weit von der Programmierung und sogar weit vom Computer entfernt. Für ihn sagt die Zeile „Intel Core i5 4200M Prozessor 2,5 GHz und höher“ überhaupt nichts aus, und warum braucht sie dann überhaupt TK? Lassen Sie uns einem neuronalen Netzwerk beibringen, die Linien für jeden Einzelnen zu ändern, je nachdem, was er tut. Nehmen Sie zum Beispiel dieselbe Zeile aus Abschnitt 4.3 „Intel Core i5 4200M 2,5 GHz oder höher“. Wir werden sie beispielsweise in den Kurznamen und die durchschnittlichen Kosten dieses Prozessors auf dem Markt ändern. So wird es für den Kunden informativer.

4.3 Implementierung

Dies kann mithilfe der Unterrichtsmethode mit einem Lehrer erfolgen. Am Eingang übermitteln wir eine Reihe von Informationen, die der Auftragnehmer über bedingte Kunden erhalten kann. Wir werden auch Verknüpfungen hinzufügen und sie an Personen hängen, und hinter jeder Verknüpfung wird ein Programm hängen, das den Text ändert. Die Standardklassifizierungsaufgabe besteht aus einem Datensatz und mehreren Antwortoptionen. Angenommen, ein neuronales Netzwerk hat festgestellt, dass der Wissensstand des Kunden in diesem Bereich nicht hoch ist, und hängt ein entsprechendes Etikett daran, nachdem es sich an das Programm gewandt hat, das für dieses Etikett verantwortlich ist, und der Text durch den Text ersetzt wurde, der dem Wissen des Kunden entspricht. Dies ist nicht ganz richtig, da der Betrieb eines neuronalen Netzwerks nur auf die Bestimmung des Kundentyps beschränkt ist und das Programm selbst den Text ändert.

Wie wäre es, wenn Sie das Programm, das für Verknüpfungen verantwortlich ist, durch ein neuronales Netzwerk ( kremlebot ) ersetzen , das dem zum Erstellen von Rezensionen für Websites, Filme und allgemein für die Verwendung von Rezensionen verwendeten Programm ähnelt. Wir werden dem neuronalen Netzwerk beibringen, die auf dem Kundenetikett enthaltenen Begriffe im Austausch gegen Programmbegriffe zu verwenden, und in Kürze wird das Programm die Daten entsprechend der ungefähren Beschreibung des Kunden umformulieren und an den Ausführenden übertragen. Höchstwahrscheinlich wird es zu Beginn möglich sein, die neuronale Netzwerkkommunikation nur für Punkt „4. Technische Anforderungen an das Softwareprodukt“ zu verwenden, da dort hauptsächlich eine „Problemzone“ vorhanden ist. Punkt "8. Der Arbeitsplan “kann auch auf das neuronale Netz übertragen werden, mehr dazu in Abschnitt 6.
Später, wenn sich die Technologien ein wenig weiterentwickeln, wird es möglich sein, das gesamte Design der technischen Aufgabe auf die Schultern eines neuronalen Netzwerks oder vielmehr auf eine verbundene Kette neuronaler Netzwerke zu übertragen. Wie unser Gehirn werden die einzelnen Komponenten für die einzelnen Prozesse in unserem künstlichen neuralen Organismus verantwortlich sein. All dies ermöglicht es, die professionelle Kommunikationsbarriere (es wird auch als Kommunikationsbarriere bezeichnet) zwischen dem Kunden und dem Auftragnehmer zu zerstören.

4.4 Fazit

Die Implementierung ist nicht sehr kompliziert, insbesondere das erste neuronale Netzwerk. Sie müssen mit dem zweiten basteln, aber am Ende wird es Früchte tragen. Eine solche Verwendung eines neuronalen Netzwerks vereinfacht die Interaktion zwischen dem Kunden und dem Auftragnehmer.

5. Verwendung neuronaler Netze zur Erstellung optimaler Softwareentwicklungsmethoden

Ein Mann akzeptiert kaum etwas Neues, wenn er bereits daran gewöhnt ist. Selbst wenn eine Schaufel bequemer, einfacher und einfacher ist, wird eine Person weiterhin einen Stock verwenden, um ein Loch zu graben. Es ist sehr deutlich zwischen den Generationen zu sehen. Großmütter, die die Möglichkeit haben, eine Gemeinschaftswohnung von zu Hause aus über das Internet zu bezahlen, fahren lieber die halbe Stadt. Warum? Weil sie erstens Menschen sind und wie die meisten Menschen Veränderungen nicht wirklich mögen, zweitens wollen sie keine neuen Dinge lernen, halten es für zu schwierig für sie und versuchen nicht einmal, sich damit zu beschäftigen. Gleiches gilt für Methoden. Unternehmen, insbesondere große, sind nicht sehr bereit, die bereits funktionierende Methodik zu ändern. Was aber, wenn die ausgewählte Methodik für ein bestimmtes Projekt nicht optimal oder völlig ungeeignet ist? Es ist logisch zu sagen, was durch das optimale ersetzt werden muss, aber welches wird das sein und was bedeutet es optimal? Die, die das Team leicht akzeptieren wird oder die die Entwicklung beschleunigen wird? Wer kann solche verantwortungsvolle Arbeit anvertrauen? Mal sehen, wie neuronale Netze dies lösen können.

5.1 Implementierung

Höchstwahrscheinlich kann man für ein solches Netzwerk nicht verwalten, und wir werden wieder eine Kette von Verbindungen benötigen, von denen jede für eine separate Aufgabe verantwortlich ist. In dieser Situation verfügen wir über eine Reihe von Daten zur Verwendung von Methoden und zu den Projekten selbst, für die sie angewendet wurden. Sie können auch Daten über die Entwickler hinzufügen, dies erschwert jedoch alles erheblich, sodass wir sie für eine Weile verschieben. Wenn ein Datensatz vorhanden ist, der keine „Antwort“ enthält, verwenden wir die Methode ohne Lehrer. Das neuronale Netzwerk selbst findet die Beziehung zwischen der für die Entwicklung aufgewendeten Zeit und den Daten des Projekts selbst. Höchstwahrscheinlich wird die Genauigkeit aufgrund des menschlichen Faktors nicht sehr hoch sein. Es wird ein zweites neuronales Netzwerk benötigt, das die Entwickler beispielsweise anhand der Korrespondenz (für die ihre Zustimmung erforderlich ist) oder anhand ihrer bevorzugten Arbeitsweise analysiert. Fügen Sie Verknüpfungen wie in Absatz 4 hinzu, und wir werden sie zur Verarbeitung an das erste neuronale Netzwerk zurückgeben. Hier müssen Sie die Methode unter teilweiser Beteiligung des Lehrers anwenden. Wir müssen eine Gruppe von Personen auswählen und ihre Zeichen (Verknüpfungen) durch Tests identifizieren und diese Daten an die Eingabe senden. Nun ist es notwendig zu bestimmen, mit was das neuronale Netzwerk nach einer Beziehung suchen wird. Wenn Sie die Korrespondenz nehmen, wird sie erstens nicht gefallen, weil ihre persönlichen Daten verwendet werden, zweitens wird sie kein genaues Ergebnis liefern. Dann werden wir versuchen, Daten über die Arbeit dieser Personen zu verwenden, aber das Problem hierbei ist die Verfügbarkeit dieser Daten für das neuronale Netzwerk. Die Übertragung der Korrespondenz zum Eingang wird nicht schwierig sein, aber wie können Daten über die Arbeit dieser Personen gesammelt und transformiert werden? Gehen wir auf die andere Seite. Als "Charaktere" übernehmen wir 8 Arten von Rollen, die von Dr. Meredith Belbin identifiziert wurden.



Jetzt haben wir spezifische Beschriftungen und Eigenschaften, um zu bestimmen, an welche wir uns halten sollen. Es ist ziemlich schwierig, den menschlichen Faktor im Hinblick auf seine Stochastik zu berücksichtigen, aber dennoch werden einige Muster verfolgt, die vom neuronalen Netzwerk gesehen werden können. Angenommen, das Thema hat das erste Label "Vorsitzender", aber die Nationalversammlung weiß nichts davon. Die Eigenschaften dieser Persönlichkeit, die das neuronale Netz aus den persönlichen Akten entnehmen kann, werden ihr ausreichen. Auf der Grundlage der Berichte wird auch festgelegt, welches Etikett auf diese Person angewendet wird. Infolgedessen wird eine Verknüpfung aufgelegt und an das erste neuronale Netzwerk gesendet, um Beziehungen zu verarbeiten und zu finden. All dies ist ziemlich kompliziert, erhöht jedoch die Genauigkeit bei der Auswahl einer Methodik für das neuronale Netzwerk erheblich. Unsere Kette hat geschult und kann anhand der Eingabedaten bestimmen, welche Methodik unter Berücksichtigung der Merkmale des Entwicklungsteams zeitlich optimal ist. Wenn das Team das neuronale Netzwerk ständig zur Auswahl von Methoden verwendet, lernt es Schritt für Schritt besser und besser, wodurch es sich bezahlt macht und seine Genauigkeit erhöht. Ausgehend davon ist das neuronale Netzwerk aufgrund der langen Lernfähigkeit nicht der beste Ausweg. Mal sehen, was maschinelles Lernen noch für uns tun kann.

5.2 Schlussfolgerung

Ein neuronales Netzwerk ist für eine solche Aufgabe aufgrund der großen Anzahl menschlicher Faktoren und des langen und teuren Trainings nicht ganz geeignet.

6. Testen von Software mit neuronalen Netzen

Wir sind alle Menschen und neigen dazu, Fehler zu machen. Kevin Mitnik hat einmal gesagt: „Menschen sind das schwächste Glied in Sachen Sicherheit. Menschen, keine Technologie. “ Bei der Entwicklung von Softwareentwicklungstechnologien bleiben immer die gleichen Probleme bestehen. Mängel, Fehler, Irrtümer. All dies erscheint aufgrund menschlicher Faulheit, Unaufmerksamkeit oder Nichtwissen. Das Debuggen und Testen löst dieses Problem.

6.1 -

Das Testen dauert bis zu sechzig Prozent der Gesamtzeit. Dies ist die längste Phase der Softwareentwicklung. Dies geschieht aufgrund der Komplexität der Automatisierung dieser Stufe aufgrund der mangelnden Stochastizität bei Autotestern und der Komplexität ihrer Erstellung. Die beste Option ist das manuelle Testen, da (im Moment) kein Programm eine Person vollständig ersetzen kann. Lang und schwer umzusetzen? Wir verwenden wieder die Hilfe eines neuronalen Netzwerks. Zuerst müssen Sie verstehen, was das Testen mit einem neuronalen Netzwerk bedeutet. Es ist sofort erforderlich zu verstehen, dass das Erstellen eines universellen Testers nicht funktioniert. Sie müssen für jede verallgemeinerte Aufgabe separat ein neuronales Netzwerk erstellen, das Standorte testet. Versuchen wir zunächst, das Funktionsprinzip herauszufinden und festzustellen, ob eine Verwendung in dieser Richtung möglich ist.Was unterwerfen wir dem Eingang? Was erwarten wir zu beenden? Das Trainingsmuster besteht aus bewährten Standorten, an denen das neuronale Netzwerk trainiert wird. Wenn wir unseren Freund vryatli frei lassen, erhalten wir das gewünschte Ergebnis. Daher beschränken wir die NS in Bezug auf Objekte, die auf der Site vorhanden sein können, alle Arten von Schaltflächen, Balken, Kontrollkästchen und Aktionen, die das neuronale Netzwerk ausführen kann. Während das neuronale Netzwerk Spaß hat und sich daran erinnert, was mit einer solchen Aktion passiert, und damit und auf der Suche nach Sucht, erstellen wir aus allem, was wir haben, die fehlerhafteste Site und konfigurieren das neuronale Netzwerk so, dass eine Nachricht gesendet wird, wenn das Ereignis seine Erwartungen nicht erfüllt. Wenn Sie diese Site an den Eingang senden, erhalten wir Nachrichten über mögliche Fehler, wodurch der Prozess der Erstellung des Akzeptanzblatts automatisiert wird.Wenn wir unseren Freund vryatli frei lassen, erhalten wir das gewünschte Ergebnis. Daher beschränken wir die NS in Bezug auf Objekte, die auf der Site vorhanden sein können, alle Arten von Schaltflächen, Balken, Kontrollkästchen und Aktionen, die das neuronale Netzwerk ausführen kann. Während das neuronale Netzwerk Spaß hat und sich daran erinnert, was mit einer solchen Aktion passiert, und damit und auf der Suche nach Sucht, erstellen wir aus all dem, was wir haben, die fehlerhafteste Site und konfigurieren das neuronale Netzwerk so, dass eine Nachricht gesendet wird, wenn das Ereignis seine Erwartungen nicht erfüllt. Wenn Sie diese Site an den Eingang senden, erhalten wir Nachrichten über mögliche Fehler, wodurch der Prozess der Erstellung des Akzeptanzblatts automatisiert wird.Wenn wir unseren Freund vryatli frei lassen, erhalten wir das gewünschte Ergebnis. Daher beschränken wir die NS in Bezug auf Objekte, die auf der Site vorhanden sein können, alle Arten von Schaltflächen, Balken, Kontrollkästchen und Aktionen, die das neuronale Netzwerk ausführen kann. Während das neuronale Netzwerk Spaß hat und sich daran erinnert, was mit einer solchen Aktion passiert, und damit und auf der Suche nach Sucht, erstellen wir aus allem, was wir haben, die fehlerhafteste Site und konfigurieren das neuronale Netzwerk so, dass eine Nachricht gesendet wird, wenn das Ereignis seine Erwartungen nicht erfüllt. Wenn Sie diese Site an den Eingang senden, erhalten wir Nachrichten über mögliche Fehler, wodurch der Prozess der Erstellung des Akzeptanzblatts automatisiert wird.was ein neuronales Netzwerk durchführen kann. Während das neuronale Netzwerk Spaß hat und sich daran erinnert, was mit einer solchen Aktion passiert, und damit und auf der Suche nach Sucht, erstellen wir aus all dem die fehlerhafteste Site und konfigurieren das neuronale Netzwerk so, dass eine Nachricht gesendet wird, wenn das Ereignis seine Erwartungen nicht erfüllt. Wenn Sie diese Site an den Eingang senden, erhalten wir Nachrichten über mögliche Fehler, wodurch der Prozess der Erstellung des Akzeptanzblatts automatisiert wird.was ein neuronales Netzwerk durchführen kann. Während das neuronale Netzwerk Spaß hat und sich daran erinnert, was mit einer solchen Aktion passiert, und damit und auf der Suche nach Sucht, erstellen wir aus allem, was wir haben, die fehlerhafteste Site und konfigurieren das neuronale Netzwerk so, dass eine Nachricht gesendet wird, wenn das Ereignis seine Erwartungen nicht erfüllt. Wenn Sie diese Site an den Eingang senden, erhalten wir Nachrichten über mögliche Fehler, wodurch der Prozess der Erstellung des Akzeptanzblatts automatisiert wird.

Webanwendung. Verstärkungsmethode. Karotte und Peitsche.

Es ist schwierig vorherzusagen, wie genau die vorherige Testversion sein wird, da das neuronale Netzwerk möglicherweise nicht richtig lernt und ein unlogisches Ergebnis erwartet. Es gibt eine zweite Option, die länger, aber genauer und universeller ist. Das neuronale Netzwerk überwacht einfach die Aktionen der Tester und lernt dabei mit der verstärkten Methode. Es empfängt eine große Datenmenge, indem es eine Verbindung in ihnen findet und sie reproduziert. Das neuronale Netzwerk sollte nicht nur die Aktionen auf der Site aufzeichnen, sondern auch, an welchem ​​Punkt der Tester eine Nachricht über den Fehler aufzeichnet, um die Verbindung zu finden. Hier erhalten wir bereits eine genauere Version des Standalone-Testers. Gleichzeitig gibt es sowohl dort als auch dort einen menschlichen Faktor, der nicht einfach durch seine Funktion zu beschreiben ist. Daher ist es für neuronale Netze schwierig, menschliche Stochastizität zu verleihen.

6.2

Beim Testen von Software können wir wie im vorherigen Abschnitt die Methode mit Verstärkungen verwenden. Eine äußerst universelle Methode, mit der Sie einem neuronalen Netzwerk fast alles beibringen können. Wir haben ein neuronales Netzwerk eingerichtet, um die große Anzahl von Testern zu überwachen. Wir werden seine Funktionen in Funktionstests und nichtfunktionale Tests unterteilen. Das für Funktionstests zuständige neuronale Netzwerk basiert auf den Bestimmungen. Für ihr Training werden wir eine Reihe von TK und Fehlern verwenden, die von Programmierern in diesen Programmen gefunden wurden. Hier können Sie auch das neuronale Netzwerk aus Absatz 5 verwenden, um Verknüpfungen zu den an die Eingabe gelieferten Daten hinzuzufügen. Auf diese Weise kann der NS über mögliche Fehler oder Fehler informieren, sich im Laufe der Zeit ständig verbessern und sich an ein bestimmtes Entwicklungsteam anpassen.Für nicht funktionale Tests können Sie herkömmliche Programme verwenden, da das neuronale Netzwerk hier nur eine Komplikation darstellt.

6.3 Schlussfolgerung

Ein neuronales Netzwerk eignet sich gut zum Testen von Standorten, benötigt jedoch gleichzeitig viel Zeit zum Trainieren. Ungefähr das Gleiche gilt für Softwaretests, jedoch ist es etwas schlimmer und schwieriger, die Tests selbst zu implementieren.

7. Fazit

Zusammenfassend können wir sagen, dass die Verwendung neuronaler Netze für die Softwareentwicklung den Prozess beschleunigen wird, jedoch nicht in allen Fällen. All dies funktioniert natürlich nur theoretisch, in der Praxis mag alles nicht so rosig sein, aber die Aufgabe besteht darin, zumindest theoretisch die Möglichkeit zu untersuchen, die Softwareentwicklung mithilfe eines neuronalen Netzwerks zu beschleunigen. Mein Endergebnis der Studie ist die Antwort: Nicht nur theoretisch, sondern auch mit individuellen Ansätzen und Analysen einer Person als Person wird es große Probleme geben, die derzeit schwer zu überwinden sind. Für die vollständige Nutzung neuronaler Netze als Assistenten ist eine lange Schulung erforderlich, die sich später auszahlt. Das neuronale Netz eignet sich am besten zur Erstellung technischer Spezifikationen oder zur Vereinfachung der Interaktion zwischen Auftragnehmer und Kunde.Ein neuronales Netzwerk zerstört die Kommunikationsbarriere, was den gesamten Prozess beschleunigt und erleichtert. Es ist auch erwähnenswert, dass die Möglichkeit, neuronale Netze beim Testen zu verwenden, ebenfalls äußerst nützlich ist. Ein neuronales Netzwerk kann einen möglichen Fehler vorhersagen, als das Testen zu beschleunigen. Dies wird den Prozess nicht dramatisch beschleunigen, aber ein wenig einfacher machen. Leider sind neuronale Netze bei der Auswahl von Methoden nicht sehr effektiv. Ein neuronales Netzwerk kann nicht beginnen, die Gefühle von Menschen zu verstehen, daher kann es nur eine Methodik wählen, die auf statistischen Daten basiert.Leider sind neuronale Netze bei der Auswahl von Methoden nicht sehr effektiv. Ein neuronales Netzwerk kann nicht beginnen, die Gefühle von Menschen zu verstehen, daher kann es nur eine Methodik wählen, die auf statistischen Daten basiert.Leider sind neuronale Netze bei der Auswahl von Methoden nicht sehr effektiv. Ein neuronales Netzwerk kann nicht beginnen, die Gefühle von Menschen zu verstehen, daher kann es nur eine Methodik wählen, die auf statistischen Daten basiert.

Neuronale Netze entwickeln sich sprunghaft und wer weiß, wie schnell dieselben humanoiden Androiden in unseren Häusern auftauchen werden, die ( die gesamte Menschheit zerstören ) unser Leben verbessern werden.


(Android Sofia)

Referenzen

Nikolenko, S. Deep Learning: Eintauchen in die Welt der neuronalen Netze / S. Nikolenko, A. Kadurin, E. Arkhangelskaya - St. Petersburg - Deep Learning. - SPb: Peter, 2018 - 480 S .: Ill. - (Reihe "Programmierbibliothek").