پیش بینی خطا نرم افزار مبتنی بر یادگیری عمیق

پیش بینی خطا یکی از چالش های کلیدی در توسعه نرم افزار و تحقیقات زبان برنامه نویسی بر ای بهبود کیفیت و قابلیت اطمینان نرم افزاراست. مشکل اصلی در این زمینه شناسایی صحیح کد منبع معیوب با دقت بالا است. توسعه یک مدل پیش بینی خطا یک مشکل چالشبرانگیز است و رویکردهای زیادی در طول تاریخ ارائه شده است. پیشرفت اخیر در فناوری های یادگیری ماشین، به ویژه توسعه تکنیکهای یادگیری عمیق، منجر به حل بسیاری از مشکلات با این روش ها شده است .در این مقاله، دو مدل یادگیری عمیق، رمزگذار خودکارپشته پراکنده (SSAE) و شبکه باور عمیق (DBN) ، برای طبق هبندی مجموعه های داده ناسا ، به کار گرفته شده اند.