Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen: Unterschied zwischen den Versionen

Aus SDQ-Institutsseminar
Keine Bearbeitungszusammenfassung
Keine Bearbeitungszusammenfassung
 
(Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt)
Zeile 5: Zeile 5:
|betreuer=Daniel Zimmermann
|betreuer=Daniel Zimmermann
|termin=Institutsseminar/2021-11-05
|termin=Institutsseminar/2021-11-05
|kurzfassung=Das Testen von großen Softwareprojekten ist mit viel Arbeitsaufwand verbunden. Ein Aspekt der hier oft übersehen wird, ist die Benutzeroberfläche.
|kurzfassung=Das Testen von Softwareprojekten ist mit einem hohen Arbeitsaufwand verbunden, dies betrifft insbesondere die grafische Benutzeroberfläche.
Künstliche Intelligenz und Neuronale Netzwerke können genutzt werden, um viele der besonders aufwändigen Aufgaben schneller oder sogar besser zu lösen als herkömmliche Methoden.
Verfahren der künstlichen Intelligenz auf der Grundlage neuronaler Netzwerke können genutzt werden, um viele der besonders aufwändigen Aufgaben schneller oder sogar besser zu lösen als herkömmliche Methoden.
In dieser Arbeit wird ein neuartiges Neuronales Netzwerk auf seine Fähigkeit hin untersucht eine Software allein anhand der Pixeldaten ihrer Benutzeroberfläche zu untersuchen.
In dieser Arbeit wird ein neuartiges neuronales Netzwerk auf seine Fähigkeit hin untersucht, eine Software allein anhand der Pixeldaten ihrer Benutzeroberfläche zu testen.
Des Weiteren wird ein System entwickelt, welches mithilfe von besonders leistungsfähigen Grafikkarten das neuronale Netzwerk schneller trainieren kann, als sonst mögich wäre.
Des Weiteren wird ein Framework entwickelt, welches mithilfe von leistungsfähigen GPUs den Trainingsvorgang deutlich beschleunigen kann.
}}
}}

Aktuelle Version vom 26. Oktober 2021, 19:08 Uhr

Vortragende(r) Frederik Scheiderbauer
Vortragstyp Bachelorarbeit
Betreuer(in) Daniel Zimmermann
Termin Fr 5. November 2021
Vortragsmodus
Kurzfassung Das Testen von Softwareprojekten ist mit einem hohen Arbeitsaufwand verbunden, dies betrifft insbesondere die grafische Benutzeroberfläche.

Verfahren der künstlichen Intelligenz auf der Grundlage neuronaler Netzwerke können genutzt werden, um viele der besonders aufwändigen Aufgaben schneller oder sogar besser zu lösen als herkömmliche Methoden. In dieser Arbeit wird ein neuartiges neuronales Netzwerk auf seine Fähigkeit hin untersucht, eine Software allein anhand der Pixeldaten ihrer Benutzeroberfläche zu testen. Des Weiteren wird ein Framework entwickelt, welches mithilfe von leistungsfähigen GPUs den Trainingsvorgang deutlich beschleunigen kann.