Ступина А.А. Моделирование управляемых процессов. Лабораторный практикум

Подождите немного. Документ загружается.

ход, критерии тестирования) и процедуры тестирования для управления ква-

лификационным тестированием ПО.

Разработчик должен оценить план интеграции, проект, код, тесты, ре-

зультаты тестирования и руководства пользователя с точки зрения критериев,

приведенных ниже:

– отслеживаемость системных требований;

– внешняя согласованность с системными требованиями;

– внутренняя согласованность;

– тестирование ЭКПО требований;

– соответствие используемых стандартов и методов тестирования;

– соответствие с ожидаемыми результатами;

– выполнимость квалификационного тестирования ПО;

– выполнимость эксплуатации и сопровождения.

9. Квалификационное тестирование программного обеспечения. Для

каждого ЭКПО это действие состоит из следующих задач, которые должен

выполнить разработчик:

Разработчик должен руководить квалификационным тестированием в

соответствии с квалификационными требованиями, особыми для ЭКПО.

Должно быть гарантировано, что реализация каждого требования к ПО пол-

ностью протестирована. Результаты квалификационного тестирования долж-

ны быть зарегистрированы.

Разработчик должен оценить проект, код, тесты, результаты тестирова-

ния и руководство пользователя в соответствии с приведенными ниже крите-

риями:

– тестирование требований к ЭКПО;

– согласованность с ожидаемыми результатами;

– выполнимость системной интеграции и тестирования;

– выполнимость эксплуатации и сопровождения.

Результаты аудита должны быть задокументированы. Если разрабаты-

ваются или интегрируются ПО и аппаратное обеспечение, аудит может быть

отложен до квалификационного тестирования системы.

После успешного завершения аудита, если предписано, разработчик

должен:

а) обновить и подготовить к поставке ПО для системной интеграции,

квалификационного тестирования системы, инсталляции или поддержки при-

ема ПО, как полагается;

б) представить основную линию проектирования и кодирования ЭКПО.

10. Системная интеграция. Это действие состоит из следующих задач,

которые должен выполнить разработчик.

ЭКПО должен быть интегрирован с ЭАК, руководством по эксплуата-

ции и другими системами в единую систему. Составляющие должны быть

протестированы на соответствие требованиям. Интеграция и результаты те-

стирования должны быть задокументированы.

Для каждого квалификационного требования к системе должны быть

разработаны и задокументированы полный набор тестов, ситуаций (входных,

выходных, критериев тестирования), процедур тестирования. Разработчик

должен гарантировать, что интегрированная система готова для квалификаци-

онного тестирования.

Интегрированная система должна быть оценена в соответствии с приве-

денными ниже критериями:

– зона тестирования требований к системе;

– приемлемость используемых методов и стандартов тестирования;

согласованность с ожидаемыми результатами;

– выполнимость квалификационного тестирования системы;

– выполнимость эксплуатации и сопровождения.

11. Квалификационное тестирование системы. Это действие состоит из

следующих задач, выполняемых разработчиком.

Квалификационное тестирование системы должно руководствоваться в

соответствии с квалификационными требованиями, определенными для си-

стемы. Должно быть гарантировано, что выполнение каждого требования к

системе протестировано полностью и система готова к поставке. Результаты

квалификационного тестирования должны быть задокументированы.

Система должна быть оценена в соответствии с приведенными ниже

критериями:

– зона тестирования требований к системе;

– подтверждение ожидаемыми результатами;

– выполнимость эксплуатации и сопровождения.

После успешного завершения аудита, если предписано, разработчик

должен:

– обновить и подготовить к поставке ЭКПО для инсталляции ПО и его

приемки;

– обосновать основные направления для проектирования и кодирования

ЭКПО.

12. Инсталляция программного обеспечения. Это действие состоит из

следующих задач, выполняемых разработчиком.

Разработчик должен разработать план инсталляции ПО в намеченную

среду. Ресурсы и информация, необходимые для установки ПО, должны быть

определены и доступны. Разработчик должен помогать поставщику при уста-

новке. После того, как ПО установлен в существующую систему, Разработчик

должен поддерживать некоторые параллельно выполняемые действия. План

установки должен быть задокументирован.

Разработчик должен установить ПО в соответствии с планом установки.

Должно быть гарантировано, что ПО и базы данных инициализируются,

функционируют и прекращают работу, как указано в контракте. Процесс

установки и результаты должны быть задокументированы.

13. Поддержка приемки ПО. Это действие состоит из следующих задач,

выполняемых разработчиком.

Разработчик должен поддерживать процесс приемки поставщиком и те-

стирование ПО. Приемка и тестирование должны основываться на общем об-

зоре, аудите, квалификационном тестировании, квалификационном тестиро-

вании системы (если оно выполнялось). Результаты приемки и тестирования

должны быть задокументированы.

Этап реализации

Целью является получение исходного кода, который должен допускать

трассировку, проверку, быть непротиворечивым и корректно реализовывать

требования НУ.

Входные данные:

– требования НУ;

– архитектура ПО;

– план разработки ПО;

– стандарты кодирования ПО

Первичный результат – исходный код и объектный код.

Основные принципы:

– исходный код должен реализовывать требования НУ и соответство-

вать архитектуре ПО;

– исходный код должен соответствовать стандартам кодирования ПО;

– исходный код должен сводиться к описанию проекта;

– неадекватные или некорректные входные данные должны быть пере-

даны либо подэтапу разработки требований к ПО, либо подэтапу проектиро-

вания ПО, либо этапу планирования разработки ПО по принципу обратной

связи для разъяснения или исправления.

Этап внедрения

Целью является загрузка исполняемого объектного кода в аппаратное

или программно-аппаратное обеспечение.

Входные данные:

– архитектура ПО;

– исходный код;

– объектный код.

Результат – исполняемый объектный код, а также компонуемые и загру-

жаемые данные.

Основные принципы:

– исполняемый объектный код должен быть сгенерирован из исходного

кода и компонуемых и загружаемых данных;

– ПО должно быть загружено в целевой компьютер для программно-

аппаратной интеграции;

– неадекватные или некорректные входные данные должны быть пере-

даны либо подэтапу разработки требований к ПО, либо подэтапу проектиро-

вания ПО, либо подэтапу кодирования ПО, либо этапу планирования разра-

ботки ПО по принципу обратной связи для разъяснения или исправления.

Этап сопровождения и эксплуатации

Процесс эксплуатации состоит из действий и задач того, кто эксплуати-

рует разработанное ПО. Процесс включает эксплуатацию ПО и поддержку

пользователей. Поскольку эксплуатация ПО является интеграционной состав-

ляющей эксплуатации системы, действия и задачи этого процесса относятся и

к системе.

Оператор управляет процессом эксплуатации на уровне проекта, следуя

процессу управления, являющемуся примером; представляет инфраструктуру

процесса, согласно процессу инфраструктура ; подстраивает процесс для

проекта согласно процессу подгонки; руководит процессом на организацион-

ном уровне согласно процессу усовершенствования.

Этот процесс состоит следующих задач: выполнения процесса, тестиро-

вание, эксплуатация системы и поддержка пользователей.

Процесс сопровождения и поддержки состоит из действий и задач лица,

выполняющего сопровождение. Этот процесс начинается, когда необходима

модификация из-за допущенных ошибок, неучтенных проблем, необходимо-

сти усовершенствования или адаптации кода ПО и соответствующей доку-

ментации. Его цель - модифицировать существующее ПО, сохранив его це-

лостность. Этот процесс включает распространение и замену ПО. Процесс за-

вершается заменой ПО.

Действия, обеспечиваемые этим разделом, определены как процесс со-

провождения, однако процесс может использовать другие процессы этого

стандарта. Если используется процесс разработки, термин разработчик интер-

претируется как обеспечивающий сопровождение. Обеспечивающий сопрово-

ждение руководит процессом сопровождении на уровне проекта, следуя про-

цессу управления.

Процесс состоит из следующих действий: процесс реализации, анализ

проблем и модификации, реализация модификации, приемка, распростране-

ние, замена ПО.

Сравнительный анализ моделей

Описывая жизненные циклы, сегодня говорят лишь о строгой каскад-

ной модели как об основе последовательного развития проектов. Это напрас-

но, поскольку демонстрация различных представлений в их развитии позво-

ляет лучше понимать и разграничивать аспекты. Следует предостеречь маги-

стра об опасности абсолютизации. Все подходы к менеджменту проектов,

применяемые на практике, исходят из специфики конкретных проектов и си-

туаций, в которых они развиваются. И если попытаться внедрить «понравив-

шуюся» методологию и, в частности, ее представление о жизненном цикле в

чужеродную среду, то в результате она потеряет все свои преимущества. Мы

убеждены, что следует всегда явно указывать не только достоинства, но и

недостатки какого бы то ни было подхода. Иными словами, надо знать грани-

цы применимости подходов.

Сравнивая каскадную и спиральную модели, можно сказать, что каскад-

ная модель более универсальна, т. е. она применима к производству разных

изделий, будь то отбойный молоток или графический редактор. Для разных

изделий просто будут изменяться количество и название этапов модели. Спи-

ральная же модель более ориентирована именно на информационные систе-

мы, особенно на программные продукты, поэтому при разработке информа-

ционных систем и их программного обеспечения она предпочтительнее кас-

кадной.

Варианты заданий

Разработать гейм-дизайн. В разработке по каскадной или спиральной

модели магистр или группа магистров создают дизайн-документ, в котором

подробно описываются многие игровые функции и механика. Затем дизайн-

документ разбивается на части, которые другая группа использует для извле-

чения необходимых функциональностей и ресурсов. Требования, предъявляе-

мые к ресурсам и элементам функциональностей, касаются всех команд, во-

влечённых в разработку.

ЛАБОРАТОРНАЯ РАБОТА № 2.

ПОСТРОЕНИЕ И ОБУЧЕНИЕ НЕЙРОСЕТИ

Цель работы: Построить, обучить и протестировать нейронную сеть.

Теоретическое введение

На практике нейросети используются в двух видах – как программные

продукты, выполняемые на обычных компьютерах, и как специализирован-

ные аппаратно-программные комплексы. Основная задача нейрокомпьютеров

– обработка образов, основанная на обучении – та же, что и у биологических

нейросистем. Подобно биологическим, искусственные нейросети нацелены

на параллельную обработку широкополосных образов. В новой схемотехни-

ке, как и в мозгу, отсутствуют общие шины, нет разделения на активный про-

цессор и пассивную память. Вычисления, как и обучение, распределены по

всем активным элементам – нейронам, каждый из которых есть элементарный

процессор образов, так как производит хотя и простейшую операцию, но сра-

зу над большим количеством входов. Как вычисления, так и обучение полно-

стью параллельны

Несмотря на значительное число специализированных аппаратных раз-

работок нейросетей, основное применение в настоящее время получили про-

граммные реализации различных нейросетевых парадигм, называемые нейро-

пакетами (нейроэмуляторами). Иначе говоря, нейропакет – это программная

оболочка, эмулирующая для пользователя нейросреду на обычном персональ-

ном компьютере.

В случае использования нейросетей в виде программных продуктов

встроенный параллелизм нейросетевых алгоритмов не используется. Для

многих задач при анализе и обобщении баз данных, особенного быстродей-

ствия и не требуется: для них вполне хватает производительности современ-

ных универсальных процессоров. В этих приложениях используется исклю-

чительно способность нейросетей к обучению, к извлечению скрытых в

больших массивах информации закономерностей.

Преимущества нейроэмуляторов для относительно небольших задач

очевидны:

– не нужно приобретать новую специализированную аппаратуру (спец-

процессоры);

– пользователь не должен осваивать особенности программирования на

спецпроцессорах и способы их сопряжения с базовым компьютером;

– универсальные ЭВМ не накладывают никаких ограничений на струк-

туру сетей и способы их обучения, тогда как спецпроцессоры зачастую имеют

ограниченный набор встроенных в них функций активации и достигают пико-

вой производительности лишь на определенном круге задач.

В настоящее время существует несколько десятков фирм-производи-

телей нейропакетов, а предлагаемый ими ассортимент составляет несколько

сот наименований.

Общие сведения об нейроэмуляторе NeuroPro

Программа NeuroPro 0.25 является свободно распространяемой бета-

версией разрабатываемого программного продукта для работы с нейронными

сетями и производства знаний из данных с помощью обучаемых искусствен-

ных нейронных сетей.

Основные возможности программы:

1. создание нейропроекта;

2. подключение к нейропроекту файла (базы) данных;

3. редактирование файла данных;

4. добавление в нейропроект нейронной сети слоистой архитектуры с

числом слоев нейронов от 1 до 10, числом нейронов в слое – до 100 (число

нейронов для каждого слоя сети может задаваться отдельно);

5. выбор алгоритма обучения, назначение требуемой точности прогноза,

настройка параметров нейронной сети;

6. обучение нейронной сети решению задачи предсказания или класси-

фикации;

7. тестирование нейронной сети на файле данных;

8. вычисление показателей значимости каждого из входных сигналов

для решения задачи, сохранение вычисленных показателей значимости в

файле на диске;

9. упрощение нейронной сети;

10. генерация и визуализация вербального описания нейронной сети.

Редактирование и сохранение вербального описания нейронной сети в файле

на диске;

11. сохранение нейропроекта на диске.

Описание меню

Меню программы содержит следующие пункты, относящиеся к нейрон-

ным сетям и работе с ними:

Файл – базовые операции с файлами:

Создать – создает новый файл проекта.

Открыть – открывает существующий на диске файл проекта.

Сохранить – сохраняет файл. Возможно сохранение файлов проекта,

файлов данных, показателей значимости входных сигналов сети, вербального

описания сети.

Сохранить как – сохраняет файл под другим именем или в другом фор-

мате. Возможно сохранение файлов проекта, файлов данных, результатов те-

стирования, показателей значимости входных сигналов сети, вербального

описания сети.

Выход – завершение работы программы.

Нейросеть – операции с нейронными сетями. Операция выполняется

над активной в данный момент в нейропроекте нейросетью.

Обучение – обучение нейронной сети.

Тестирование – тестирование нейронной сети.

Анализ обучающего множества – вычисление константы Липшица для

обучающей выборки, формирование набора конфликтных примеров в задач-

нике (набора примеров, для которых одинаковым значениям входных сигна-

лов соответствуют разные значения выходных сигналов).

Сокращение числа входных сигналов – удаление наименее значимых

входных сигналов.

Сокращение числа нейронов – удаление наименее значимых нейронов

сети.

Сокращение числа синапсов – удаление наименее значимых синапсов

сети.

Сокращение числа неоднородных входов – удаление наименее значи-

мых неоднородных входов нейронов сети.

Равномерное упрощение сети – сокращение максимального числа при-

ходящих на нейрон сети сигналов до задаваемого пользователем.

Бинаризация синапсов сети – приведение значений весов синапсов и

неоднородных входов нейронов к выделенным значениям.

Вербализация – генерация вербального описания нейронной сети.

Значимость входов – подсчет и отображение значимости входных сиг-

налов нейронной сети.

Возмущение весов синапсов – добавление случайных поправок к весам

синапсов сети.

Настройка – операции по настройке. Настройки действуют в пределах

нейропроекта, сохраняются в файле нейропроекта и восстанавливаются при

его чтении программой.

Метод оптимизации – выбор метода оптимизации для обучения сети. Из

реализованных в настоящее время в программе методов (градиентный спуск,

модифицированный ParTan метод, метод сопряженных градиентов и квази-

ньютоновский BFGS-метод) при создании нейропроекта автоматически

предлагается ParTan.

Норма накопления значимости – выбор нормы накопления градиента

при подсчете показателей значимости. При создании нейропроекта автомати-

чески выбирается норма в виде суммы модулей.

Веса бинаризованных синапсов – выбор набора выделенных значений, к

которым приводятся веса синапсов. После приведения веса синапса к выде-

ленному значению синапс исключается из обучения; при переходе от более

подробного набора выделенных значений к менее подробному те из бинари-

зованных ранее синапсов, веса которых не попадают в выделенные значения,

возвращаются в обучение.

Расширять задачник при контрастировании входов – при сокращении

числа входных сигналов после каждого исключения сигнала будет делаться

перестройка обучающего множества. Если ранее в обучающее множество не

попадали те примеры, где имелись пропущенные значения у входных призна-

ков, то после перестройки обучающего множества в него могут войти новые

примеры – те примеры, где пропуски находятся на месте исключенного вход-

ного признака.

Нейросетевая парадигма

На настоящий момент имеется возможность работы только со слоисты-

ми и слоистыми монотонными нейронными сетями с числом слоев нейронов

от 1 до 10, числом нейронов в слое – до 100. Число нейронов в слое не зави-

сит от числа входных сигналов и числа выходных сигналов. После последне-

го слоя нейронов сеть имеет слой адаптивных сумматоров с числом суммато-

ров, равных числу выходных сигналов, с которых и снимаются выходные сиг-

налы сети.

Число входных и выходных сигналов сети ограничено максимальным

числом полей в файле данных и не может в сумме превышать 255 или 511 (в

зависимости от файла данных) сигналов. Каждому входному и выходному

сигналу соответствует поле в файле данных. Однако, при обработке каче-

ственных признаков, каждому входному или выходному полю могут соответ-

ствовать несколько входных или выходных сигналов сети.

Веса синапсов при обучении могут изменяться в диапазоне [–1,1], при

создании сети инициируются случайными числами.

Нелинейная функция нейрона имеет вид f(A)=A/(c+|A|), где c – пара-

метр крутизны переходного участка сигмоидной функции, который задается

при создании сети в диапазоне [0.0001,1] и не изменяется при обучении. Па-

раметр крутизны можно задавать отдельно для каждого слоя сети.

Подача и снятие сигналов

Нейронная сеть может обрабатывать только поля в файле данных, со-

держащие числовые значения. Из всего набора полей в файле данных можно

выбрать отдельные поля для обработки нейросетью.

Обрабатываемые поля могут быть непрерывными (количественными) и

дискретнозначными (качественными).

Каждое количественное поле в файле данных будет соответствовать од-

ному входному или выходному сигналу сети. Перед подачей количественных

входных полей нейронной сети происходит их нормировка в диапазон значе-

ний [–1,1] по каждому полю. Выходные сигналы сети нормируются в диапа-

зон истинных значений.

Каждому качественному полю может соответствовать от 2 до 20 вход-

ных или выходных сигналов сети (зависит от числа дискретных состояний,

которых может принимать данное поле). Дискретные состояния могут зада-

ваться не только отдельными значениями, но и интервалами значений. Вход-

ные сигналы сети при обработке качественных признаков принимают значе-

ния –1 либо 1. Для каждого выходного качественного признака строится пра-

вило принадлежности его к тому или иному дискретному состоянию, основы-

ваясь на значениях выходных сигналов сети для каждого его дискретного со-

стояния. Правило подачи и интерпретации качественных признаков может

меняться в зависимости от того, обладают ли состояния качественного при-

знака отношением упорядоченности и предшествования (например, состоя-

ния качественного признака, соответствующие тому или иному направлению

ветра («Север», «Запад», «Юг», «Восток») отношением предшествования не

обладают, а состояния при кодировании качественным признаком степени тя-

жести заболевания – обладают отношением упорядоченности и предшество-

вания (более тяжелой стадии всегда предшествовала более легкая).

Точность решения задачи

Нейросеть может решать одновременно несколько задач как прогнози-

рования (предсказания значений нескольких количественных признаков), так

и задачи классификации (предсказания состояний нескольких качественных

признаков), так и задачи прогнозирования и классификации одновременно.

Для каждой из задач могут быть установлены свои требования к точно-

сти.

Для прогнозируемого качественного признака точность означает макси-

мально допустимое отклонение прогноза сети от истинного значения призна-

ка. Желательно задавать как можно менее жесткие требования к точности.

Это ускорит как процесс обучения, так и процесс упрощения сети. Также за-

дачу можно будет решить на основе нейронной сети с меньшим числом слоев

или нейронов, и, обычно, на основании меньшего числа входных сигналов.

Требуемая точность ни в коем случае не должна превосходить погрешностей

получения сигнала (погрешностей измерительных приборов, погрешностей

огрубления значений при вводе их в компьютер). Так, если значение признака

изменяется в диапазоне [0,10] и измерительный прибор имеет собственную

точность ±0.1, то нельзя требовать от сети предсказания с точностью ±0.01.

Для качественного признака точность (надежность) означает уверен-

ность в принадлежности качественного признака тому или иному дискретно-

му состоянию. Чем больше уровень требуемый уверенности, тем более на-