В інформатиці, термін надійність програмного значення означає здатність комп'ютерної системи впоратися з помилками під час виконання, або здатність алгоритму продовжувати роботу, незважаючи на відхилення у ході розрахунків. Чим важче створити помилку будь-якого типу або форми, таку щоб комп'ютер не зміг би впоратися безпечно її виконати, тим більш надійним є програмне забезпечення. Формальні методи, такі як fuzz тестування, мають важливе значення для оцінки надійності, так як цей тип тестування включає неприпустимі або несподіваних вхідні дані. Також інтегрування помилок може бути використано для тестування надійності. Є велика кількість комерційних продуктів які виконують перевірки надійності роботи програмних систем.
Області застосування
Відмовостійке машинне навчання
Термін "Відмовостійке машинне навчання" (англ. Robust machine learning) зазвичай стосується надійності алгоритмів машинного навчання. Щоб алгоритм машинного навчання вважався відмовостійким, помилка тестування повинна відповідати помилці навчання, або робота повинна залишатись стабільною після додавання деякого шуму в набір даних.
Див. також
Приклади
- Examples Robustness Requirements [ 4 вересня 2010 у Wayback Machine.]
Зноски
- El Sayed Mahmoud. . ResearchGate. Архів оригіналу за 4 листопада 2015. Процитовано 13 листопада 2016.
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
V informatici termin nadijnist programnogo znachennya oznachaye zdatnist komp yuternoyi sistemi vporatisya z pomilkami pid chas vikonannya abo zdatnist algoritmu prodovzhuvati robotu nezvazhayuchi na vidhilennya u hodi rozrahunkiv Chim vazhche stvoriti pomilku bud yakogo tipu abo formi taku shob komp yuter ne zmig bi vporatisya bezpechno yiyi vikonati tim bilsh nadijnim ye programne zabezpechennya Formalni metodi taki yak fuzz testuvannya mayut vazhlive znachennya dlya ocinki nadijnosti tak yak cej tip testuvannya vklyuchaye nepripustimi abo nespodivanih vhidni dani Takozh integruvannya pomilok mozhe buti vikoristano dlya testuvannya nadijnosti Ye velika kilkist komercijnih produktiv yaki vikonuyut perevirki nadijnosti roboti programnih sistem Oblasti zastosuvannyaVidmovostijke mashinne navchannya Termin Vidmovostijke mashinne navchannya angl Robust machine learning zazvichaj stosuyetsya nadijnosti algoritmiv mashinnogo navchannya Shob algoritm mashinnogo navchannya vvazhavsya vidmovostijkim pomilka testuvannya povinna vidpovidati pomilci navchannya abo robota povinna zalishatis stabilnoyu pislya dodavannya deyakogo shumu v nabir danih Div takozhRobastne keruvannyaPrikladiExamples Robustness Requirements 4 veresnya 2010 u Wayback Machine ZnoskiEl Sayed Mahmoud ResearchGate Arhiv originalu za 4 listopada 2015 Procitovano 13 listopada 2016