[发明专利]基于ANN的程序检测方法和检测系统及应用

权利要求书

1.基于ANN的程序测试方法，其特征在于，包括如下步骤：

步骤一，常规测试：将目标程序进行代码和功能实现测试，确保目标程序能够正常运行；

步骤二、得到测试模型：利用人工神经网络训练器构建人工神经网络的初始模型，将目标程序的输入值及对应的输出值作为训练样本，通过训练样本对初始模型进行训练，当初始模型处于收敛状态后，停止增加训练样本，并将收敛状态的模型定义为测试模型；

步骤三、测试输出值的选取：当目标程序的输入值范围小于一百万个，取全部输入值，否则至少取随机的一百万个目标程序的输入值输入到测试模型中，根据该测试模型的计算得到测试输出值；

步骤四、实际输出值的选取：取步骤三中同样的输入值输入到目标程序中，进而得到实际输出值；

步骤五、筛选输入值：对同一输入值对应的测试输出值和实际输出值进行比较；如果两者存在偏差量，以偏差量数值从大到小进行排序，选出排在前50～150位所对应的输入值；得到用于测试目标程序是否正确的测试值；

步骤六、将选出的测试值存储到可读存储介质中以待复制；

步骤七、将步骤六中的测试值传递到目标程序进行运行，运行结果与实际功能需求进行对比，如果运行结果有其一与实际功能需求不符合，则判定目标程序存在缺陷；否则，目标程序为符合要求的程序。

2.根据权利要求1所述的基于ANN的程序测试方法，其特征在于：在步骤二中，所述人工神经网络的初始模型为BP神经网络模型；包括输入层、隐藏层和输出层；将目标程序的输入值作为输入层；将输入值经过目标程序运行后得到的输出值作为输出层；输入层和输出层的节点数为32个。

3.根据权利要求2所述的基于ANN的程序测试方法，其特征在于，所述BP神经网络模型在训练过程中采用的激活函数为：当f(x)的值小于0.5时，输出层节点的输出值取0；当f(x)的值大于或等于0.5时，输出层节点的输出值取为1。

4.根据权利要求3所述的基于ANN的程序测试方法，其特征在于，BP神经网络模型的隐藏层的输出值满足：其中w(j,m)表示从输入层节点到隐藏层节点的权重，k为隐藏层的节点数。

5.根据权利要求4所述的基于ANN的程序测试方法，其特征在于，BP神经网络模型的输出层的输出值满足：其中w`(m,n)表示从隐藏层节点到输出层节点的权重。

6.根据权利要求5所述的基于ANN的程序测试方法，其特征在于：步骤五中所述的偏差量满足：其中o_n表示函数实现的输出值。

7.根据权利要求1或6所述的基于ANN的程序测试方法，其特征在于：在步骤二中，在对BP神经网络模型进行训练过程中，通过仿真软件观察曲线变化。

8.根据权利要求1所述的基于ANN的程序测试方法，其特征在于：所述步骤二中的训练样本中输入值的取值范围少于100万个，则全部作为训练样本，否则随机选择100万个作为训练样本。

9.根据权利要求1或8所述基于ANN的程序测试方法提供的检测系统，其特征在于，包括：程序基础测试单元，用于目标程序的功能和程序本身是否错误进行初步测试；

人工神经网络训练器，存储有多种训练模型，通过训练样本得到收敛状态的人工神经网络模型；

与人工神经网络训练器信号连接的曲线显示器，用于实时显示模型曲线的收敛状态；

存储器，用于存储目标程序和测试模型本身以及运行过程中产生的数据；

处理器，用于执行所述目标程序和测试模型的运行；

可读存储介质，用于在各设备中转移数据。