Test case generation for software testing on smart televisions with LSTM networks
Başlık çevirisi mevcut değil.
- Tez No: 791878
- Danışmanlar: DOÇ. DR. CENK DEMİROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Akıllı TV'ler için yazılım testi, pahalı ve zaman alıcı bir süreçtir. Bu nedenle, yazılım kalitesini artırırken maliyetleri düşürmek için otomatik ve etkin test senaryosu oluşturma önemlidir. Bu çalışmada, akıllı TV'ler için kısa sürede otomatik olarak yeni ve etkili test senaryoları oluşturmak için Uzun Kısa Süreli Bellek (LSTM) ağlarının kullanılmasını öneriyoruz. Önerilen model için eğitim verileri, test sırasında dört farklı TV yazılımında meydana gelen sıfırlama, çökme ve kilitlenme hatalarının analizi ile hazırlanmıştır. Bu hatalara ilişkin test senaryoları, Vestel Elektronik TV fabrikasında yazılım onay süreçlerinde manuel olarak oluşturulmuştur. Test veritabanından, her bir hatanın, TV'yi açma ve kapatma veya Netflix uygulamasını açma gibi bir hatayla sonuçlanan bir dizi eyleme karşılık geldiği toplam 3000 hata ayıklandı. Bir Uzun Kısa Süreli Bellek (LSTM) ağ modeli daha sonra bu hataları kullanarak test senaryolarını otomatik olarak oluşturmak için eğitilir. Modelin performansı, sabit sayıda deneme dizisi verildiğinde ne kadar hata üretilebileceği ile ölçülür. Deneylerde, otomatik olarak oluşturulan test senaryoları, manuel olarak tasarlanmış vakalara kıyasla hatalara neden olan diziler oluşturma konusunda daha başarılıydı. Böylece, önerilen LSTM modeli kullanılarak belirli bir zaman diliminde önemli ölçüde daha fazla hata üretilebildi ve bu da daha güvenilir ve daha hızlı yazılımla sonuçlandı.
Özet (Çeviri)
Software testing for Smart TVs is an expensive and time-consuming process. Therefore, automatic and effective test case generation is important for reducing costs while improving software quality. In this study, we propose using the Long Short Term Memory (LSTM) networks for auto-generating new and effective test cases for smart TVs in a short amount of time. Training data for the network is prepared by an analysis of reset, crash, and hang errors that occurred in four different TV software during testing. The test cases for those errors were generated manually during the software approval processes at the Vestel Electronics TV factory. A total of 3000 errors were extracted from the test database, where each error corresponds to a sequence of actions, such as turning the TV on/off or opening the Netflix application, etc., that result in an error. A Long Short Term Memory (LSTM) network model is then trained to auto-generate test cases using those errors. The performance of the model is measured by how many errors could be generated given a fixed number of trial sequences. In experiments, auto-generated test cases were more successful in generating sequences that resulted in errors compared to the manually designed cases. Thus, significantly more errors could be generated in a given time frame using the proposed LSTM model, which resulted in more reliable and faster software.
Benzer Tezler
- Risk-driven model-based testing
Risk-driven model tabanlı test
ABDULHADİ KIRKICI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. HASAN SÖZER
- Lityum iyon bataryalarda parça ömür kestirimi
Calculating remaining useful life of lithium-ion batteries
FERHAT MAÇİN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. SALMAN KURTULAN
- Automatic test-case generation for IEC 61499 compliant applications
Başlık çevirisi yok
ABDULLAH VURAL
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTechnische Universität KaiserslauternYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. GEORG FREY
DR. TANVIR HUSSAIN
- Investigation of interacting multiple fatigue cracks propagation using two-dimensional boundary cracklet method
İki boyutlu sınır çatlak elemanı yöntemi (boundary cracklet method) kullanılarak etkileşimli çoklu yorulma çatlaklarının ilerlemesinin araştırılması
TALAL AHMED
Doktora
İngilizce
2021
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
Prof. Dr. HALİT SÜLEYMAN TÜRKMEN
Prof. Dr. ABDULKADİR YAVUZ
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA