GI LogoGI Logo
  • Anmelden
Digitale Bibliothek
    • Gesamter Bestand

      • Bereiche & Sammlungen
      • Titel
      • Autor
      • Erscheinungsdatum
      • Schlagwort
    • Diese Sammlung

      • Titel
      • Autor
      • Erscheinungsdatum
      • Schlagwort
Digital Bibliothek der Gesellschaft für Informatik e.V.
GI-DL
    • English
    • Deutsch
  • Deutsch 
    • English
    • Deutsch
Dokumentanzeige 
  •   Startseite
  • Lecture Notes in Informatics
  • Proceedings
  • INFORMATIK - Jahrestagung der Gesellschaft für Informatik e.V.
  • P314 - INFORMATIK 2021 - Computer Science & Sustainability
  • Dokumentanzeige
JavaScript is disabled for your browser. Some features of this site may not work without it.
  •   Startseite
  • Lecture Notes in Informatics
  • Proceedings
  • INFORMATIK - Jahrestagung der Gesellschaft für Informatik e.V.
  • P314 - INFORMATIK 2021 - Computer Science & Sustainability
  • Dokumentanzeige

Einsatz von Deep Learning für den Test Eingebetteter Systeme

Autor(en):
Bielefeldt,Jens [DBLP] ;
Basener, Kai-Uwe [DBLP] ;
Khan, Siddique Reza [DBLP] ;
Massah, Mozhdeh [DBLP] ;
Wiesbrock, Hans-Werner [DBLP] ;
Scharoba, Stefan [DBLP] ;
Hübner, Michael [DBLP]
Zusammenfassung
Während der Durchführung von Funktions-, Stress- oder Laufzeittests eingebetteter Systeme fallen große Mengen von Testdaten an. Die Testläufe sind in der Regel, wenn auch nicht umfassend, von Testern und/oder Kunden ausgewertet worden, und können somit als Referenz für weitere Testdaten dienen. In dem Forschungsprojekt DeepTest wird versucht, mit Hilfe von Techniken des Deep Learning diese riesigen Datenmengen für das Training neuronaler Netze zu nutzen, um weitere, neue Tests zu generieren und Testmuster in ihnen zu identifizieren. In dem vorliegenden Artikel wird über den derzeitigen Stand der Forschung berichtet.
  • Vollständige Referenz
  • BibTeX
Bielefeldt, Je., Basener, K.-U., Khan, S. R., Massah, M., Wiesbrock, H.-W., Scharoba, S. & Hübner, M., (2021). Einsatz von Deep Learning für den Test Eingebetteter Systeme. In: , . (Hrsg.), INFORMATIK 2021. Gesellschaft für Informatik, Bonn. (S. 1859-1864). DOI: 10.18420/informatik2021-166
@inproceedings{mci/Bielefeldt2021,
author = {Bielefeldt,Jens AND Basener, Kai-Uwe AND Khan, Siddique Reza AND Massah, Mozhdeh AND Wiesbrock, Hans-Werner AND Scharoba, Stefan AND Hübner, Michael},
title = {Einsatz von Deep Learning für den Test Eingebetteter Systeme},
booktitle = {INFORMATIK 2021},
year = {2021},
editor = {} ,
pages = { 1859-1864 } ,
doi = { 10.18420/informatik2021-166 },
publisher = {Gesellschaft für Informatik, Bonn},
address = {}
}
DateienGroesseFormatAnzeige
X1-9.pdf380.0Kb PDF Öffnen

Sollte hier kein Volltext (PDF) verlinkt sein, dann kann es sein, dass dieser aus verschiedenen Gruenden (z.B. Lizenzen oder Copyright) nur in einer anderen Digital Library verfuegbar ist. Versuchen Sie in diesem Fall einen Zugriff ueber die verlinkte DOI: 10.18420/informatik2021-166

Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken

Mehr Information

DOI: 10.18420/informatik2021-166
ISBN: 978-3-88579-708-1
ISSN: 1617-5468
Datum: 2021
Sprache: de (de)

Keywords

  • Test Eingebetteter Systeme
  • Testdaten Generierung
  • Deep Learning
Sammlungen
  • P314 - INFORMATIK 2021 - Computer Science & Sustainability [168]

Zur Langanzeige


Über uns | FAQ | Hilfe | Impressum | Datenschutz

Gesellschaft für Informatik e.V. (GI), Kontakt: Geschäftsstelle der GI
Diese Digital Library basiert auf DSpace.

 

 


Über uns | FAQ | Hilfe | Impressum | Datenschutz

Gesellschaft für Informatik e.V. (GI), Kontakt: Geschäftsstelle der GI
Diese Digital Library basiert auf DSpace.