| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Adrešu izteiksmju testēšana, izmantojot dziļo stimulēto mašīnmācīšanos |
| Title in English |
Testing Regular Expressions of Addresses Using Deep Reinforcement Learning |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Ēvalds Urtāns |
| Reviewer |
|
| Abstract |
Bakalaura darba tips: 2. tips: Aktuālo jomas problēmu risinājumi
Stimulētā mašīnmācība kā mašīnmācības veids pēdējo gadu laikā ir ieguvusi lielu
popularitāti lielo sasniegumu dēļ datorspēļu vidē, robotikā un citos lēmumu pieņemšanas
uzdevumos, darba ietvaros tika atrasta problēma, ka RegEx izteiksmēs netiek pietiekami
notestētas ievainojamības un kā iespējamie risinājumi tika veidoti uz stimulēto mašīnmācību
balstīti modeļi, kuri spēj notestēt RegEx izteiksmes, kas tiek izmantotas ievades lauku
validācijai. Darba ietvaros tika izveidoti 3 modeļi un tika salīdzināti modeļu rezultāti. LSTM
modelis vidēji ieguva balvas skaitlisko vērtību 109 , GRU ieguva 226, bet RNN – 206, no kā
var secināt, ka vislabākos rezultātus uzrādījis tieši GRU modelis, bet vissliktākos – LSTM.
Jauni veidoto modeli var izmantot RegEx izteiksmju testēšanā, piemēram, lai tiktu uzlabota
ievades lauku drošība lietotāja saskarnēs.
Darba pamattekstā ir 48 lappuses, 17 attēli, 1 tabula, 31 nosaukumu informācijas avoti
un 0 pielikumi. |
| Keywords |
STIMULĒTĀ MAŠĪNMĀCĪŠANĀS, DZIĻIE NEIRONU TĪKLI, REGEX IZTEIKSMES, REKURENTIE NEIRONU TĪKLI |
| Keywords in English |
MACHINE LEARNING, DEEP NEURAL NETWORK, REGULAR EXPRESSIONS, RECURRENT NEURAL NETWORK |
| Language |
lv |
| Year |
2021 |
| Date and time of uploading |
07.09.2021 02:25:06 |
