| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Adrešu izteiksmju testēšana, izmantojot dziļo stimulēto mašīnmācīšanos |
| Nosaukums angļu valodā |
Testing Regular Expressions of Addresses Using Deep Reinforcement Learning |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Ēvalds Urtāns |
| Recenzents |
|
| Anotācija |
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. |
| Atslēgas vārdi |
STIMULĒTĀ MAŠĪNMĀCĪŠANĀS, DZIĻIE NEIRONU TĪKLI, REGEX IZTEIKSMES, REKURENTIE NEIRONU TĪKLI |
| Atslēgas vārdi angļu valodā |
MACHINE LEARNING, DEEP NEURAL NETWORK, REGULAR EXPRESSIONS, RECURRENT NEURAL NETWORK |
| Valoda |
lv |
| Gads |
2021 |
| Darba augšupielādes datums un laiks |
07.09.2021 02:25:06 |
