基于CG-EGU神经网络的计算机软件性能评估研究.pdfVIP

信息技术ＸＩＮＸＩＪＩＳＨＵ２０２５年第３期

基于ＣＧ￣ＥＧＵ神经网络的计算机软件

性能评估研究

刘冰洲ꎬ刘微∗

(哈尔滨医科大学附属第四医院信息中心ꎬ哈尔滨１５００００)

摘要:计算机领域的学者针对软件系统提出了上百种性能评估模型ꎬ但随着计算机技术的发展ꎬ软

件系统性能评估的难度大大提升ꎮ为此ꎬ该研究提出了一种新的带控制门的高效门控单元神经网络

计算机软件评估模型ꎬ在更新门的基础上引入重置门ꎬ提高模型学习训练的效率ꎬ其次在两个隐含层

间加入控制门ꎬ提高模型信息学习的能力ꎮ实验证明ꎬ改进后模型准确率比改进前增加了近２０％ꎬ平

均误差值比改进前降低５０％ꎮ综合各指标表明ꎬ该研究提出的改进模型对计算机软件性能的评估效

果更好ꎬ能为软件评估领域提供科学合理的评估依据ꎮ

关键词:深度学习ꎻ神经网络ꎻＣＧ￣ＥＧＵꎻ软件性能评估ꎻ准确率

中图分类号:ＴＰ３１１.５文献标识码:Ａ文章编号:１００９－２５５２(２０２５)０３－０１６３－０７

ＤＯＩ:１０.１３２７４/ｊ.ｃｎｋｉ.ｈｄｚｊ.２０２５.０３.０２４

ＲｅｓｅａｒｃｈｏｎｃｏｍｐｕｔｅｒｓｏｆｔｗａｒｅｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｂａｓｅｄｏｎＣＧ￣ＥＧＵｎｅｕｒａｌｎｅｔｗｏｒｋ

ＬＩＵＢｉｎｇ￣ｚｈｏｕꎬＬＩＵＷｅｉ

(ＴｈｅＦｏｕｒｔｈＡｆｆｉｌｉａｔｅｄＨｏｓｐｉｔａｌｏｆＨａｒｂｉｎＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙꎬＨａｒｂｉｎ１５００００ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｓｃｈｏｌａｒｓｉｎｔｈｅｃｏｍｐｕｔｅｒｆｉｅｌｄｈａｖｅｐｒｏｐｏｓｅｄｈｕｎｄｒｅｄｓｏｆｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｍｏｄｅｌｓｆｏｒｓｏｆｔ￣

ｗａｒｅｓｙｓｔｅｍｓꎬｂｕｔｗｉｔｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｃｏｍｐｕｔｅｒｔｅｃｈｎｏｌｏｇｙꎬｔｈｅｄｉｆｆｉｃｕｌｔｙｏｆｓｏｆｔｗａｒｅｓｙｓｔｅｍｐｅｒｆｏｒｍ￣

ａｎｃｅｅｖａｌｕａｔｉｏｎｈａｓｇｒｅａｔｌｙｉｎｃｒｅａｓｅｄ.Ｔｏｔｈｉｓｅｎｄꎬａｎｅｗｅｆｆｉｃｉｅｎｔｇａｔｉｎｇｕｎｉｔｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｍｐｕｔｅｒｓｏｆｔ￣

ｗａｒｅｅｖａｌｕａｔｉｏｎｍｏｄｅｌｗｉｔｈｃｏｎｔｒｏｌｇａｔｅｓｉｓｐｒｏｐｏｓｅｄ.Ａｒｅｓｅｔｇａｔｅｉｓｉｎｔｒｏｄｕｃｅｄｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｕｐｄａｔｉｎｇ

ｇａｔｅｔｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｍｏｄｅｌｌｅａｒｎｉｎｇａｎｄｔｒａｉｎｉｎｇ.Ｓｅｃｏｎｄｌｙꎬａｃｏｎｔｒｏｌｇａｔｅｉｓａｄｄｅｄｂｅｔｗｅｅｎｔｈｅ

ｔｗｏｈｉｄｄｅｎｌａｙｅｒｓｔｏｉｍｐｒｏｖｅｔｈｅａｂｉｌｉｔｙｏｆｍｏｄｅｌｉｎｆｏｒｍａｔｉｏｎｌｅａｒｎｉｎｇ.Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｈｏｗｓｔｈａｔｔｈｅａｃｃｕ￣

ｒａｃｙｏｆｔｈｅｉｍｐｒｏｖｅｄｍｏｄｅｌｈａｓｉｎｃｒｅａｓｅｄｂｙｎｅａｒｌｙ２０％ꎬａｎｄｔｈｅａｖｅｒａｇｅｅｒｒｏｒｖａｌｕｅｈａｓｄｅｃｒｅａｓｅｄｂｙ

５０％.Ｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｏｆｖａｒｉｏｕｓｉｎｄｉｃａｔｏｒｓｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｍｏｄｅｌｐｒｏｐｏｓｅｄｉｎｔｈｅ

ｓｔｕｄｙｈａｓａｂｅｔｔｅｒｅｖａｌｕａｔｉｏｎｅｆｆｅｃｔｏｎｃｏｍｐｕｔｅｒｓｏｆｔｗａｒｅｐｅｒｆｏｒｍａｎｃｅꎬａｎｄｃａｎｐｒｏｖｉｄｅａｓｃｉｅｎｔｉｆｉｃａｎｄｒｅａ￣

ｓｏｎａｂｌｅｅｖａｌｕａｔｉｏｎｂａｓｉｓｆｏｒｔｈｅｆｉｅｌｄｏｆｓｏｆｔｗａｒｅｅｖａｌｕａｔｉｏｎ.

Ｋｅｙｗｏｒｄｓ:ｄｅｅｐｌｅａｒｎｉｎｇꎻｎｅｕｒａｌｎｅｔｗｏｒｋꎻＣＧ￣ＥＧＵꎻｓｏｆｔｗａｒｅｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎꎻａｃｃｕｒａｃｙ

０引言统的复杂性大幅度提升ꎬ但检测软件系统性能优

随着计算机技术的飞速发展ꎬ计算机软件系