Automated regression testing of computational algorithms based on neural networks

Authors

  • Тарас Романович Литвин Ivan Franko National University 1, Universytetska St., Lviv, Ukraine, 79000, Ukraine
  • Павло Віталійович Сердюк Lviv Polytechnic National University S. Bandera 12, Lviv, Ukraine, 79013, Ukraine
  • Христина Орестівна Зачковська Lviv Polytechnic National University S. Bandera 12, Lviv, Ukraine, 79013, Ukraine

DOI:

https://doi.org/10.15587/2312-8372.2013.14970

Keywords:

Testing oracle, automation testing, neural networks, back propagation algorithm, test-case

Abstract

Software testing phase in our days became a very important part of software development process.

Automation testing plays a key role in agile projects. To reduce the time and effort spent for testing, different extended approaches are used. In our days the artificial intelligence is used for providing different algorithms in different spheres of IT. This article is about the combining the usage of testing artifacts and testing approaches with neural networks working in pair to classify the testing oracle results. Our algorithm is based on QA test case testing concepts, which is laid to neural network usage approach. Test cases are used for verifying whether a tested functionality satisfy the requirements. We created a set of rules how to execute and optimize needed data from test cases to teach the separate neural networks for simulating the tested functionality behavior. According to this, the tested application is somehow substituted by the learning network, which is used for examining the future functionality releases, influenced by hidden errors during regression. The difference of network and application results is combined by the specially created comparison tool calculations that are the basis of created testing oracle. Also we described the approach for creating optimized neural network structure for learning algorithm, that is back propagation in our case

Author Biographies

Тарас Романович Литвин, Ivan Franko National University 1, Universytetska St., Lviv, Ukraine, 79000

assistant

Department of sampling analysis and intelligence system

Павло Віталійович Сердюк, Lviv Polytechnic National University S. Bandera 12, Lviv, Ukraine, 79013

Ph.D., Associate Professor

Software department

Христина Орестівна Зачковська, Lviv Polytechnic National University S. Bandera 12, Lviv, Ukraine, 79013

postgraduate

Software department

References

  1. Dustin, E. Automated software testing: introduction, management, and performance [Text] / E. Dustin // Addison Wesley. – 1999. – 575 с.
  2. Савин, Р. Тестирование “Dot Com” [Текст] / Р. Савин // Изд. Дом «Дело». – 2007. – 310 с.
  3. Говорущенко, Т. О. Інтелектуальна система визначення необхідності повторного тестування програмного забезпечення [Текст] / Т. О. Говорущенко // Искусств. интеллект. – 2006. – № 4. – С. 706-712.
  4. Яковина, В. Критерій достатності процесу тестування програмного забезпечення [Текст] / В. Яковина, М. Сенів, Я. Чабанюк, Д. Федасюк, У. Хімка // Вісн. Нац. ун-ту "Львів. політехніка". Комп'ют. науки та інформ. технології. – 2010. – № 672. – С. 346-358.
  5. Буров, Є. В. Інтелектуальна система автоматизованого тестування програмного продукту з використанням алгоритмічних моделей [Текст] / Є. В. Буров // Вісн. Нац. ун-ту "Львів. політехніка". Інформ. системи та мережі. – 2011. – № 699. – С. 21-30.
  6. Булат, А. Написание Тестовых случаев [Електронний ресурс] / А. Булат // Блог А. Булата Про Тестинг. – 2008. – Режим доступу: http://alexeybulat.blogspot.com/2008/02/test-case-writing.html
  7. Automated-testing Portal (Портал автоматизации ПО) [Електронний ресурс]. – Режим доступу: http://automated-testing.info
  8. Haykin, S. Neural Networks, A Comprehensive Foundation [Text] / S. Haykin // Prentice Hall, Upper Saddle River. – New Jersey 07458. – Second Edition. – 2006.–1103 c.
  9. Anderson, C. On the Use of Neural Networks to Guide Software Testing Activities [Text] / C. Anderson, A. Mayrhauser, R. Mraz // Colorado State University, Computer Science Department. – 1996. – C. 1-10.
  10. Vanmali, M. Using a neural Network in the Software Testing Process. [Text] / M. Vanmali, M. Last, A. Kandel // International Journal of Intelligent systems. – Vol 17. – 2002. – Department of Computer Science and Engeineering, University of South Florida, 4202 E. Fowler Ave., ENB 118, Tampa, FL 33620 – 17 p.
  11. Lilan, Wu. Using back-propagation neural networks for functional software testing [Text] / Wu. Lilan // Sch. of Math. & Comput. Sci., Guizhou Normal Univ., Guiyang. – 2008. – pp. 1-5.
  12. Яковлев, И. А. Автоматизация тестирования и контроля качества систем оптического распознавания символов с применением нейронных сетей [Електронний ресурс] / И. А. Яковлев // Московский Государственный Университет Приборостроения и Информатики. – Режим доступу: http://www.sworld.com.ua/konfer22/260.htm
  13. Рыбалко, Г. Псевдопозитивный или псевдонегативный оракул [Електронний ресурс] / Г. Рыбалко // QAConsulting. – 2011. – Режим доступу: http://qaconsulting.ru/2011/01/test-oracle
  14. Копосов, А. И. Использование нейропарадигмы “Back Propagation” для решения практических задач [Текст] / А. И. Копосов, И. Б. Щербаков, Н. А. Кисленко, О. П. Кисленко, Ю. В. Варивода // ВНИИГАЗ. – 1995. – С. 1-7.
  15. Chakraborty, R. C. Back Propagation Network [Електронний ресурс] / R.C. Chakraborty // Soft Computing Course Lecture. – 2010. – Режим доступу: http://www.myreaders.info/html/soft_computing.html
  16. Kaner, C. A Course in Black Box Software Testing [Text] / C. Kaner, J. Bach, M .Bolton, R. Fielder, M. Kelly // Florida Institute of Technology. – 2006. – 208 c.
  17. Enge, C. Verification Based Test Case Generation [Text] / C. Enge // ITI, Universit at Karlsruh. – 2006. – C. 1-25.
  18. Бейзер, Б. Тестирование черного ящика. Технологии функционального тестирования программного обеспечения и систем [Текст] / Б. Бейзер // Питер. – 2004. – 320 с.
  19. Ясницкий, Л. Искусственный интеллект - проектирование персептронов [Електронний ресурс] / Л. Ясницкий // Пермская научная школа искусственного интеллекта. – Режим доступу: http://www.LbAI.ru
  20. Dustin, E. (1999). Automated software testing: introduction, management, and performance. Addison Wesley, 575р.
  21. Savin, R. (2007). Testirovanie “Dot Com”. Izd. Dom «Delo». 310p.
  22. Govorushhenko, T. O. (2006). Іntelektual'na sistema viznachennja neobhіdnostі povtornogo testuvannja programnogo zabezpechennja. Iskusstv. Intellekt, № 4, 706-712.
  23. Jakovina, V., Senіv, M., Chabanjuk, Ja., Fedasjuk, D., Hіmka, U. (2010). Kriterіj dostatnostі procesu testuvannja programnogo zabezpechennja. Vіsn. Nac. un-tu "L'vіv. polіtehnіka". Komp'jut. nauki ta іnform. tehnologіi, № 672, 346-358.
  24. Burov, Ye.V. (2011). Іntelektual'na sistema avtomatizovanogo testuvannja programnogo produktu z vikoristannjam algoritmіchnih modelej. Vіsn. Nac. un-tu "L'vіv. polіtehnіka". Іnform. sistemi ta merezhі, № 699, 21-30.
  25. Bulat, A. (2008). Napisanie Testovyh sluchaev. Available: http://alexeybulat.blogspot.com/2008/02/test-case-writing.html. Last accessed 2013.
  26. Portal avtomatizacii PO. Automated-testing Portal. Available: http://automated-testing.info. Last accessed 2013.
  27. Haykin, S. (2006). Neural Networks, A Comprehensive Foundation. Prentice Hall, Upper Saddle River, New Jersey 07458, Second Edition, 1103.
  28. Anderson, C., Mayrhauser, A., Mraz, R. (1996). On the Use of Neural Networks to Guide Software Testing Activities. Colorado State University, Computer Science Department. 1-10.
  29. Vanmali, M., Last, M., Kandel, A. (2002). Using a neural Network in the Software Testing Process. Department of Computer Science and Engeineering, University of South Florida, 4202 E. Fowler Ave., ENB 118, Tampa, FL 33620, International Journal of Intelligent systems, 17.
  30. Lilan, Wu. (2008). Using back-propagation neural networks for functional software testing. Sch. of Math. & Comput. Sci., Guizhou Normal Univ., Guiyang. 1-5.
  31. Jakovlev, I. Avtomatizacija testirovanija i kontrolja kachestva sistem opticheskogo raspoznavanija simvolov s primeneniem nejronnyh setej. Available: http://www.sworld.com.ua/konfer22/260.htm. Last accessed 2013.
  32. Rybalko, G. Psevdopozitivnyj ili psevdonegativnyj orakul. Available: http://qaconsulting.ru/2011/01/test-oracle. Last accessed 2013.
  33. Koposov, A. I., Shherbakov, I. B., Kislenko, N. A., Kislenko, O. P., Varivoda, Ju. V. (1995). Ispol'zovanie nejroparadigmy “Back Propagation” dlja reshenija prakticheskih zadach. VNIIGAZ. 1-7.
  34. Chakraborty, R. C. (2010). Back Propagation Network. Soft Computing Course Lecture. Available: http://www.myreaders.info/html/soft_computing.html. Last accessed 2013.
  35. Kaner, C., Bach, J., Bolton, M., Fielder, R., Kelly, M. (2006). Course in Black Box Software Testing. Florida Institute of Technology. 208.
  36. Enge, C. (2006). Verification Based Test Case Generation. ITI, Universit at Karlsruh. 1-25.
  37. Bejzer, B. (2004). Testirovanie chernogo jashhika. Tehnologii funkcional'nogo testirovanija programmnogo obespechenija i sistem. Piter. 320.
  38. Jasnickij, L. Iskusstvennyj intellekt - proektirovanie perseptronov. Permskaja nauchnaja shkola iskusstvennogo intellekta. Available: http://www.LbAI.ru. Last accessed 2013.

Downloads

Published

2013-06-20

How to Cite

Литвин, Т. Р., Сердюк, П. В., & Зачковська, Х. О. (2013). Automated regression testing of computational algorithms based on neural networks. Technology Audit and Production Reserves, 3(2(11), 23–29. https://doi.org/10.15587/2312-8372.2013.14970

Issue

Vol. 3 No. 2(11) (2013): Technology audit and production reserves

Section

Production reserves

License

Copyright (c) 2016 Тарас Романович Литвин, Павло Віталійович Сердюк, Христина Орестівна Зачковська

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

The consolidation and conditions for the transfer of copyright (identification of authorship) is carried out in the License Agreement. In particular, the authors reserve the right to the authorship of their manuscript and transfer the first publication of this work to the journal under the terms of the Creative Commons CC BY license. At the same time, they have the right to conclude on their own additional agreements concerning the non-exclusive distribution of the work in the form in which it was published by this journal, but provided that the link to the first publication of the article in this journal is preserved.