Ermittlung von Verknüpfungen in Produktdaten mittels Quantum Restricted Boltzmann Machines

Ermittlung von Verknüpfungen in Produktdaten mittels Quantum Restricted Boltzmann Machines

Abstract:

Der steigende Softwareanteil in Produkten treibt nicht nur Innovationen voran, sondern erhöht auch die Komplexität. Um das Risiko von Fehlfunktionen in softwarelastigen Produkten zu minimieren und die Rückverfolgbarkeit zu gewährleisten, sind Verknüpfungen zwischen Entwicklungsschritten und Produktionsdaten notwendig. Diese werden durch Regularien wie ISO/IEC 15288 und DIN/ISO 26262 vorgeschrieben. Der Standard Digital Data Package ermöglicht die Verwaltung solcher Verknüpfungen. Jedoch können implizite Verknüpfungen derzeit nur manuell erstellt werden, was aufgrund des Umfangs und der zahlreichen Produktänderungen zu Problemen führt. Ein vielversprechender Ansatz zur automatischen Ermittlung von Verknüpfungen ist der Einsatz von Klassifikatoren. Insbesondere Quantum Restricted Boltzmann Machines bieten aufgrund der geringen Verfügbarkeit verknüpfter Entwicklungsdaten und deren hoher Störanfälligkeit einen vielversprechenden Ansatz. Zur Evaluierung werden klassische neuronale Netze und vortrainierte Klassifikatoren herangezogen. Sie sind etablierte Methoden in der Mustererkennung und dienen als Vergleichsgrundlage für neue Klassifikatoren.

Autor/in:

Simon Hehnen

Betreuer:

Studentische Abschlussarbeit | Veröffentlicht April 2025 | Copyright © QAR-Lab
Anfragen zu dieser Arbeit an die Betreuer