대부분의 소프트웨어 신뢰성 모델들은 소프트웨어 사용과 소프트웨어 고장 발생 과정에 대한 가정에 기반을 두고 있다. 따라서 보편적으로 적용 가능한 소프트웨어 신뢰성 모델이 없는 실정이다. 보편적인 소프트웨어 신뢰성 모델을 개발하기 위해, 본 논문은 시간단위 고장 데이터에 대한 일반적 소프트웨어 신뢰성 예측 모델로서 예측 필터를 제안하고, 14개의 다른 소프트웨어 프로젝트로부터 얻은 고장 데이터를 분석하여 그 유용성을 검토하였다. 제안된 예측필터와 다른 신경망 모델들과 통계적 소프트웨어 신뢰성 성장 모델들과의 성능 비교는 평균 상대 예측 오차에 기반하였다. 그 결과 예측필터는 일반적으로 단순한 모델을 제공할 뿐만 아니라 다양한 소프트웨어 프로젝트에 적합함을 알 수 있었다.

Almost all existing software reliability models are based on the assumptions of the software usage and software failure process. There, therefore, is no universally applicable software reliability model. To develop a universal software reliability model, this paper suggests the predictive filter as a general software reliability prediction model for time domain failure data. Its usefulness is empirically verified by analyzing the failure data sets obtained from 14 different software projects. Based on the average relative prediction error, the suggested predictive filter is compared with other well-known neural network models and statistical software reliability growth models. Experimental results show that the predictive filter generally results in a simple model and adapts well across different software projects.