Modelo neuronal para la estimación del esfuerzo en proyectos de software.

La estimación temprana del esfuerzo para la construcción de un producto software es crucial en la previsión del costo y tiempo necesarios para su desarrollo. Los modelos y técnicas para la estimación del esfuerzo presentan algunos inconvenientes como: la poca precisión en las predicciones realizadas y generalmente se hace una mínima consideración de los aspectos no funcionales del software. Proponemos un nuevo modelo de estimación para el esfuerzo en el desarrollo de software denominado MONEPS, que pretende mejorar la precisión en la estimación del esfuerzo utilizando una Red Neuronal Artificial (RNA) en Backpropagation, cuya capa de entrada se estructura sobre la base de un conjunto de características y atributos tomados de la norma ISO/IEC 25000 de la calidad del software. La RNA fue entrenada con datos recopilados de aplicaciones desarrolladas en el ámbito académico, de las cuales se conocían sus tiempos de desarrollo y costos asociados. Las estimaciones de tiempo y costo, para dos casos de prueba, muestran más precisión en el modelo neuronal, en comparación con los modelos Cocomo-81 y Cocomo-II. MONEPS ha logrado la convergencia de aspectos funcionales y no funcionales para mejorar la precisión en la estimación del esfuerzo en proyectos de software..

• Huvudupphovsman: Almache Cueva, Mario Giovanny (author)
• Övriga upphovsmän: Ruiz Robalino, Jenny Alexandra (author)
• Materialtyp: masterThesis
• Språk: spa
• Publicerad: 2015
• Ämnen: SOFTWARE - NORMA ISO/IEC 25000; REDES NEURONALES ARTIFICIALES; INTELIGENCIA ARTIFICIAL
• Länkar: http://repositorio.espe.edu.ec/handle/21000/10150