Redes Neuronales Artificiales para estimar el esfuerzo en proyectos de software. Un estudio comparativo.

Abstract

Definir el cronograma de un proyecto se ha convertido en una tarea de vital interés para la industria del software. Existen diferentes métodos para realizar la estimación, clasificados en las siguientes categorías: Juicio de Expertos, Modelos Algorítmicos y Aprendizaje Automático, siendo este último, el que ha generado interés en la comunidad científica en los últimos años, debido a la eficiencia en el resultado de las estimaciones y la capacidad de resolver problemas complejos. En esta categoría, se destaca el uso de las redes neuronales artificiales en conjunto con algoritmos de optimización, que apoyan el aprendizaje eficaz de las mismas. En este artículo se realizó una comparación de las redes neuronales artificiales consideradas de orden superior y de aprendizaje profundo, basada en el estudio de diversos artículos e investigaciones, con el objetivo de definir la más óptima en la obtención de la estimación del esfuerzo en el proceso de desarrollo de proyectos de software, arrojando como resultado que las redes neuronales artificiales de orden superior suelen obtener mayor velocidad de respuesta y consumir menor tiempo computacional.

Defining a project schedule has become a task of vital interest for the software industry. There are different methods to perform the estimation, classified in the following categories: Expert Judgment, Algorithmic Models and Machine Learning, the latter being the one that has generated interest in the scientific community in recent years, due to the efficiency in the estimation results and the ability to solve complex problems. In this category, the use of artificial neural networks in conjunction with optimization algorithms, which support their efficient learning, stands out. In this article, a comparison of artificial neural networks considered of higher order and deep learning was made, based on the study of various articles and research, with the aim of defining the most optimal in obtaining the estimation of effort in the development process of software projects, resulting that higher order artificial neural networks tend to obtain higher response speed and consume less computational time.