Work

Develop and Validation of Neural Network Models to Evaluate Effort Estimation in Software Development Projects

Year: 2025
Type: dissertation
Abstract: Este estudio desarrolló y validó modelos de redes neuronales artificiales para estimar esfuerzos en proyectos de desarrollo de software, realizando la comparación entre arquitecturas MLP optimizadas con algoritmos evolutivos y arquitecturas híbridas CNN+GRU. Utilizando ocho conjuntos de datos públicos (ISBSG, NASA93, China, entre otros), se procesaron 1287 proyectos históricos con métricas como líneas de código, complejidad técnica y horas invertidas. Los modelos mostraron una precisión superior a los métodos tradicionales (COCOMO, puntos de función), reduciendo la magnitud de error relativo medio (MMRE) en un 68-82% y logrando que el 93% de las estimaciones tuvieran menos del 25% de desviación (PRED25). La arquitectura CNN+GRU mostró ventajas en conjuntos de datos con patrones secuenciales (RMSE 0.56 en Maxwell), mientras que el modelo MLP evolutivo se destacó en conjuntos heterogéneos como ISBSG (MAE 0.12) Los resultados sugieren que la implementación de estos modelos en etapas tempranas de la planificación de proyectos, pueden reducir los sobrecostos y mejorar la asignación de recursos. El estudio también evidencia que la unión entre la inteligencia artificial y el criterio experto ofrece un marco prometedor para gestionar la incertidumbre inherente en los procesos de desarrollo de software.
Language: Spanish
Open Access status: green
OpenAlex ID: W7116589686
Cites:
Cited by:
Related to: 10