Técnicas de aprendizaje para predecir atributos no funcionales en componentes de aplicaciones android

Durante los últimos años el uso y desarrollo de aplicaciones móviles ha ido creciendo constantemente debido a la proliferación de los dispositivos móviles y el aumento de su capacidad de cómputo. La re-utilización de software mediante la integración de componentes de terceros es una práctica muy...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Agüero, Silvana Ivonne, Minvielle, Martina
Formato: Artículo revista
Lenguaje:Español
Publicado: Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas 2017
Materias:
Ingeniería de sistemas
Técnicas de aprendizaje
Android
Dispositivos móviles
Sistema android
Acceso en línea:http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1463
Aporte de:
Repositorio Institucional de Acceso Abierto (RIDAA) de Universidad Nacional del Centro
id I21-R190-123456789-1463
record_format ojs
institution Universidad Nacional del Centro
institution_str I-21
repository_str R-190
container_title_str Repositorio Institucional de Acceso Abierto (RIDAA)
language Español
format Artículo revista
topic Ingeniería de sistemas
Técnicas de aprendizaje
Android
Dispositivos móviles
Sistema android
spellingShingle Ingeniería de sistemas
Técnicas de aprendizaje
Android
Dispositivos móviles
Sistema android
Agüero, Silvana Ivonne
Minvielle, Martina
Técnicas de aprendizaje para predecir atributos no funcionales en componentes de aplicaciones android
topic_facet Ingeniería de sistemas
Técnicas de aprendizaje
Android
Dispositivos móviles
Sistema android
author Agüero, Silvana Ivonne
Minvielle, Martina
author_facet Agüero, Silvana Ivonne
Minvielle, Martina
author_sort Agüero, Silvana Ivonne
title Técnicas de aprendizaje para predecir atributos no funcionales en componentes de aplicaciones android
title_short Técnicas de aprendizaje para predecir atributos no funcionales en componentes de aplicaciones android
title_full Técnicas de aprendizaje para predecir atributos no funcionales en componentes de aplicaciones android
title_fullStr Técnicas de aprendizaje para predecir atributos no funcionales en componentes de aplicaciones android
title_full_unstemmed Técnicas de aprendizaje para predecir atributos no funcionales en componentes de aplicaciones android
title_sort técnicas de aprendizaje para predecir atributos no funcionales en componentes de aplicaciones android
description Durante los últimos años el uso y desarrollo de aplicaciones móviles ha ido creciendo constantemente debido a la proliferación de los dispositivos móviles y el aumento de su capacidad de cómputo. La re-utilización de software mediante la integración de componentes de terceros es una práctica muy común en el desarrollo de aplicaciones. La misma funcionalidad suele ser ofrecida por componentes alternativos que difieren en sus propiedades no-funcionales o atributos de calidad, como su tiempo de respuesta. Por lo tanto es importante elegir la alternativa más adecuada para ejecutar en un determinado contexto. Por razones prácticas es costosa la ejecución y prueba de todos los servicios para determinar el más adecuado de acuerdo a su calidad de servicio. En este punto, es donde toma importancia definir un proceso para la medición y predicción de las propiedades no-funcionales. A partir de la aplicación de técnicas de aprendizaje de máquina es posible construir modelos predictivos para estimar el desempeño futuro de un servicio en base a mediciones previas de las propiedades del mismo. En este trabajo se presenta un enfoque para medir propiedades no-funcionales en tiempo de ejecución y construir modelos de predicción de estas propiedades. Se proponen dos herramientas para asistir la aplicación del enfoque. Una de ellas facilita la obtención de indicadores de propiedades de componentes Android, como tiempo de respuesta o precisión. La segunda herramienta permite utilizar diferentes técnicas de regresión sobre las mediciones obtenidas previamente. Así, se logra construir modelos predictivos sobre alguna propiedad de interés de algún componente específico. El enfoque se evaluó empíricamente sobre grupos de algoritmos y servicios de diferentes dominios.
publisher Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publishDate 2017
url http://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/1463
work_keys_str_mv AT aguerosilvanaivonne tecnicasdeaprendizajeparapredeciratributosnofuncionalesencomponentesdeaplicacionesandroid
AT minviellemartina tecnicasdeaprendizajeparapredeciratributosnofuncionalesencomponentesdeaplicacionesandroid
first_indexed 2022-07-04T14:28:17Z
last_indexed 2022-07-04T14:28:17Z
bdutipo_str Revistas
_version_ 1764819786634625026

Ejemplares similares