Digitalización de modelos Entidad-Relación mediante algoritmos de inteligencia artificial

Pérez Souza, Miguel Ángel (2020). Digitalización de modelos Entidad-Relación mediante algoritmos de inteligencia artificial. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Digitalización de modelos Entidad-Relación mediante algoritmos de inteligencia artificial
Author/s:
  • Pérez Souza, Miguel Ángel
Contributor/s:
  • Talavera Muñoz, Edgar
Item Type: Final Project
Degree: Grado en Ingeniería del Software
Date: 2020
Subjects:
Freetext Keywords: Modelo de datos; Proceso de negocio
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB)

Abstract

Actualmente el modelo Entidad-Relación es una de las representaciones graficas más usadas en el ámbito del desarrollo de software. Esto se debe a su facilidad práctica para describir las relaciones entre los objetos de un sistema, además de su utilidad a la hora de crear con facilidad una base de datos relacional. La problemática existente con estos modelos es la dificultad de traspasar estos modelos a un entorno virtual, pues el diseño de estos se comienza realizandolos en papel y posteriormente se debe de utilizar herramientas de modelado que permitan crearlos. En esta memoria se pretende demostrar la posibilidad de crear un sistema de inteligencia artificial que sea capaz de transformar una imagen de un modelo E/R en un modelo virtual. Las consecuencias de este sistema provocarían una reducción en los tiempos de programación necesarios para construir los códigos en los distintos lenguajes existentes. Para abarcar el máximo abanico de posibilidades que permitan afrontar este problema, se han utilizado diferentes algoritmos de inteligencia artificial. Desde los más comunes como el perceptrón multicapa, hasta algoritmos más específicos como redes convolucionales y el algoritmo de detección de objetos You Only Look Once. Debido a la complejidad para encontrar un dataset que reuna las condiciones necesarias para poder entrenar los algoritmos con modelos E/R, se ha tenido que generar desde cero un conjunto de datos para los problemas de clasificación y detección de objetos. Por ello se expondrán las herramientas utilizadas para la generación y clasificación de los datos, además de las distintas técnicas de Data Augmentation, que permitirán la ampliación del conjunto y una mejor obtención del conocimiento por parte de los algoritmos utilizados. Abstract: Currently the Entity-Relationship model is one of the most widely used graphical representations in the field of software development. This is due to its practical ease in describing the relationships between the objects in a system, as well as its usefulness in creating a relational database. The existing problem with these models is the difficulty of transferring them into a virtual environment, since the design of these begins by making them on paper and then use modeling tools that allow you to virtualize them. This report aims to demonstrate the possibility of creating an artificial intelligence system that is capable of transforming an image of an E/R model into a virtual model. The consequences of this system would be a reduction in the programming time needed to build the codes in the different existing languages. In order to cover the maximum range of possibilities to face this problem, different artificial intelligence algorithms have been used. From the most common ones such as multilayer perception, to more specific algorithms such as convolutional networks and the You Only Look Once object detection algorithm. Due to the complexity of finding a dataset that fulfills the necessary conditions to be able to train the algorithms with E/R models, a dataset had to be generated from scratch for the classification and object detection problems. Therefore, the tools used for the generation and classification of the data will be presented, as well as the different techniques of Data Augmentation, which will allow the extension of the set and better results from the knowledge obtained by the algorithms.

More information

Item ID: 64210
DC Identifier: http://oa.upm.es/64210/
OAI Identifier: oai:oa.upm.es:64210
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 05 Oct 2020 07:43
Last Modified: 05 Oct 2020 07:43
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM