Evaluación de la aplicación de Deep Learning en la identificación automática de errores sintácticos básicos en Diagramas de Casos de Uso

Martínez Ballesteros, Daniel and Nogues Salmerón, Rubén (2020). Evaluación de la aplicación de Deep Learning en la identificación automática de errores sintácticos básicos en Diagramas de Casos de Uso. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Evaluación de la aplicación de Deep Learning en la identificación automática de errores sintácticos básicos en Diagramas de Casos de Uso
Author/s:
  • Martínez Ballesteros, Daniel
  • Nogues Salmerón, Rubén
Contributor/s:
  • Gómez Canaval, Sandra
Item Type: Final Project
Degree: Grado en Ingeniería del Software
Date: 2020
Subjects:
Freetext Keywords: Redes neuronales convolucionales; Generador de imágenes; Inteligencia artificial
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 (3MB)

Abstract

En los últimos veinte años nuestra sociedad ha experimentado un profundo y continuo desarrollo de la tecnología, y con ella, de todos los procesos que rodean la vida. Uno de esos grandes desarrollos se ha visto reflejado en el campo de la Inteligencia Artificial, más concretamente en el campo del Aprendizaje Automático, el cual ha tenido una inmersión de pleno en sectores empresariales como aquellos ligados a la vida cotidiana: procesos de producción, los servicios sociales, sanitarios, medioambientales y el ocio. El acercamiento de esta rama a aspectos cada más relacionados con la vida cotidiana, así como también el avance de la precisión de los resultados que se esperan obtener abren, a día de hoy, numerosas vías de investigación y desarrollo en este campo, lo que hace que la aplicación de esta área en todos los ámbitos de la sociedad no solo sea una realidad, sino que sea un futuro prometedor. Una de las disciplinas más interesantes en la actualidad dentro del campo del Aprendizaje Automático es el Deep Learning. Este campo estudia la resolución de un gran abanico de problemas supervisados con una gran problemática en el dominio de los datos a evaluar, normalmente por la complejidad de los mismos o por su volumen. En este contexto, este Proyecto es una prueba de concepto de la aplicación de técnicas de Deep Learning en la evaluación temprana de errores de sintaxis en imágenes que contienen modelos de análisis o diseño software. En concreto, se ha desarrollado un dataset sintético conteniendo imágenes con errores sintácticos menores en un Diagrama de Casos de Uso de UML, las cuales serían evaluadas como modelos claramente incorrectos. Además, se ha diseñado una arquitectura de red neuronal profunda, más precisamente, una red neuronal convolutiva que es capaz de evaluar si los elementos del diagrama de casos de uso que representa la imagen son correctos o no. Esta simple pero potente idea, centra a este proyecto en una línea abierta y no necesariamente explorada, que es el uso del Deep Learning con el objetivo de aportar facilidades a un sector con un trabajo tan importante como es sector educativo. Los resultados obtenidos en esta prueba de concepto son bastante prometedores, pues la red neuronal entrenada con el dataset sintético desarrollado es capaz de clasificar adecuadamente el 95% de las imágenes procesadas. El desarrollo de este Proyecto Fin de Grado no es más que el comienzo de lo que podría ser una gran herramienta capaz de facilitar los procesos de corrección e interactividad del docente con el alumnado, en áreas y asignaturas concretas para facilitar un feedback inmediato al alumno en tareas en las cuales se requiere un análisis sintáctico básico. Abstract: In the last twenty years our Society has experienced a great and continuous development of technology, and with it, of all the processes surrounding the life. One of these great developments has been reflected in the field of Artificial Intelligence, more specifically, in the field of Machine Learning, which has had a full immersion in business sectors as well as in those linked to daily life: production processes, social, healthcare, environmental and leisure services. The approach of this field to aspects that are closer to daily life, as well as the advancement of the precision of the results that are expected to be obtained, are able to open, nowadays, numerous branches of research and development in this field, which makes the application of this field in all areas of society not only a reality, but a promising future. One of the most interesting disciplines today within the field of Machine Learning is Deep Learning. This field studies the resolution of a wide range of supervised problems for hard problems in the domain of the data to be evaluated, normally due to their complexity or their volume. In this context, this Project is a proof of concept of the application of Deep Learning techniques in the early evaluation of syntax errors in images that contain analysis models or software design. Specifically, a synthetic dataset has been developed containing images with minor syntactic errors in a UML Use Case Diagram, which would be evaluated as clearly incorrect models. In addition, a deep neuronal network architecture has been designed, more precisely, a convolutional neural network that is capable of evaluating whether the elements of the use case diagrams represented by the image, are correct or not. This simple but powerful idea focuses this project on an opened but not necessarily explored field, which is the use of Deep Learning in the education sector. The results obtained in this project, are quite promising, the neural network trained with the synthetic dataset developed is able to correctly classify the 95% of the processed images. The development of this Final Degree Project is only the beginning of a great tool capable of facilitating the correction processes and interactivity of the professors and lecturers with their students, in specific areas and subjects to facilitate immediate feedback to the student in tasks that require basic parsing.

More information

Item ID: 64924
DC Identifier: http://oa.upm.es/64924/
OAI Identifier: oai:oa.upm.es:64924
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 22 Oct 2020 14:11
Last Modified: 22 Oct 2020 14:11
  • 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