AdamOptimizer for the optimisation of Use Case Points estimation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F20%3A63526963" target="_blank" >RIV/70883521:28140/20:63526963 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-030-63322-6_63" target="_blank" >http://dx.doi.org/10.1007/978-3-030-63322-6_63</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-63322-6_63" target="_blank" >10.1007/978-3-030-63322-6_63</a>

Jazyk výsledku

angličtina

Název v původním jazyce

AdamOptimizer for the optimisation of Use Case Points estimation

Popis výsledku v původním jazyce

Use Case Points is considered to be one of the most popular methods to estimate the size of a developed software project. Many approaches have been proposed to optimise Use Case Points. The Algorithmic Optimisation Method uses the Multiple Least Squares method to improve the accuracy of Use Case Points by finding optimal coefficient regressions, based on the historical data. This paper aims to propose a new approach to optimise the Use Case Points method based on Gradient Descent with the support of the TensorFlow package. The significance of its purpose is to conduct a new approach that might lead to more accurate prediction than that of the Use Case Points and the Algorithmic Optimisation Method. As a result, this new approach outweighs both the Use Case Points and the Algorithmic Optimisation Methods. © 2020, The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Switzerland AG.

Název v anglickém jazyce

AdamOptimizer for the optimisation of Use Case Points estimation

Popis výsledku anglicky

Use Case Points is considered to be one of the most popular methods to estimate the size of a developed software project. Many approaches have been proposed to optimise Use Case Points. The Algorithmic Optimisation Method uses the Multiple Least Squares method to improve the accuracy of Use Case Points by finding optimal coefficient regressions, based on the historical data. This paper aims to propose a new approach to optimise the Use Case Points method based on Gradient Descent with the support of the TensorFlow package. The significance of its purpose is to conduct a new approach that might lead to more accurate prediction than that of the Use Case Points and the Algorithmic Optimisation Method. As a result, this new approach outweighs both the Use Case Points and the Algorithmic Optimisation Methods. © 2020, The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Switzerland AG.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Intelligent Systems and Computing Volume 1294

ISBN

978-303063321-9

ISSN

21945357

e-ISSN

—

Počet stran výsledku

10

Strana od-do

747-756

Název nakladatele

Springer Science and Business Media Deutschland GmbH

Místo vydání

Berlín

Místo konání akce

Vsetín

Datum konání akce

14. 10. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—