사전 정보를 이용한 소프트웨어 개발노력 추정 신경망 구조 결정

Decision of Neural Network Architecture for Software Development Effort Estimation using Prior Information

소프트웨어 개발에서 점점 더 중요시되는 사항은 개발 생명주기의 초기에 개발과 관련된 노력과 비용을 추정하는 능력이다. 제안된 모델 대부분은 경험 데이터의 직관, 전문가 판단과 회귀분석의 조합에 기반을 두고 있으나 다양한 환경에 적용될 수 있는 하나의 모델을 개발하는 것이 불가능하였다. 본 논문은 기능 구성요소 형태들로 측정된 소프트웨어 규모로 소프트웨어 개발노력을 추정하는 신경망 모델을 제안한다. 신경망의 은닉뉴런 수는 입-출력 관계로부터 휴리스틱하게 얻는 방법을 제안한다. 24개 소프트웨어 개발 프로젝트 사례연구를 통해 적합한 신경망 모델을 제시하였다. 또한, 회귀분석 모델과 신경망 모델을 비교하여 신경망 모델의 정확성이 보다 좋음을 보였다.

An increasingly important facet of software development is the ability to estimate the associate cost and effort of development early in the development life cycle. Most of the proposed models are based upon a combination of intuition, expert judgement, and regression analysis of empirical data. Overall, the work has failed to produce any single model that can be applied with a reasonable degree of success to a variety of environments. This paper presents a neural network (NN) model that related software development effort to software size measured in function element types. The heuristic approach is applied to decide the number of hidden neurons in NN from the relationship between input-output pairs. The research describes appropriate NN modeling in the context of a case study for 24 software development projects. Also, this paper compared the NN model with a regression analysis model and found the NN model has better accuracy.