Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Red Neuronal
19 de junio de 2019
2
Índice general
I PROYECTO 7
1. Caso De Estudio 9
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2. Descripcion del problema . . . . . . . . . . . . . . . . . . . . 10
1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4. Alcance del proyecto . . . . . . . . . . . . . . . . . . . . . . . 10
1.5. Contexto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2. Metodologı́a 13
2.1. Modelo Prototipo . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. Fases para el modelo prototipo . . . . . . . . . . . . . . . . . 14
2.3. Metodologı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
II DISEÑO 19
3. Requerimientos C 21
3.1. Casos de uso . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2. Casos de uso de Perceptron . . . . . . . . . . . . . . . . . . . 22
3.2.1. Formulario . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2.2. Generar predicción . . . . . . . . . . . . . . . . . . . . 23
3.2.3. Entrenar Red neuronal . . . . . . . . . . . . . . . . . . 24
4. Interacción 25
4.1. Diagrama de secuencias . . . . . . . . . . . . . . . . . . . . . 25
4.1.1. Formulario . . . . . . . . . . . . . . . . . . . . . . . . 25
5. Clases 27
5.1. Diagrama de Clases . . . . . . . . . . . . . . . . . . . . . . . 27
5.2. Diagrama de Clases del proyecto . . . . . . . . . . . . . . . . 28
3
4 ÍNDICE GENERAL
6. Patrones 31
6.1. Patrones de diseño . . . . . . . . . . . . . . . . . . . . . . . . 31
6.2. Patrones aplicados al proyecto . . . . . . . . . . . . . . . . . . 32
7. Estados 35
7.1. Diagramas de estados . . . . . . . . . . . . . . . . . . . . . . 35
7.2. Diagrama de estados aplicado al proyecto . . . . . . . . . . . 35
8. Componentes 37
8.1. Componente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
8.2. Componentes para el proyecto . . . . . . . . . . . . . . . . . . 38
9. Nodos 39
9.1. Nodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
9.2. Nodos para el proyecto . . . . . . . . . . . . . . . . . . . . . . 40
10.Actividades 41
10.1. Diagrama Workflow . . . . . . . . . . . . . . . . . . . . . . . 41
10.2. Diagrama Workflow para el proyecto . . . . . . . . . . . . . . 42
III REFLEXIONES 45
11.Conclusiones 47
Índice de figuras
5
6 ÍNDICE DE FIGURAS
PROYECTO
7
Capı́tulo 1
Caso De Estudio
1.1. Introducción
9
10 CAPÍTULO 1. CASO DE ESTUDIO
1.3. Objetivos
Reducir el tiempo empleado por parte del usuario al momento de uti-
lizar una herramienta informática de recolección de datos.
1.5. Contexto
Los Datos
Las entradas del perceptrón pueden ser números que cuantifiquen cual-
quier cosa, teniendo en cuenta caracterı́sticas especificas de una clase (tipo
de objeto o cosa a clasificar) y algunas muestras de dichas clases.
Capı́tulo 2
Metodologı́a
Justificación
Debido a que la red neuronal “Perceptron” requiere ser entrenada cons-
tantemente, el generar un nuevo prototipo ayudará a tener una mayor capa-
cidad de predicción al momento de realizar una sentencia acerca del próximo
campo del formulario, alimentando la red con los datos que ha ingresado has-
ta el momento el usuario. Esta reiteración en la revisión de sus requerimien-
tos en cada actualización del prototipo le dará un entrenamiento constante
con información crucial para disminuir el margen de error de las prediccio-
nes.
13
14 CAPÍTULO 2. METODOLOGÍA
Modelo prototipo
2.3. Metodologı́a
El método ágil ASD (Adaptive Software Development) en español sig-
nifica: Desarrollo Adaptable de Software, es un modelo de implementación
de patrones ágiles para desarrollo de software. Al igual que otras metodo-
logı́as ágiles, su funcionamiento es cı́clico y reconoce que en cada iteración
se producirán cambios e incluso errores.
Ciclo de vida:
Especular: Debido a que trabajaremos el procesamiento de datos por
medio de una red neuronal, tendremos como prioridad encontrar el
camino que mejor se adapte a los requerimientos del proyecto utili-
zando la misma red neuronal; para lograr esto generaremos distintos
prototipos de la aplicación, cabe aclarar que no se trataran de cambios
drásticos entre los distintos prototipos, estos últimos están encamina-
dos a encontrar los campos en donde mejor se desempeña el algoritmo
inteligente.
DISEÑO
19
Capı́tulo 3
Requerimientos C
21
22 CAPÍTULO 3. REQUERIMIENTOS C
3.2.1. Formulario
Interacción
4.1.1. Formulario
Escenario Primario
Cuando el formulario está debidamente diligenciado y los datos tienen
sentido para ser procesados.
Escenario Secundario
Cuando el formulario no es llenado por completo o un dato está erronea-
mente escrito.
Escenario Excepcional
Cuando no hay conexión con la red neuronal Perceptron.
25
26 CAPÍTULO 4. INTERACCIÓN
Clases
En UML, una clase se representa con un rectángulo que posee tres divi-
siones, nombre de la clase, abributos que tiene y mensajes que entiende.
27
28 CAPÍTULO 5. CLASES
Patrones
31
32 CAPÍTULO 6. PATRONES
Patrón R-comunicación
Este patrón además de permitir identificar claramente el emisor y recep-
tor de un “mensaje” entre dos entes, para nuestro caso permite crear una
fuerte comunicación entre el formulario y la primera neurona donde se em-
pezará a estructurar de manera ordenada la información, clasificándola de
tal forma que identifique los espacios que sean relevantes para su respectivo
tratamiento por parte de las distintas capas. Es necesario que la información
viaje de manera segura y de forma dinámica, haciendo que el patrón Comu-
nicación sea un firme candidato para el envı́o y recepción de los distintos
datos del usuario a tratar.
Patrón R-Acumulador
Estados
35
36 CAPÍTULO 7. ESTADOS
Componentes
8.1. Componente
Definición
Un componente de software es una unidad modular de un programa
software con interfaces y dependencias bien definidas que permiten ofertar o
solicitar un conjunto de servicios o funcionales. Un componente de software
debe poseer las siguientes caracterı́sticas:
Ser reutilizable.
Ser intercambiable.
Poseer interfaces definidas.
Ser cohesivos
37
38 CAPÍTULO 8. COMPONENTES
Nodos
9.1. Nodo
Definición
Un nodo es un elemento fı́sico que existe en tiempo de ejecución y repre-
senta un recurso computacional con memoria y capacidad de procesamiento.
En general los nodos se utilizan para modelar la topologı́a del hardware sobre
el que se ejecuta el sistema, además cumplen con las siguientes caracterı́sti-
cas:
39
40 CAPÍTULO 9. NODOS
Actividades
41
42 CAPÍTULO 10. ACTIVIDADES
REFLEXIONES
45
Capı́tulo 11
Conclusiones
47