@Article{, title={تخمين الجهد البرمجي باستخدام نموذج الـCOCOMO التقليدي والشبكات العصبية}, author={جمال صلاح الدين سيد مجيد and إسراء زهير مجيد قبع}, journal={AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات}, volume={10}, number={1}, pages={351-364}, year={2013}, abstract={Estimation models in software engineering are used to predict some important and future features for software project such as effort estimation for developing software projects. Failures of software are mainly due to the faulty project management practices. software project effort estimation is an important step in the process of software management of large projects. Continuous changing in software project makes effort estimation more challenging. The main objective of this paper is find a model to get a more accurate estimation. In this paper we used the Intermediate COCOMO model which is categorized as the best of traditional Techniques in Algorithmic effort estimation methods. also we used an Artificial approaches which is presented in (FFNN,CNN,ENN,RBFN) because of the Ability of ANN(Artificial Neural Network) to model a complex set of relationship between the dependent variable (effort) and the independent variables (cost drivers)which makes it as a potential tool for estimation. This paper presents a performance analysis of ANNs used in effort estimation. We create and simulate this networks by MATLAB11 NNTool depending on NASA aerospace dataset which contains a features of 60 software project and its actual effort. the result of estimation in this paper shows that the neural networks in general enhance the performance of traditional COCOMO and we proved that the ENN was the best network between neural networks and the CNN was the next best network and the COCOMO have the worst between the used methods.

إن نماذج التخمين في هندسة البرمجيات تستخدم لتخمين بعض الخصائص المهمة والمستقبلية للمشروع البرمجي مثل تخمين جهد المشروع المطور، وان الفشل في البرنامج يكون بشكل أساسي بسبب ممارسات إدارة المشروع الخاطئة. فتخمين الجهد البرمجي هو خطوة مهمة جداً في عملية إدارة البرمجيات للمشاريع الكبيرة. ولكن التغييرات المستمرة في المشروع البرمجي جعلت من عملية تخمين الجهد عملية ذات تحدي كبير. إن الهدف الرئيسي من هذا البحث هو تحديد طريقة للحصول على تخمين جهد أكثر دقة حيث تم استخدام نموذج الـ COCOMO الوسطي والذي يصنف بكونه من أفضل الطرائق التقليدية بين نماذج تخمين الجهد الحسابية. وكذلك تم استخدام طرق ذكائية والمتمثلة بالشبكات العصبية (FFNN, CNN, ENN, RBFN) وذلك لقدرة الشبكات العصبية الاصطناعية على نمذجة المجاميع المعقدة من العلاقات بين المتغيرات الاعتمادية (الجهد) والمتغيرات غير الاعتمادية (عوامل الكلفة) والتي جعلت منها أداة مرتقبة للتخمين وبهذا فان هذا البحث قدم تحليل لأداء الشبكات العصبية المستخدمة في تخمين الجهد حيث تم تكوين واختبار هذه الشبكات باستخدام أدوات الشبكات العصبية الخاصة بلغة MATLAB11. وتم الاعتماد على مجموعة بيانات NASA الفضائية والتي تحوي على خواص 60 مشروع برمجي إضافة إلى الجهد الحقيقي لهذه المشاريع. وقد بينت نتائج التخمين في هذا البحث إن الشبكات العصبية بصورة عامة قد حسنت من أداء الطريقة التقليدية COCOMO وقد تم برهنة شبكة ENN على أنها أفضل شبكة بين الشبكات العصبية وتليها شبكة CNN وكانت نتائج طريقة الـ COCOMO الوسطي هي الأسوأ بين الطرق المستخدمة.} }