ENGENHARIA DE SOFTWARE E REDES NEURAIS
DOI:
https://doi.org/10.63330/aurumpub.005-012Palavras-chave:
Redes Neurais Artificiais, Engenharia de Software, Inteligência ComputacionalResumo
Este trabalho tem como tema central a integração entre engenharia de software e redes neurais artificiais, abordando como a combinação dessas duas áreas pode resultar em soluções computacionais mais eficientes, inteligentes e adaptativas. O principal objetivo da pesquisa foi investigar de que forma as redes neurais, inspiradas no funcionamento do cérebro humano, podem ser aplicadas no contexto do desenvolvimento de software para melhorar processos como a estimativa de custos, identificação de falhas e otimização de desempenho. Para isso, utilizou-se uma metodologia de pesquisa bibliográfica, com base em autores como Haykin (2001), Pressman (2010), Pfleeger (1998), Silva, Spatti e Flauzino (2010), entre outros, além da análise de estudos de caso e aplicações práticas já desenvolvidas na área. A engenharia de software foi analisada desde seus fundamentos, incluindo suas fases essenciais como levantamento de requisitos, modelagem, codificação, testes e manutenção. Em paralelo, foram exploradas as características das redes neurais artificiais, como sua capacidade de aprendizado, adaptação e generalização, com destaque para aplicações concretas na estimativa de esforço de desenvolvimento de software. Os resultados da análise indicaram que a incorporação de redes neurais no ciclo de vida do software pode tornar os processos mais precisos, ágeis e responsivos a mudanças. Constatou-se ainda que o uso de RNAs promove a automação de tarefas que exigem julgamento subjetivo ou conhecimento especializado, contribuindo para a redução de falhas humanas e para a melhoria da qualidade final do produto de software. Conclui-se, portanto, que a convergência entre engenharia de software e redes neurais artificiais representa uma tendência promissora, capaz de transformar a forma como sistemas computacionais são projetados, desenvolvidos e mantidos, fortalecendo a inovação tecnológica no campo da inteligência computacional.
Downloads
Referências
AGUIAR, F. G. Utilização de redes neurais artificiais para detecção de padrões de vazamento indutos. São Carlos: Universidade de São Paulo, 2010.
ANJOS, J. M. S.; VILLANI, E. Modelagem e verificação de uma proposta para arquitetura de controle de um efetuador robótico baseada em LabView™. 2010.
AZEVEDO, F. M. de; BRASIL, L. M.; OLIVEIRA, R. C. L. de. Redes neurais com aplicação em controles e em sistemas especialistas. Florianópolis: Visual Books Editora, 2000.
BARROS, L. C.; BASSANEZI, R. C. Tópicos de lógica fuzzy e biomatemática. Campinas: UNICAMP/IMECC, 2006.
BENINI, L. C. Estimação da densidade de solos utilizando sistemas de inferência fuzzy. 2007. Tese (Doutorado) – Universidade Estadual Paulista, Botucatu, 2007.
BOENTE, A. N. P. Um modelo fuzzy para avaliação da qualidade de produtos de software e da satisfação dos gerentes de projetos numa fundação pública estadual. 2009. Dissertação (Mestrado) – Universidade Estácio de Sá, Rio de Janeiro, 2009. Disponível em: http://boente.eti.br/fuzzy/tese-fuzzy-boente.pdf. Acesso em: 26 Jun. 2025.
BORSOI, Beatriz et al. Redes neurais aplicadas na estimativa de prazos de projetos de software. 2011. Disponível em: http://www.inf.unioeste.br/epac/anais2011/artigos_epac/A15.pdf. Acesso em: 22 Jun. 2025.
CARDON, A.; MÜLLER, D. N. Introdução às redes neurais artificiais. Porto Alegre: Universidade Federal do Rio Grande do Sul, 1994.
CASTRO, Raphael D. Avaliação de riscos em projetos de software a partir do uso de técnicas de inteligência computacional. 2009. Monografia – Escola Politécnica de Pernambuco, Universidade de Pernambuco, Recife, 2009. Disponível em: http://tcc.ecomp.poli.br/20091/TCC%20Jose%20DCastro-TCC.pdf. Acesso em: 26 Jun. 2025.
CAVALCANTE, M. M. et al. A plataforma Arduino para fins didáticos: estudo de caso com recolhimento de dados a partir do PLX-DAQ. XXXIV Congresso da Sociedade Brasileira de Computação – CSBC, 2014.
COZMAN, F. G. Generalizing variable elimination in bayesian networks. Workshop on Probabilistic Reasoning in Artificial Intelligence, 2000.
CUNHA, F. L. et al. O uso de redes neurais artificiais para o reconhecimento de padrões em uma prótese mioelétrica de mão. Laboratório de Biocibernética e Engenharia de Reabilitação – D.E.E. – E.E.S.C./ USP, 2007.
GARCIA, A. et al. Methodology for software development estimation optimization based on neural networks. 2011. Disponível em: http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5893788. Acesso em: 26 Jun. 2025.
GERHARDT, T. E.; SILVEIRA, D. T. Métodos de pesquisa. 1. ed. Porto Alegre: Editora da UFRGS, 2009.
GOMIDE, F. A. Redes neurais artificiais para engenharia e ciências aplicadas: curso prático. Controle & Automação, v. 23, n. 5, 2012.
GUYTON, A. C.; HALL, J. E. Tratado de fisiologia médica. 12. ed. São Paulo: Elsevier Editora Ltda., 2011.
HAYKIN, Simon. Redes neurais: princípios e práticas. 2. ed. Tradução: Paulo Martins Engel. Porto Alegre: Bookman, 2001.
HRUSCHKA JR, E. R. Imputação bayesiana no contexto da mineração de dados. 2003. Tese (Doutorado) – Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2003.
KLIR, George; YUAN, Bo. Fuzzy sets, fuzzy logic and fuzzy system: selected papers by Lotfi A. Zadeh. Tradução do autor. World Scientific Publishing, 1996.
MAGELA, R. Engenharia de software aplicada: princípios. Rio de Janeiro: Alta Books, 2006.
MENDES, Emilia. Construindo um modelo especialista de estimativa de esforço de aplicações web usando redes bayesianas. 2010. Disponível em: https://www.unochapeco.edu.br/static/data/portal/downloads/1024.pdf#page=64.
Acesso em: 20 jun. 2025.
MOLETTA, Eduardo. Redes neurais com estados de eco aplicadas em controle dependente dos estados. Ponta Grossa: Universidade Tecnológica Federal do Paraná, 2015.
MONTANAR, T. Histologia: texto, atlas e roteiro de aulas práticas. 3. ed. Porto Alegre: Edição do Autor, 2016.
MOURA, Íthalo Bruno de; PINTO, João Phellipe; LUSTOSA FILHO, José. Neural Estimate: uma ferramenta para a estimativa de custo de software. Escola Regional de Computação dos Estados do Ceará, Maranhão e Piauí, Teresina, 2011. Disponível em: http://www.die.ufpi.br/ercemapi2011/artigos/ST2_11.pdf. Acesso em: 20 jun. 2025.
NATIONAL INSTRUMENTS. Líder global em soluções de teste, medição e controle. 2006. Disponível em: http://www.ni.com/pt-br.html. Acesso em: 22 Jun.2025.
OPENAI. ChatGPT-4. Quais são os diferentes tipos de inteligência artificial?
Acesso em: 26 mai. 2025.
OPENAI. ChatGPT-4. Quais são as diferentes atividades cognitivas que a inteligência artificial é capaz de realizar? Acesso em: 26 Jun. 2025.
OPENAI. ChatGPT-4. Enumere as principais atividades cognitivas que a inteligência artificial é capaz de realizar. Acesso em: 26 Jun. 2025.
OPENAI. ChatGPT-4. Enumere as principais atividades práticas que a inteligência artificial é capaz de realizar. Acesso em: 26 Jun. 2025.
PAGANI, D. H. Estudo comparativo entre redes neurais artificiais e redes neurais pulsadas usando MATLAB®. Cascavel: Universidade Estadual do Oeste do Paraná, 2012.
PAULINO, C. D.; TURKMAN, M. A.; MURTEIRA, B. Estatística bayesiana. Lisboa: Fundação Calouste Gulbenkian, 2003.
PFLEEGER, S. L. Software engineering: theory and practice. Nova Jersey: Prentice-Hall, 1998.
PRESSMAN, R. S. Engenharia de software. 6. ed. Porto Alegre: AMGH Editora, 2010.
REZENDE, D. A. Engenharia de software e sistemas de informação. 2. ed. Rio de Janeiro: Brasport, 2002.
SALLE, CTP et al. Uso de redes neurais artificiais para estimar parâmetros de produção de galinhas reprodutoras pesadas em recria. CDPA – Faculdade de Veterinária / UFRGS, 2012.
SILVA, I. N. da; SPATTI, D. H.; FLAUZINO, R. A. Redes neurais artificiais para engenharia e ciências aplicadas. São Paulo: Artliber Editora Ltda., 2010.
SOMMERVILLE, I. Engenharia de software. 8. ed. Boston: Addison Wesley, 2007.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Kaleb Thomé Ribeiro Oliveira (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
