Autor:
Burgueño, Lola

Cargando...
Foto de perfil

E-mails conocidos

lburguenoc@uoc.edu
loli@lcc.uma.es
lolaburgueno@uma.es

Fecha de nacimiento

Proyectos de investigación

Unidades organizativas

Puesto de trabajo

Apellidos

Burgueño

Nombre de pila

Lola

Nombre

Nombres alternativos

Burgueño, Loli

Afiliaciones conocidas

Open University of Catalonia, Spain
Open University of Catalonia & CEA List
Universidad de Málaga, Spain
University of Málaga, GISUM/Atenea Research Group, Spain
University of Málaga, GISUM/Atenea Research Group
Universidad de Málaga
Universidad de Málaga, Atenea Research Group, Málaga, Spain
University of Malaga, Spain

Páginas web conocidas

Página completa del ítem
Notificar un error en este autor

Resultados de la búsqueda

Mostrando 1 - 5 de 5
  • Artículo
    Confianza e Incertidumbre en Modelos y Transformaciones de Modelos
    Burgueño, Lola; Barquero, Gala; Moreno, Nathalie; Bertoa, Manuel F.; Vallecillo, Antonio. Actas de las XXIII Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2018), 2018-09-17.
    La incertidumbre, tanto en los datos como en los mecanismos que manipulan y operan sobre ellos, es un tema crucial en sistemas que trabajan con entornos físicos. Una incertidumbre que puede ser debida a diversos factores, como fuentes de datos poco fiables, tolerancia en las mediciones o la incapacidad para determinar si un determinado evento ha sucedido realmente o no. En este trabajo proponemos el uso de modelos con confianza, donde los objetos pueden llevar asociadas probabilidades. Al igual que en los modelos, la incertidumbre puede trasladarse a las transformaciones de modelos, donde las reglas también pueden estar sujetas a incertidumbre.
  • Artículo
    Transformaciones de Datos con Machine Learning
    Burgueño, Lola; Cabot Sagrera, Jordi; Gérard, Sébastien. Actas de las XXIV Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2019), 2019-09-02.
    Una de las tareas más comunes que los ingenieros tienen que llevar a cabo y que consumen más tiempo es la transformación de datos. Proponemos usar los avances en Inteligencia Artificial (IA), y en particular, en el área de Machine Learning (ML), para abordar este problema. Para ello, definimos una arquitectura que es capaz de inferir las transformaciones de datos a partir de un conjunto de pares de datos entrada-salida. Una vez que nuestro sistema haya aprendido cómo los datos de entrada se relacionan con los de salida, podrá realizar la traducción de nuevos datos de entrada automáticamente.
  • Artículo
    A Linda-based Platform for the Parallel Execution of Out-place Model Transformations
    Burgueño, Lola; Wimmer, Manuel; Vallecillo, Antonio. Actas de las XXII Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2017), 2017-07-19.
    Context: The performance and scalability of model transformations is gaining interest as industry is progressively adopting model-driven techniques and multicore computers are becoming commonplace. However, existing model transformation engines are mostly based on sequential and in-memory execution strategies, and thus their capabilities to transform large models in parallel and distributed environments are limited. Objective: This paper presents a solution that provides concurrency and distribution to model transformations. Method: Inspired by the concepts and principles of the Linda coordination language, and the use of data parallelism to achieve parallelization, a novel Java-based execution platform is introduced. It offers a set of core features for the parallel execution of out-place transformations that can be used as a target for high-level transformation language compilers. Results: Significant gains in performance and scalability of this platform are reported with regard to existing model transformation solutions. These results are demonstrated by running a model transformation test suite, and by its comparison against several state-of-the-art model transformation engines. Conclusion: Our Linda-based approach to the concurrent execution of model transformations can serve as a platform for their scalable and efficient implementation in parallel and distributed environments.
  • Artículo
    Analysis of the Scientific Production of the Spanish Software Engineering Community
    Burgueño, Lola; Moreno-Delgado, Antonio; Vallecillo, Antonio. Actas de las XX Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2015), 2015-09-15.
    Our group has been working on a report for the SpanishúSociety of Software Engineering and Software Development Technologies (SISTEDES) to provide a general overview of the Spanish scientificúproduction and its contributions worldwide in the field of Software Engineering. Although a Database solution could have been used, we decidedúto employ Model-Driven Development (MDD) techniques in order toúevaluate their applicability, suitability and fitness for these kinds of purposes, and to learn from the experience in this domain, which combinesúdata integration, large scale models, and complex queries.
  • Artículo
    Towards Distributed Model Transformations with LinTra
    Burgueño, Lola; Wimmer, Manuel; Vallecillo, Antonio. Actas de las XXI Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2016), 2016-09-13.
    Performance and scalability of model transformations are becoming prominent topics in Model-Driven Engineering. In previous work, we introduced LinTra, a platform for executing model transformations in parallel. LinTra is based on the Linda model of a coordination language and is intended to be used as a middleware where high-level model transformation languages are compiled. In this paper we present an approach to achieve scalable out-place model-to-model transformation executions in LinTra by distributing the models involved in the transformation over a set of machines.