Метод та засіб супроводження еволюціонуючих гібридних інтелектуальних систем
| dc.contributor.advisor | Баклан, Ігор Всеволодович | |
| dc.contributor.author | Похиленко, Олександр Андрійович | |
| dc.date.accessioned | 2024-03-04T07:39:47Z | |
| dc.date.available | 2024-03-04T07:39:47Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Розмір пояснювальної записки – 115 аркушів, містить 21 ілюстрацію, 15 таблиць, 6 додатків, 71 посилання на джерела. Актуальність теми. У роботі розглянуто проблему супроводження еволюціонуючих гібридних інтелектуальних систем (ЕГІС), показано основні особливості існуючих методів та засобів. Виявлено перспективність використання методів прогностичного супроводження на основі виявлення аномалій щодо супроводження ЕГІС. Виявлено потребу в розробці удосконаленого методу супроводження та засобу, що реалізує цей метод. Мета дослідження. Основною метою є підвищення супроводжуваності еволюціонуючих гібридних інтелектуальних систем за рахунок удосконалення методу супроводження та розробки засобу супроводження, що реалізує цей метод. Об’єкт дослідження: програмне забезпечення гібридних інтелектуальних систем. Предмет дослідження: методи і засоби щодо супроводження програмного забезпечення еволюціонуючих гібридних інтелектуальних систем. Для реалізації поставленої мети сформульовані наступні завдання: − аналіз методів та засобів супроводження ЕГІС; − розробка удосконаленого методу супроводження ЕГІС; − створення, налагодження та тестування прототипу засобу супроводження ЕГІС, що реалізує розроблений метод; − дослідження ефективності розробленого методу; − оцінювання можливих напрямків подальшого розвитку. Наукова новизна результатів магістерської дисертації полягає в удосконаленні методу супроводження ЕГІС та моделі виявлення аномалій, що використовується в цьому методі. Метод було удосконалено за рахунок додавання трьох нових етапів: етапу збереження даних та сповіщення про аномалії; етапу отримання зворотного зв’язку; етапу перенавчання моделей. Модель була удосконалена за рахунок введення ансамблю детекторів та застосування лінійної регресії для оновлення ваг детекторів під час навчання моделі. Отримана модель може працювати без початкового навчання, але може підвищувати точність при навчанні. В результаті експериментів виявлено, що удосконалена модель помітно краще виявляє колективні аномалії за початкову модель, а влучність удосконаленої моделі після навчання може в декілька разів перевищувати влучність початкової моделі. Практичне значення отриманих результатів полягає у розробці засобу супроводження ЕГІС у вигляді двох модулів: бібліотеки, яка може бути встановлена з репозиторію пакетів PyPI, та Django веб-застосунку, що надає інтерфейс для зручного налаштування та керування моделями, які використовуються для супроводження ЕГІС. Розроблений засіб може бути використано для прогностичного супроводження ЕГІС. Зв’язок з науковими програмами, планами, темами. Робота виконувалась на кафедрі інформатики та програмної інженерії Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Апробація. Наукові положення дисертації пройшли апробацію на IV науково-практичній конференції молодих вчених та студентів «Інженерія програмного забезпечення і передові інформаційні технології» (SoftTech-2023) – м. Київ. Публікації. Наукові положення дисертації опубліковані в: 1) Похиленко О.А., Баклан І.В. Супроводження Гібридних Інтелектуальних Систем, які Еволюціонують. Вчені записки Таврійського національного університету імені В.І. Вернадського. Серія: Технічні науки. 2022. Т. 33 (72), № 1. С. 175-181. 2) Похиленко О.А., Баклан І.В. Метод та Засіб Супроводження Еволюціонуючих Гібридних Інтелектуальних Систем. Матеріали IV міжнародної науково-практичної конференції молодих вчених та студентів «Інженерія програмного забезпечення і передові інформаційні технології (SoftTech-2023)» присвяченої 125-й річниці КПІ ім. Ігоря Сікорського. 9–11 травня 2023 р., Київ. (відправлено до редакції). | |
| dc.description.abstractother | Explanatory note size – 115 pages, contains 21 illustrations, 15 tables, 6 applications, 71 references. Topicality. The paper examines the problem of maintenance of evolving hybrid intelligent systems (EHIS) and considers the main features of existing methods and tools. The prospects of using methods of predictive maintenance based on the detection of anomalies in relation to EHIS maintenance have been revealed. The need for the development of an improved maintenance method and a tool that implements this method has been identified. The aim of the study. The main target is to increase the maintainability of evolving hybrid intelligent systems due to the improvement of the method of maintenance and the development of a tool for maintenance that implements this method. The object of research: software of hybrid intelligent systems. The subject of research: methods and tools for maintenance of the software of evolving hybrid intelligent systems. To achieve this goal, the following tasks were formulated: − analysis of methods and tools for maintenance of EHIS; − development of an improved method for maintenance of EHIS; − creation, debugging and testing of a prototype of the tool for maintenance of EHIS that implements the developed method; − evaluation of the effectiveness of the developed method; − proposition of possible directions for further research. The scientific novelty of the results of the master's dissertation is the improvement of the method for maintenance of EHIS and the anomaly detection model used in this method. The method was improved by adding three new stages: the stage of saving data and notification about anomalies; stage of receiving feedback; stage of model retraining. The model was improved by introducing an ensemble of detectors and applying linear regression to update detector weights during model training. The resulting model can work without initial training, but can improve accuracy during training. As a result of the experiments, it was found that the improved model detects collective anomalies significantly better than the initial model, and the accuracy of the improved model after training can be several times higher than the accuracy of the initial model. The practical value of the obtained results is the development of a tool for maintenance of EHIS in the form of two modules: a library that can be installed from the PyPI package repository, and a Django web application that provides an interface for convenient configuration and management of models used for EHIS maintenance. The developed tool can be used for predictive maintenance of EHIS. Relationship with working with scientific programs, plans, topics. Work was performed at the Department of Informatics and Software Engineering of the National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute». Approbation. The scientific provisions of the dissertation were tested at the Fourth Scientific and Practical Conference of Young Scientists and Students «Software Engineering and Advanced Information Technologies» (SoftTech-2023) – Kyiv. Publications. The scientific provisions of the dissertation were published in: 1) Pokhylenko O. A., Baklan I. V. Maintenance of Evolving Hybrid Intelligent Systems. Scientific notes of Taurida National V.I. Vernadsky University. Series: Technical Sciences. 2022. Vol. 33 (72), No. 1. P. 175-181. 2) Pokhylenko O. A., Baklan I. V. Method and Tool for Maintenance of Evolving Hybrid Intelligent Systems. Proceedings of the IV International Scientific and Practical Conference of Young Scientists and Students «Software Engineering and Advanced Information Technologies (SoftTech-2023)» dedicated to the 125th anniversary of Igor Sikorsky KPI. May 9–11, 2023, Kyiv. (under review). | |
| dc.format.extent | 122 c. | uk |
| dc.identifier.citation | Похиленко, О. А. Метод та засіб супроводження еволюціонуючих гібридних інтелектуальних систем : магістерська дис. : 121 Інженерія програмного забезпечення / Похиленко Олександр Андрійович . – Київ, 2023. – 122 с. | |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/65146 | |
| dc.language.iso | uk | uk |
| dc.publisher | КПІ ім. Ігоря Сікорського | uk |
| dc.publisher.place | Київ | uk |
| dc.subject | еволюціонуюча гібридна інтелектуальна система | |
| dc.subject | прогностичне супроводження | |
| dc.subject | виявлення аномалій | |
| dc.subject | часові ряди | |
| dc.subject | evolving hybrid intelligent system | |
| dc.subject | predictive maintenance | |
| dc.subject | anomaly detection | |
| dc.subject | time series | |
| dc.subject.udc | 004.416 | |
| dc.title | Метод та засіб супроводження еволюціонуючих гібридних інтелектуальних систем | uk |
| dc.title.alternative | Method and Tool for Maintenance of Evolving Hybrid Intelligent Systems | uk |
| dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Pokhylenko_magistr.pdf
- Розмір:
- 1.37 MB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: