Машинне навчання в покращенні візуалізації просторової моделі архітектури програми
Тип публікації :
Стаття
Дата випуску :
7 липня 2025 р.
Автор(и) :
Франків, Олександр
Мова основного тексту :
Англійська
eKNUTSHIR URL :
Том :
80
Випуск :
1
ISSN :
1812-5409
Початкова сторінка :
164
Кінцева сторінка :
173
Цитування :
[APA 7] Франків, О. (2025). Machine learning in enhancing visualization of the spatial software architecture model. Bulletin of Taras Shevchenko National University of Kyiv. Physics and Mathematics, 80(1), 164–173. https://doi.org/10.17721/1812-5409.2025/1.22
[ДСТУ] Франків О. Machine learning in enhancing visualization of the spatial software architecture model. Bulletin of Taras Shevchenko National University of Kyiv. Physics and Mathematics. 2025. Vol. 80, no. 1. P. 164—173. DOI: 10.17721/1812-5409.2025/1.22 (date of access: 25.07.2026).
Візуальна естетичність та обчислювальна ефективність є однаково важливими аспектами у контексті створення якісного представлення даних для подальшого аналізу. Гармонійне поєднання цих характеристик забезпечує не лише зручність сприйняття, але й оптимізує процеси оброблення даних, що є критично важливим у сучасному програмному забезпеченні.
У пропонованій статті розкрито новий комбінований підхід до розміщення графів у просторі. Особливу увагу приділено просторовим моделям архітектури програмного забезпечення, що є ключовим інструментом для візуалізації складних взаємозв'язків між компонентами. Застосування графових нейронних мереж як спеціалізованої евристики – центральний елемент зазначеного підходу. Завдяки використанню методів машинного навчання, запропонований підхід дає змогу поліпшити результати візуалізації та підвищити обчислювальну ефективність.
Використання графової нейронної мережі забезпечує адаптивність і здатність моделі враховувати специфічні особливості графу. Це, у комбінації із силовим алгоритмом, сприяє збереженню високого рівня естетичності візуального представлення без значного збільшення ресурсних витрат. Отже, новий метод пропонує практичне рішення для ефективного поєднання візуальної естетики й обчислювальної ефективності, що є важливим кроком у вдосконаленні аналізу просторових моделей архітектури програмного забезпечення.
У пропонованій статті розкрито новий комбінований підхід до розміщення графів у просторі. Особливу увагу приділено просторовим моделям архітектури програмного забезпечення, що є ключовим інструментом для візуалізації складних взаємозв'язків між компонентами. Застосування графових нейронних мереж як спеціалізованої евристики – центральний елемент зазначеного підходу. Завдяки використанню методів машинного навчання, запропонований підхід дає змогу поліпшити результати візуалізації та підвищити обчислювальну ефективність.
Використання графової нейронної мережі забезпечує адаптивність і здатність моделі враховувати специфічні особливості графу. Це, у комбінації із силовим алгоритмом, сприяє збереженню високого рівня естетичності візуального представлення без значного збільшення ресурсних витрат. Отже, новий метод пропонує практичне рішення для ефективного поєднання візуальної естетики й обчислювальної ефективності, що є важливим кроком у вдосконаленні аналізу просторових моделей архітектури програмного забезпечення.
Ключові слова :
neural network machine learning graph graph neural network graph convolutional operator (GCNConv) software architecture automatic visualization of software architecture time complexity of an algorithm нейронна мережа машинне навчання граф графова нейронна мережа графовий згортковий оператор (GCNConv) архітектура програмного забезпечення автоматична візуалізація архітектури програмного забезпечення часова складність алгоритму.
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
610.1 KB
Контрольна сума :
(MD5):e045dd3438d0ba46cfa5e91de184ec86
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International