Машинне навчання в покращенні візуалізації просторової моделі архітектури програми

Simple item page
dc.contributor.authorФранків, Олександрuk_UA
dc.date.accessioned2025-11-05T10:29:06Z
dc.date.available2025-11-05T10:29:06Z
dc.date.issued2025
dc.descriptionVisual aesthetics and computational efficiency are equally important aspects in the context of creating high-quality data representations for further analysis. A harmonious combination of these characteristics not only enhances the ease of perception but also optimizes data processing workflows, which is critically important in modern software systems. This paper proposes a novel combined approach for spatial graph placement. Special attention is given to spatial models of software architecture, which serve as key tools for visualizing complex relationships between components. The use of graph neural networks as a specialized heuristic forms the central element of this approach. Leveraging machine learning methods, the proposed solution improves visualization outcomes while enhancing computational efficiency. The application of a graph neural network ensures adaptability and enables the model to account for the specific features of the graph. In combination with a force-directed algorithm, this allows for maintaining a high level of visual aesthetics without significant increases in resource consumption. Thus, the new method offers a practical solution for effectively combining visual aesthetics with computational efficiency, representing an important step forward in enhancing the analysis of spatial models in software architecture.en_US
dc.description.abstractВізуальна 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.uk_UA
dc.identifier.citationФранків О. О. Машинне навчання в покращенні візуалізації просторової моделі архітектури програми / Олександр Франків // Вісник Київського національного університету імені Тараса Шевченка. Фізико-математичні науки. - 2025. - Т. 80, № 1. - C. 164-173. - https://doi.org/10.17721/1812-5409.2025/1.22uk_UA
dc.identifier.issn1812-5409
dc.identifier.issn2218-2055
dc.identifier.urihttps://doi.org/10.17721/1812-5409.2025/1.22
dc.identifier.urihttps://ekmair.ukma.edu.ua/handle/123456789/37390
dc.language.isoukuk_UA
dc.relation.sourceВісник Київського національного університету імені Тараса Шевченка. Фізико-математичні наукиuk_UA
dc.statusfirst publisheduk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectграфuk_UA
dc.subjectграфова нейронна мережаuk_UA
dc.subjectграфовий згортковий оператор (GCNConv)uk_UA
dc.subjectархітектура програмного забезпеченняuk_UA
dc.subjectавтоматична візуалізація архітектури програмного забезпеченняuk_UA
dc.subjectчасова складність алгоритмуuk_UA
dc.subjectстаттяuk_UA
dc.subjectneural networken_US
dc.subjectmachine learningen_US
dc.subjectgraphen_US
dc.subjectgraph neural networken_US
dc.subjectgraph convolutional operator (GCNConv)en_US
dc.subjectsoftware architectureen_US
dc.subjectautomatic visualization of software architectureen_US
dc.subjecttime complexity of an algorithmen_US
dc.titleМашинне навчання в покращенні візуалізації просторової моделі архітектури програмиuk_UA
dc.title.alternativeMachine learning in enhancing visualization of the spatial software architecture modelen_US
dc.typeArticleuk_UA
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Frankiv_Mashynne_navchannia_v_pokrashchenni_vizualizatsii_prostorovoi_modeli_arkhitektury_prohramy.pdf
Size:
613.96 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Кафедра інформатики