Моля, използвайте този идентификатор за цитиране или линк към този публикация:
http://elartu.tntu.edu.ua/handle/lib/52691| Заглавие: | Розробка та тестування програмного забезпечення застосунку перевірки ризиків в стохастичних системах |
| Други Заглавия: | Software development and testing of a risk verification application in stochastic systems |
| Автори: | Момотюк, Владислав Святославович Momotiuk, Vladyslav |
| Affiliation: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра програмної інженерії, м. Тернопіль, Україна |
| Bibliographic reference (2015): | Момотюк В. С. Розробка та тестування програмного забезпечення застосунку перевірки ризиків в стохастичних системах : робота на здобуття кваліфікаційного ступеня бакалавра : 121 - інженерія програмного забезпечення / наук. кер. Ю. М. Стоянов. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2026. 104 с. |
| Дата на Публикуване: | Юни-2026 |
| Date of entry: | 25-Юни-2026 |
| Издател: | Тернопільський національний технічний університет імені Івана Пулюя |
| Country (code): | UA |
| Place of the edition/event: | Тернопільський національний технічний університет імені Івана Пулюя, факультет ФІС |
| Supervisor: | Стоянов, Юрій Миколайович |
| Committee members: | Ясній, Олег Петрович |
| UDC: | 004.9 |
| Ключови Думи: | інженерія програмного забезпечення software engineering програмна платформа software platform, моніторинг ризиків risk monitoring стохастичні системи stochastic systems штучні нейронні мережі artificial neural networks стохастичні обчислення stochastic computing глибоке навчання deep learning |
| Number of pages: | 104 |
| Резюме: | Кваліфікаційна робота бакалавра присвячена розробці та тестування програмного забезпечення застосунку перевірки ризиків в стохастичних системах. Метою цієї кваліфікаційної роботи є розробка програмної платформи для моніторингу ризиків у стохастичних системах із застосуванням нейромережевих модулів та методів стохастичних обчислень. Перший розділ присвячено аналізу предметної області, зокрема проблемам моніторингу та оцінювання ризиків у системах із випадковими факторами. Досліджено особливості застосування штучних нейронних мереж для розв'язання цих задач. Виконано огляд наявних підходів, включно з апаратними та програмними реалізаціями на базі стохастичних обчислень, а також обґрунтовано вибір архітектурних рішень для створення платформи. У другому розділі розглянуто архітектуру розробленого програмного рішення. Описано математичну модель стохастичних процесів, структуру нейромережевих модулів, а також реалізацію логіки аналізу даних і формування звітів щодо виявлених ризиків. Крім того, наведено результати тестування платформи на модельних наборах даних, виконано оцінювання точності та продуктивності нейромережевих алгоритмів. Окреслено перспективи масштабування системи та її інтеграції з іншими аналітичними сервісами. This bachelor’s thesis is devoted to the development and testing of software for a risk assessment application in stochastic systems. The objective of this thesis is to develop a software platform for monitoring risks in stochastic systems using neural network modules and stochastic computation methods. The first chapter is devoted to an analysis of the subject area, specifically the problems of monitoring and assessing risks in systems with random factors. The paper investigates the specifics of using artificial neural networks to solve these problems. It reviews existing approaches, including hardware and software implementations based on stochastic computing, and justifies the choice of architectural solutions for creating the platform. The second chapter examines the architecture of the developed software solution. It describes the mathematical model of stochastic processes, the structure of the neural network modules, and the implementation of the logic for data analysis and the generation of reports on identified risks. In addition, the results of testing the platform on model datasets are presented, and the accuracy and performance of the neural network algorithms are evaluated. The prospects for scaling the system and integrating it with other analytical services are outlined. |
| Content: | АНОТАЦІЯ ...................................................................................................................... 4 ABSTRACT .................................................................................................................. 6 ЗМІСТ ............................................................................................................................... 8 ПЕРЕЛІК СКОРОЧЕНЬ ................................................................................................ 10 ВСТУП ............................................................................................................................ 11 1. АНАЛІЗ СТАНУ ПРОБЛЕМИ ТА ПОСТАНОВКА ЗАДАЧІ РОБОТИ ....... 14 1.1 Аналіз предметної області та теоретичні основи роботи ............................. 14 1.2 Інструментарій та технології розробки програмних платформ для стохастичних систем .................................................................................................. 19 1.3 Огляд існуючих програмних рішень та суміжних систем ........................... 22 1.4 Обґрунтування вибору програмного середовища розробки та застосовуваних підходів ............................................................................................ 28 1.5 Ресурсозатратна ефективність реалізації програмної платформи ............... 30 1.6 Проблеми безпеки програмної платформи, режими доступу та можливості вдосконалення системи .............................................................................................. 32 2. ПРОЄКТУВАННЯ І РОЗРОБКА ПРОГРАМНОЇ ПЛАТФОМИ ТА ЇЇ КОМПОНЕНТІВ ........................................................................................................... 34 2.1 Формальні характеристики програмної платформи. Стохастичні обчислення .................................................................................................................. 34 В підрозділі описано та деталізовано структуру та характеристики програмної платформи ................................................................................................................... 34 2.1.1 Функціональні характеристики та властивості програмної системи ....... 34 2.1.2 Підходи до прямого стохастичного програмування .................................. 36 2.1.3 Операція додавання на основі стохастичного програмування ................. 37 2.2 Алгоритм множення на основі стохастичних процесів ................................ 41 2.3. Побудова нейрона на основі стохастичного підходу. Розширена стохастична логіка (ESL) ........................................................................................... 44 2.4 Програмна реалізація стохастичних логічних елементів ............................. 51 2.5 Запропонований оцінювач ймовірності (PE) ................................................. 53 2.6 Реалізація програмної платформи на програмованій логічній інтегральній схемі .......................................................................................................................... 65 2.7 Тестування роботи програмної системи ........................................................ 77 3 БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ ........................ 87 3.1 Динамічні явища на поверхні землі ................................................................... 87 3.2 Заходи, що запобігають впливу на людину агресивних та токсичних речовин, які використовуються в технологічному процесі ................................................... 89 ВИСНОВКИ ................................................................................................................... 93 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ ..................................................................... 95 ДОДАТКИ .................................................................................................................... 103 |
| URI: | http://elartu.tntu.edu.ua/handle/lib/52691 |
| Copyright owner: | Момотюк Владислав Святославович, 2026 |
| References (Ukraine): | 1. Rosenblatt F. The perceptron: A probabilistic model for information storage and organization in the brain // Psychol. Rev. – 1958. – Vol. 65, no. 6. – P. 386–408. – DOI: http://dx.doi.org/10.1037/h0042519 2. Feng T., Wang C., Chen X., Fan H., Zeng K., Li Z. URNet: A U-net based residua network for image dehazing // Appl. Soft Comput. – 2021. – Vol. 102. – P. 106884. – DOI: http://dx.doi.org/10.1016/j.asoc.2020.106884. 3. Liu P., Wang J., Guo Z. Multiple and complete stability of recurrent neural networks with sinusoidal activation function // IEEE Trans. Neural Netw. Learn. Syst. – 2021. – Vol. 32, no. 1. – P. 229–240. – DOI: http://dx.doi.org/10.1109/TNNLS.2020.2978267. 4. Hartpence B., Kwasinski A. CNN and MLP neural network ensembles for packet classification and adversary defense // Intell. Converg. Netw. – 2021. – Vol. 2, no. 1. – P. 66–82. – DOI: http://dx.doi.org/10.23919/ICN.2020.0023. 5. Lokwon K., Asaad S., Linsker R. A fully pipelined FPGA architecture of a factored restricted Boltzmann machine artificial neural network // ACM Trans. Reconfigurable Technol. Syst. – 2014. – Vol. 7. – DOI: http://dx.doi.org/10.1145/2539125. 6. Haykin S. S. Neural Networks and Learning Machines. – 3rd ed. – Upper Saddle River, NJ, USA: Pearson, 2009. 7. Varnava C. Phase-change memory devices for on-chip neural networks // Nature Electron. – 2021. – Vol. 4. – P. 454. – DOI: http://dx.doi.org/10.1038/s41928-021- 00627-4. 8. Yeo I., Gi S. G., Wang G., Lee B. G. A hardware and energy-efficient online learning neural network with an RRAM crossbar array and stochastic neurons // IEEE Trans. Ind. Electron. – 2021. – Vol. 68, no. 11. – P. 11554–11564. – DOI: http://dx.doi.org/10.1109/TIE.2020.3032867. 9. Gaines B. R. Stochastic computing systems // Advances in Information Systems Science. – 1969. – P. 37–172. 96 10.He X., Chu Z. Stochastic circuit design based on exact synthesis // Proc. 2021 China Semiconductor Technology International Conference (CSTIC). – 2021. – P. 1–3. – DOI: http://dx.doi.org/10.1109/CSTIC52283.2021.9461462. 11.Brown B. D., Card H. C. Stochastic neural computation. I. Computational elements // IEEE Trans. Comput. – 2001. – Vol. 50, no. 9. – P. 891–905. 12.Brown B. D., Card H. C. Stochastic neural computation. II. Soft competitive learning // IEEE Trans. Comput. – 2001. – Vol. 50, no. 9. – P. 906–920. 13.Alaghi A., Hayes J. P. Dimension reduction in statistical simulation of digital circuits // Proc. Symp. Theory Modeling Simulation (DEVS Integrative M&S Symp.). – 2015. – P. 1–8. 14.Hayes J. P. Introduction to stochastic computing and its challenges // Proc. DAC. – 2015. – P. 59. 15.Ardakani A. et al. Hardware implementation of FIR/IIR digital filters using integral stochastic computation // Proc. 2016 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). – 2016. – Vol. 3. – P. 6540–6544. |
| Content type: | Bachelor Thesis |
| Показва се в Колекции: | 121 — Інженерія програмного забезпечення, F2 Інженерія програмного забезпечення (бакалаври) |
Файлове в Този Публикация:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| dyplom_Momotiuk_V_2026.pdf | 5,2 MB | Adobe PDF | Изглед/Отваряне |
Публикацияте в DSpace са защитени с авторско право, с всички права запазени, освен ако не е указно друго.
Админ Инструменти