Дисертація присвячена розв’язанню актуального науково-технічного завдання розроблення методики побудови та використання моделей машинного навчання (МН, Mashine Learning) для мобільних агентів, якими виступають безпілотні літальні апарати (БпЛА), за допомогою автоматизованого конвеєра на основі Kubeflow із використанням кращих практик концепції МН та процесів MLOps (Machine Learning and Operation). Розроблена стратегія використання цих моделей для мобільних агентів із використанням Mesh-мереж, що є частиною описаного конвеєру. Розвиток сучасних інформаційних технологій як науки про дані, аналітика даних і MН стають одними із головних інструментів для розв’язання складних прикладних задач у різних сферах діяльності. MН є одним із методів функціонування штучного інтелекту (ШІ), зокрема практичної реалізації його можливостей шляхом створення алгоритмів для виявлення закономірностей під час аналізу великих даних, та їх подальше використання для самонавчання. Особливо це питання є актуальним в умовах дослідження війни БпЛА за допомогою ШІ як варіанту надання військовим тактичної переваги над противником та зменшення ризику для людських життів. Використовуючи MН з алгоритмами ШІ, БпЛА можуть швидко ідентифікувати загрози, реагувати на них, вести спостереження та розвідку. Зважаючи на зазначене, проведення досліджень щодо розробки нового методу із застосуванням інтегрованих MН і ШІ в керування тактикою бою БпЛА, стійкого до радіоелектронних перешкод на сьогодні є актуальним завданням. Для досягнення поставленої в роботі мети потрібно вирішити наступні окремі завдання дослідження: 1. Проаналізувати сучасний стан розвитку МН і ШІ з можливістю їх застосування в БпЛА. 2. Дослідити можливості використання сучасних MLOps рішень для покращення процесів розробки інформаційних систем МН в розрізі інструментів Kubeflow. 3. Розробити модель побудови та застосування МН із можливістю постійного донавчання, що досягається високим рівнем інтеграції та автоматизації конвеєру із використанням компонентів Kubeflow і платформи Kubernetes. 4. Експериментально перевірити результати експлуатації моделі в арсеналі Kubeflow із використанням таких факторів покращення як швидкість розробки, імплементації змін, зменшення часу на пошук проблем, відновлення після глобальних перебоїв, зменшення кількості помилок в моделі. 5. Розробити архітектурну концепцію системи на базі дистрибутива Kubernetes k3s з використанням моделі машинного навчання в парадигмі граничних обчислень (Edge computing) для мобільних агентів із використанням mesh-мереж. 6. Провести оцінку ефективності використання бездротової Mesh-мережі для підвищення функціональної стійкості розподіленої інформаційної системи БпЛА.
Наукова новизна одержаних результатів. У процесі теоретичних і експериментальних досліджень та моделювання одержано наступні нові наукові результати:1. Вперше сформовано концепцію повноцінного інформаційного рішення на базі конвеєру неперервної інтеграції із можливістю постійного донавчання, високого рівня інтеграції та автоматизації з використанням компонентів Kubeflow і платформи Kubernetes, що дозволяє покращити кількісну та якісну складові експериментів, зменшити час, затрачений на його підготовку, та мінімізувати помилки, спричинені людським фактором. 2. Вперше спроектовано архітектурну концепцію системи на базі дистрибутива Kubernetes k3s, що дозволяє ефективно використовувати моделі МН в парадигмі граничних обчислень (Edge Computing) із використанням Mesh-мереж для мобільних агентів (БпЛА), що формують собою функціонально стійку розподілену інформаційну систему. 3. Удосконалено модель підвищення функціональної стійкості розподіленої інформаційної системи БпЛА з використанням бездротової Mesh-мережі передачі даних, що дозволить протистояти радіоелектронним та іншим перешкодам і працювати в автономному або напів-автономному режимі.Практичне значення одержаних результатів у галузі розробки та створення ефективних методів побудови та використання моделей МН для БпЛА полягає в наступному: 1. Запропоновані архітектурні рішення інформаційних систем та метод можуть бути використані дослідно-конструкторськими організаціями та державними структурами Збройних сил України для реалізації концепції “Аналітична система підтримки прийняття рішень для БпЛА“, що показано через функціональні моделі процесів (AS, TO-BE, SHOULD-BE). 2. Сучасні MLOps рішень на базі інструментів Kubeflow для створення та використання навчальних моделей МН впроваджено в дисципліну “Cистеми підтримки прийняття рішень”. Високий рівень автоматизації та інтеграції компонентів дозволяє створити та запустити тестову модель за відносно короткий час, але без зниження якості її роботи та надійності.
Ключові слова: розподілені інформаційні системи, машинне навчання, штучний інтелект, мобільні агенти, Mesh-мережі, безпілотний літальний апарат, MLOps, Kuberentes, Kubeflow, граничні обчислення.
