This research represents a corresponding and developed specialized impact factors reverse analysis method for software complexes’ support automation; it is intended for the analysis of impact factors affecting the supported software’s (or processes of its comprehensive support) subjective perception results, as one of the constituent tasks of the more complex problem of software complexes’ support automation. The developed method provides the possibility to restore certain boundaries of impact factors by classifying the multilayer perceptron’s hidden layer neurons and calculating the probability coefficients of the belonging of these neurons to the corresponding specific pre-determined impact factors. The problem of determining the influence of impact factors on the subjective perception of the object of support (the supported software or the processes of its comprehensive support) by the relevant subjects (interacting with this object, providing and implementing its support) was resolved through the approach developed and proposed by the authors in the scope of this research. A key feature of the proposed approach is to assign the neurons of the hidden layers (of the multilayer perceptron type of artificial neural networks) functional–semantic meaning(s), which they have been deprived of a priori, performing (before this) by default an exclusively operational (calculation) function mainly for the correctness of the training and functioning of the multilayer perceptron itself. The potential of the developed method allows us to apply it for solving a huge number of applied practical tasks, such as the one provided in the scope of this research, which is as follows: a practical task of the support team members’ portrait determination, followed by a further search (detection) of the interchangeable members of this support team to ensure the possibility of quick transfer of the stack of tickets (which are in the middle of the active resolution process) between these members.

An information-cognitive concept of a predicting method for obtaining specialized human–computer interaction (HCI) objects’ perception subjectivization results, based on impact factors analysis, with the use of multilayer perceptron (MP) artificial neural networks (ANNs), has been developed. The main purpose of the developed method is to increase the level of intellectualization and automation of research into relevant processes of HCI objects’ perception subjectivization, especially in the context of software products’ comprehensive support processes. The method is based on the developed conceptual models and the developed mathematical model, as well as a specialized developed algorithm. Results prediction is carried out on the basis of a preliminary in-depth analysis of a set of unique direct chains (UDCs) of neurons of the relevant encapsulated MP ANN, built on the basis of researching the results of isolated influences of each of the previously declared impact factors and further comparing the present direct chain (of each separate investigated modeling case) with UDCs from the aforementioned sets. As an example of practical approbation of the developed method, the appropriate practically applied problem of identifying a member of the support team, whose multifactor portrait is as close as possible to the corresponding multifactor portrait of a given client’s user, has been resolved.

Розроблено модель балансування мультисуб'єктних поліфакторних середовищ підтримки програмного забезпечення (ПЗ) на базі кольорових мереж Петрі, що забезпечує можливість вирішення завдань дослідження динаміки процесів у контексті вирішення науково-прикладної проблеми балансування мультисуб'єктних поліфакторних середовищ комплексної підтримки програмного забезпечення (програмних продуктів/комплексів). Водночас, цей спектр проблем входить до кластера більш глобальної науково-прикладної проблематики автоматизації й інтелектуалізації комплексної підтримки програмних продуктів, а також дослідження релевантної проблематики людино-машинної взаємодії. Подано відповідний алгоритм балансування мультисуб'єктних поліфакторних середовищ підтримки ПЗ, на підставі якого функціонує розроблена однойменна модель. Побудовано дерево досяжності станів розробленої моделі (балансування мультисуб'єктних поліфакторних середовищ підтримки ПЗ) на базі кольорових мереж Петрі, що підтверджує досяжність та скінченність кожного із станів моделі. Виконано практичну апробацію розробленої моделі на прикладі моделювання експериментального практичного прикладного завдання моніторингу поліфакторної динаміки окремого заданого суб'єкта мультисуб'єктного середовища підтримки у процесі балансування останнього, а отримані результати практичної апробації підтверджують дієвість та ефективність розробленої моделі щодо вирішення завдань дослідження динаміки процесів в контексті вирішення науково-прикладної проблеми балансування мультисуб'єктних поліфакторних середовищ комплексної підтримки програмного забезпечення (програмних продуктів / комплексів). Розглянуто перспективи подальших досліджень і потенційних способів розвитку та вдосконалення як у контексті обраної тематики досліджень, так і глобальної проблематики автоматизації й інтелектуалізації комплексної підтримки програмних продуктів та людино-машинної взаємодії.

This work is devoted to the investigation of an actual scientific and applied problem in the identification of exit points for early-exit DNNs based on the analysis of neural chains, which is one of the complex tasks related to the scientific and applied problems of DNN optimization, including, in particular, those based on the existing early-exit concept. The obtained computational complexity of the developed method is not limited by the latter itself, but instead, it mainly depends on the chosen algorithm for analyzing the occurrences of particular substrings (i.e., trimmed neural chains) into a defined list of strings (i.e., full neural chains). For example, in the framework of the conducted research, the Python operator “in” has been used (for this purpose), which uses an in-built optimized algorithm based on the combination of the Boyer–Moore and Horspool algorithms with a linear scalability, and computational complexity that approaches the arithmetic product of the total number of strings (i.e., full neural chains) in the array by the average length of the string in the same array. The performed practical approbation of the developed method gave positive results in decreasing the overall time for obtaining the final result of the considered DNN, as well as significantly decreasing the following timing parameters of the considered DNN: the minimal time to obtain the final result (reduced by more than 5 times); the average time to obtain the final result (reduced by ~1.4 times); and the total time spent processing all 22,500 modeling cases in total (reduced by ~1.39 times). In terms of the main positive aspects and advantages of the developed method, we could highlight its maximal versatility (in terms of the studied DNNs, their architectural and/or structural features, application areas, and input data representation, as well as further software implementation of the proposed method), together with its maximal simplicity of representation and understanding, which ensures the possibility of working with this method even for novice and inexperienced researchers and users who have only basic knowledge of DNNs. In addition, the main results and conclusions of the conducted research are given, and the prospects for further research are considered.

This study develops a specialized method for the synthesis of intelligent platforms for cross-referral transition between cognitive basis systems (CBSs) in the field of HCI object perception subjectivization, within the context of global scientific and applied efforts to increase the intelligence level of interaction between humans and software and/or hardware products (SHPs). The proposed method comprises a conceptual model, a mathematical model, and a specialized algorithm. Practical implementation was conducted using R (within an appropriate IDE) and Python. The method was approbated by solving a relevant applied problem: synthesizing a cross-referral transition platform between a specialized CBS for HCI object perception subjectivization and an existing personality classification system based on 16 Jungian sociotypes. The results indicated a 29.5% baseline correspondence rate for pairs of dominant perception impact factors regarding their exclusive alignment with specific Jungian sociotypes. Furthermore, the accuracy rate of the built-in multilayer perceptron (MLP) artificial neural network (ANN) for dominant factor pairs reached approximately 83.3% ± 2.95%, while introducing a third dominant factor raised the accuracy threshold to a potential 96.7% within the evaluated scenario. In addition, the paper outlines prospects for further research into the potential of the proposed method for identifying and documenting cross-referral relationships between fundamental constituents of various conventional and alternative CBSs.

Робота присвячена вирішенню науково-прикладної задачі автоматизації відбору кандидатів команд людино-машинної взаємодії з врахуванням їх поліфакторних портретів, що входить до кластеру задач науково-прикладної проблематики автоматизації й інтелектуалізації людино-машинної взаємодії. Розроблено відповідну спеціалізовану інтелектуальну компоненту автоматизованого відбору кандидатів на основі їх поліфакторних портретів суб'єктивізації сприйняття об'єктів людино-машинної взаємодії, що дає змогу розв’язати задекларовану науково-прикладну задачу. Розроблену базову математичну модель задекларованої компоненти, що забезпечує можливість моделювання досліджуваних процесів інтелектуального відбору кандидатів команд людино-машинної взаємодії в автоматизованому режимі. Розроблено відповідний спеціалізований алгоритм автоматизації відбору кандидатів команд людино-машинної взаємодії, що забезпечує можливість подальшої програмної реалізації запропонованої компоненти, та здійснення комп’ютерного моделювання досліджуваних процесів інтелектуального відбору кандидатів команд людино-машинної взаємодії в автоматизованому режимі. Здійснено практичну апробацію розробленої компоненти на прикладі розв’язання експериментальної прикладної практичної задачі відбору нових кандидатів для формування резервної групи вже існуючої команди супроводу програмного продукту (в якості прикладу одного з найрозповсюдженіших варіантів досліджуваної людино-машинної взаємодії). Виконано аналіз потенційних напрямків подальших досліджень щодо можливого розвитку, вдосконалення, а також прикладного практичного застосування розробленої компоненти автоматизованого відбору кандидатів на основі їх поліфакторних портретів суб'єктивізації сприйняття об'єктів людино-машинної взаємодії, як в контексті науково-прикладних та прикладних практичних задач проблематики автоматизації й інтелектуалізації людино-машинної взаємодії, так і вцілому