EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

ГІБРИДНІ АРХІТЕКТУРИ МОБІЛЬНИХ ЗАСТОСУНКІВ НА БАЗІ FLUTTER: ПОРІВНЯЛЬНИЙ АНАЛІЗ ЛОКАЛЬНИХ ТА ХМАРНИХ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ

Максим-Ігнат РЕДЯ, Євген ЧЕРНИХІВСЬКИЙ

Information Technology: Computer Science, Software Engineering and Cyber Security · 29.05.2026 · (2) · 234-244

DOI: 10.32782/it/2026-2-26 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Information Technology: Computer Science, Software Engineering and Cyber Security, online erschienen am 29.05.2026. Verfasst von Максим-Ігнат РЕДЯ und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Мета роботи. Метою роботи є експериментальне та аналітичне дослідження часових затримок трьох архітектур інтеграції моделей машинного навчання у мобільні застосунки на платформі Flutter: локального виконання моделі на пристрої, віддаленого виконання через хмарний API та гібридного режиму з перенаправленням запиту до хмари в разі недостатньої впевненості локальної моделі. У роботі здійснюється кількісне порівняння цих режимів за середнім значенням затримки, коефіцієнтом варіації, хвостовими перцентилями та часткою повільних запитів, а також будується й перевіряється імовірнісна модель гібридного режиму, у якій затримка розглядається як суміш локального та хмарного сценаріїв з імовірністю перенаправлення p.Методологія. Розроблено тестовий Flutter-застосунок, що реалізує класифікацію зображень у трьох режимах: локальному (модель MobileNetV1, квантизована INT8, 4,3 МБ), хмарному (модель google/vit-base-patch16-224 через HuggingFace REST API) та гібридному (confidence threshold = 0,5). Тестовий набір складається з 200 зображень датасету ImageNet-1k-valid. Вимірювання проводилися на двох пристроях - iPhone 14 (iOS, Apple A15 Bionic) та Xiaomi Redmi Note 13 (Android 13, Snapdragon 685, 6 ГБ RAM) - в умовах підключення Wi-Fi 5 ГГц (до 500 Мбіт/с). Для кожного пристрою і режиму зібрано по 200 спостережень метрик: total_ms (загальний час виконання, мс), top1_confidence (впевненість моделі, 0-1), rss_mb (споживання RAM, МБ), network_up/down_bytes (мережевий трафік). Для підтвердження репрезентативності вибірки застосовано аналіз збіжності коефіцієнта варіації (CV).Наукова новизна. У роботі запропоновано та експериментально перевірено імовірнісну модель часової затримки гібридного режиму в мобільних застосунках на платформі Flutter, у якій гібридний режим подано не як детерміноване усереднення, а як суміш двох емпіричних розподілів: локального та хмарного. На основі реальних журналів роботи застосунку оцінено імовірність перенаправлення запиту до хмари для різних пристроїв та досліджено її вплив на середнє значення затримки, перцентилі p95 і p99, а також на частку повільних запитів. Показано, що для iPhone розподіл затримок у гібридному режимі має виражену двогорбу структуру, зумовлену випадковим перемиканням між локальним і хмарним виконанням. Також встановлено, що модель очікуваного значення достатньо добре описує середню затримку, проте в окремих випадках недооцінює високі перцентилі розподілу.Висновки. Установлено, що локальний режим забезпечує найменшу затримку: медіанна затримка становить 47,5 мс для iPhone та 233 мс для Xiaomi, а частка запитів понад 300 мс є практично нульовою. Хмарний режим через API має найвищі затримки (97,5 % таких запитів для iPhone та 100 % для Xiaomi), проте забезпечує найвищий середній рівень впевненості моделі. Гібридний режим при p ≈ 0,26 зменшує частку повільних запитів до 26-27,5 %, поєднуючи швидкодію локального виконання з можливістю звернення до хмари в разі недостатньої впевненості локальної моделі. Показано, що його середня затримка загалом узгоджується з імовірнісною моделлю, однак для повного опису поведінки системи слід враховувати також високі перцентилі. Отже, локальний режим доцільний для задач із пріоритетом мінімальної затримки, хмарний - для задач із пріоритетом вищої впевненості моделі, а гібридний є найбільш збалансованим варіантом для практичного застосування.

Zitieren

APA

РЕДЯ, М., & ЧЕРНИХІВСЬКИЙ, Є. (2026). ГІБРИДНІ АРХІТЕКТУРИ МОБІЛЬНИХ ЗАСТОСУНКІВ НА БАЗІ FLUTTER: ПОРІВНЯЛЬНИЙ АНАЛІЗ ЛОКАЛЬНИХ ТА ХМАРНИХ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ. Information Technology: Computer Science, Software Engineering and Cyber Security, 234-244. https://doi.org/10.32782/it/2026-2-26

Vancouver

РЕДЯ М, ЧЕРНИХІВСЬКИЙ Є. ГІБРИДНІ АРХІТЕКТУРИ МОБІЛЬНИХ ЗАСТОСУНКІВ НА БАЗІ FLUTTER: ПОРІВНЯЛЬНИЙ АНАЛІЗ ЛОКАЛЬНИХ ТА ХМАРНИХ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ. Information Technology: Computer Science, Software Engineering and Cyber Security. 2026:234-244. doi:10.32782/it/2026-2-26

BibTeX
@article{2026,
  author = {РЕДЯ, Максим-Ігнат and ЧЕРНИХІВСЬКИЙ, Євген},
  title = {ГІБРИДНІ АРХІТЕКТУРИ МОБІЛЬНИХ ЗАСТОСУНКІВ НА БАЗІ FLUTTER: ПОРІВНЯЛЬНИЙ АНАЛІЗ ЛОКАЛЬНИХ ТА ХМАРНИХ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ},
  journal = {Information Technology: Computer Science, Software Engineering and Cyber Security},
  year = {2026},
  number = {2},
  pages = {234--244},
  doi = {10.32782/it/2026-2-26}
}
Kostenlos starten →