Увагу приділено розробці методів і моделей прискореного навчання та функціонування багатошарової нейронної мережі (БНМ) прямого поширення, які здатні істотно скоротити час вирішення завдань великої розмірності в розподіленому середовищі. Метод рівномірного розподілу нейромережевої обробки даних здійснює диспетчерування обчислювальної системи під час реалізації нейронів кожного шару. Запропоновано модель прискореної нейрообробки даних у розподіленому середовищі, що дозволяє адаптувати нейрообчислення БНМ з різними топологіями на високопродуктивну архітектуру. Розроблено метод масштабування обчислювальної системи шляхом визначення прискорення розподіленої нейропроцедури з урахуванням загальної кількості скалярних операцій і втрат часу на виконання розподілених операцій, що дозволяє оцінити продуктивність подальшого підвищення потужності гетеро- або гомогенного обчислювального середовища. Запропоновано модель оцінювання прискорення навчання та функціонування БНМ з різними топологіями, яка сукупно враховує часові параметри виконання нейропроцедури й апаратні характеристики мережі, що дозволяє підвищити продуктивність паралельних нейрообчислень під час вирішення завдань з великим обсягом вхідних даних.

• Лебьодкіна Алла Юріївна (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"