Лебьодкіна, А. Ю.2016-08-302016-08-302012Лебьодкіна А. Ю. Методи та моделі прискореної нейромережевої обробки даних у розподіленому обчислювальному середовищі : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / А. Ю. Лебьодкіна ; МОНМС України, Харк. нац. ун-т радіоелектроніки. - Х., 2012. - 20 с.http://openarchive.nure.ua/handle/document/1891В дисертації запропонована модель прискореної нейрообробки даних у розподіленому середовищі , яка дозволяє адаптувати нейрообчислення багатошарових нейронних мереж з різними топологіями на високопродуктивну архітектуру. Метод масштабування обчислювальної системи шляхом визначення прискорення розподіленої нейропроцедури з урахуванням загальної кількості скалярних операцій і втрат часу на виконання розподілених операцій дозволяє оцінити продуктивність подальшого підвищення потужності гетерогенного або гомогенного обчислювального середовища. Запропонована модель оцінювання прискорення навчання та функціонування багатошарових нейронних мереж з різними топологіями сукупно враховує часові параметри виконання нейропроцедури та апаратні характеристики мережі, що дозволяє підвищити продуктивність паралельних нейрообчислень під час вирішення завдань з великим обсягом вхідних даних.ukбагатошарові нейронні мережіметод зворотнього поширення помилкипаралельні та розподілені обчисленняприскоренняпродуктивністьтопологія мережі передачі даннихмаштабуванняmultilayer neural networksbackpropagation methodparallel and distributed computingspeedupperformancescalabilityvirtual topologiesOther