Методы и алгоритмы организации обработки информации на базе нейропроцессорных вычислительных комплексов Романчук Виталий Александрович

Введение к работе

Актуальность и степень разработанности темы. В настоящее время развивается направление нейрокомпьютинга, связанное с развитием специализированной вычислительной техники – аналоговых или цифровых компьютеров на базе нейрочипа, который реализует нейросетевые алгоритмы и работает по принципам работы головного мозга человека. Архитектуры нейросетевых вычислителей оказываются перспективнее фон-Неймановских архитектур, так как экстенсивное наращивание нейропроцессорных модулей в параллельном вычислителе резко улучшает его производительность и снижает энергопотребление в процессе решения задач.

Множество компаний активно начинают производство нейрочипов: НТЦ «Модуль», Qualcomm, IBM, Toshiba, Human Brain Project, KnuEdge Inc., Analog Devices, Texas Instruments, Darwin, NVidia, Google, Fujitsu, Eyeriss, Intel и др. В 2014 г. компания IBM Research представила чип TrueNorth из миллиона цифровых нейронов и 256 млн синапсов, которые входят в состав 4096 синаптических ядер. На демонстрации возможностей чип распознавал на видео с перекрестка автомобили, велосипедистов и пешеходов со скоростью в 100 раз быстрее и потребляя в 1000 меньше энергии, чем существующие вычислительные устройства, построенные на базе архитектуры фон Неймана. В России лидером производства нейропроцессорных устройств является научно-технический центр «Модуль» (г. Москва), выпускающий семейство процессоров NM640x, которые используются для решения задач в военной и космической сферах. Также ведутся разработки по созданию энергоэффективного и быстродействующего нейрокомпьютера при поддержке Российской венчурной компании.

Среди наиболее известных работ в области исследования нейропроцессор-ных устройств можно выделить работы ученых: А. И. Галушкина, Я. 3. Цыпки-на, А. И. Горбаня, И. Я. Акушского, Л. Г. Комарцовой, А. В. Максимова, А. И. Иванова, В. И. Горбаченко, А. В. Савельева, Л. Н. Королева, М. Г. Дор-рера, Е. М. Миркеса, В. Л. Дунина-Барковского, S. Pande, F. Morgan, S. Cawley, T. Bruintjes, G. Smit, D. McGinley, S. Carrillo, J. Harkin, L. McDaid, N. Izeboudjen, C. Larbes, A. Farah, T. K. Kohonen, J. J. Hopfield, R. Hecht-Nielsen, P. Kolinummo, P. Pulkkinen, T. Hmlinen, J. Saarinen, C. Eliasmithet, E. Stromatias, F. Galluppi, C. Patterson, S. Furber, S. K. Esseret, R. Preisslet, M. M. Shulakeret, D. S. Modha, R. Singh.

Создаваемые нейрочипы имеют ограниченную производительность, поэтому чаще всего используются кластерные, многопроцессорные системы на базе нейрочипов, например, в рамках проекта Human Brain Project. Эффективность нейрокомпьютерных вычислений резко возрастает при использовании многопроцессорных систем за счет архитектурных особенностей и однородности нейробазисных операций, в том числе при использовании нового класса вычислительных систем – реконфигурируемых вычислительных си-

стем на базе однотипных вычислительных элементов – нейропроцессоров. Кроме этого, в настоящее время все большее значение приобретают распределенные вычислительные системы, управляемые узлом-диспетчером.

Тем не менее одной из проблем, мешающих созданию эффективной параллельной и распределенной обработки информации на базе нейропроцес-сорных многопроцессорных структур является то, что организация обработки информации в специализированных нейропроцессорных комплексах – это очень трудоемкий и сложный процесс, так как в отличие от классических процессоров, для нейропроцессоров и комплексов на их базе практически не разработаны необходимые подходы, математическое обеспечение, алгоритмическое обеспечение и программные средства.

В работах научных коллективов под руководством А. И. Галушкина [23],

A. И. Горбаня [86], Л. Г. Комарцовой и А. В. Максимова [59] определены
возможности организации многопроцессорных комплексов на базе нейропро-
цессоров, приведены подходы и даны алгоритмы оценки некоторых характери
стик нейрокомпьютеров в части производительности, но не была разработана
специализированная теория создания нейропроцессорных вычислительных
комплексов и организации обработки информации в них. В работах научных
коллективов зарубежных авторов, например, S. K. Esseret, D. S. Modha,
R. Singh предлагаемые решения не являются универсальными и направлены на
конкретные архитектуры нейропроцессоров и их технические характеристики.

В области организации параллельной обработки информации в многопроцессорных параллельных комплексах следует отметить труды ученых:

B. В. Воеводина, Вл. В. Воеводина, В. П. Гергеля, А. В. Каляева, И. А. Каляева,
О. М. Брехова, П. М. Полежаева, В. Г. Хорошевского, В. К. Злобина, Б. В. Ко
строва, В. Н. Ручкина, G. S. Almasi, A. Gottlieb, K. Asanovic, D. A. Patterson,
J. L. Hennessy, A. S. Tanenbaum, Maarten van Steen, K. Olukotun, M. Nemi-
rovsky, D. M. Tullsen.

В работах научных коллективов под руководством перечисленных ученых описаны необходимые научные принципы и основы для организации параллельной и распределенной обработки информации, улучшения технико-экономических характеристик вычислительных комплексов, но нейропроцес-соры не выделены в особый класс процессоров, что не позволяет эффективно использовать предложенный математический аппарат.

Проблема, связанная с отсутствием в литературе описаний необходимых подходов, математического, алгоритмического обеспечения и программных средств для нейропроцессорных комплексов подтверждается тем, что направление нейрокомпьютинга получило стремительное развитие с 2013 г. (на рынке появились более 15 новых моделей нейропроцессоров, что позволило сформулировать общие свойства и принципы функционирования современных нейропроцессорных устройств) и за прошедшее время были реализованы лишь узконаправленные решения для конкретных архитектур.

Также необходимо отметить, что в настоящее время активно развивается направление, связанное с организацией центров обработки данных (ЦОД), работающих для решения больших объемов нейросетевых задач, например, реализации распознавания образов лиц, криптографических и биометрических вычислений в режиме реального времени.

Таким образом, актуальна задача организации параллельной и распределенной обработки информации в вычислительных комплексах для специализированной аппаратной базы - нейропроцессоров. Работа соответствует п. 3 приоритетных направлений развития науки, технологий и техники в Российской Федерации «Информационно-телекоммуникационные системы» и п. 18 перечня критических технологий Российской Федерации, утвержденных Президентом Российской Федерации «Технологии и программное обеспечение распределенных и высокопроизводительных вычислительных систем».

Объектом исследования являются вычислительные многопроцессорные комплексы на базе специализированной вычислительной техники - нейропроцессоров, предназначенных для эмуляции искусственных нейронных сетей (ИНС).

Предмет исследования: методы, структурные модели, алгоритмы и программные средства исследования и организации параллельной и распределенной обработки информации в вычислительных комплексах на базе нейропроцессоров.

Цель диссертационной работы состоит в разработке научных основ организации параллельной и распределенной обработки информации в нейро-процессорных вычислительных комплексах, что позволит улучшить их технико-экономические характеристики.

Основные задачи исследования:

сформулировать задачу организации параллельной и распределенной обработки информации в нейропроцессорных комплексах с целью улучшения их технико-экономических характеристик;

проанализировать методы повышения производительности вычислительных комплексов с точки зрения использования нестандартной аппаратной базы - нейрокомпьютерных устройств;

создать обобщенные модели описания нейрокомпьютерного вычислительного модуля (НПВМ) и искусственной нейронной сети;

создать методологические основы и описать методику решения задачи организации параллельной и распределенной обработки информации в нейропроцессорных вычислительных комплексах (НПВК);

осуществить разработку классификации НПВК по степени территориальной разобщенности узлов и моделей описания различных видов структур;

разработать аналитические соотношения, позволяющие оценить значения критериев эффективности параллельной и распределенной обработки информации в НПВК для возможных ее топологий;

разработать аналитические соотношения расчета значений критериев эффективности параллельной и распределенной обработки информации

в НПВК при реализации наиболее используемых топологий ИНС для наиболее распространенных архитектур НПВМ;

-создать математическое обеспечение многокритериальной оптимизации вычислительных комплексов на базе нейропроцессоров;

- создать алгоритмические и программные средства, позволяющие осуществить полный цикл организации параллельной и распределенной обработки информации в НПВК.

Методы исследования. Для решения поставленных задач использовались следующие теории: множеств, графов и конечных автоматов, планирования параллельных вычислительных процессов, математического и системного анализа, а также методы экспертных оценок, линейного программирования и оптимизации.

Научная новизна работы состоит в следующем:

1. Разработан метод организации параллельной и распределенной обработки информации в нейропроцессорных комплексах, отличающийся тем, что предложен новый подход к методам распараллеливания операций, представленных в нейросетевом логическом базисе на основе описания общих свойств и принципов функционирования НПВК: предложены методологические основы фрагментирования кода нейропрограммы и организации параллельной обработки информации в НПВК на основе отношений строгого порядка между нейробазисными операциями и решения задачи раскроя для упаковки данных; методологические основы разбиения фрагментов нейропрограммы на множество подпрограмм; методологические основы выбора наиболее рациональной структуры нейропроцессорной системы на основе матрицы отношений строгого порядка между фрагментами кода. Метод позволяет сделать обработку информации в НПВК более эффективной: улучшить быстродействие, снизить время простоя оборудования, снизить энергопотребление и т.п. (пп. 1, 4 паспорта специальности).

2. Предложены структурные и архитектурные принципы создания НПВК в виде метода многокритериальной оптимизации, отличающиеся тем, что предлагаемый математический аппарат выбора наиболее рациональной структуры НПВК, числа НПВМ и их модели базируется на применении теоретико-множественного подхода к исходной задаче в виде нейросети, понятиям «нейропрограмма», «нейрооперация», что делает его применимым только к нейропроцессорным комплексам и позволяет улучшить их технико-экономические характеристики для некоторого исходного класса нейросете-вых задач (п. 2 паспорта специальности).

3. Разработаны структурные модели НПВК, включающие аналитические соотношения и математический аппарат оценки специализированных количественных и качественных характеристик обработки команд, представленных в нейросетевом логическом базисе для НПВК конвейерной, векторной, век-торно-конвейерной, конвейерно-векторной и произвольной структур. Предлагаемые модели отличаются подходом к их описанию, согласно которому

рассматриваются временные (такие как время эмуляции ИНС), количественные (такие как число аппаратных нейронов в состоянии простоя) характеристики и их соотношения, отражающие разность между пиковой и реальной производительностью системы (пп. 2, 4 паспорта специальности).

4. Разработаны структурные модели НПВК и аналитические соотношения, позволяющие оценить значения характеристик обработки информации для различных наиболее распространенных моделей НПВМ и НПВК при реализации искусственных нейронных сетей наиболее используемых топологий. Предлагаемые модели и соотношения отличаются тем, что для оценки предлагаются принципиально новые характеристики, присущие только нейропро-цессорным устройствам при реализации вычислений с высокой степенью операций, представленных в нейросетевом логическом базисе, т.е. базисом рассматриваемых характеристик являются кортеж аппаратно-реализуемых нейронов и специализированные технические параметры НПВМ (пп. 2, 4 паспорта специальности).

5. На основе разработанного математического аппарата предложено алгоритмическое обеспечение организации обработки информации и многокритериальной оптимизации в НПВК, отличающееся новыми подходами, отражающими разработанный математический аппарат и концептуально новой базой знаний экспертной системы выбора наиболее рациональных для заданного класса задачи числа НПВМ, их моделей и структуры НПВК (пп. 2, 4 паспорта специальности).

Теоретическая значимость работы заключается в разработке методов и моделей организации параллельной и распределенной обработки информации в многопроцессорных комплексах на базе концептуально новой, специализированной вычислительной техники – нейропроцессоров.

Достоверность научных положений, теоретических выводов и практических результатов диссертационной работы подтверждается:

– соответствием математических расчетов и результатов работы программных средств для семейства отечественных нейропроцессоров NM640x, полученных при проведении экспериментов эмуляции искусственной нейронной сети и задачи управления гексаподом в режиме, приближенном к реальному времени с высокой степенью вычислений, представленных в нейросетевом логическом базисе;

– корректным использованием математического аппарата теории графов и конечных автоматов, теории планирования параллельных вычислительных процессов, теории математического и системного анализа и методов линейного программирования и оптимизации;

– разработкой действующих программных средств, подтвержденных свидетельствами об официальной регистрации;

– практическим внедрением полученных результатов.

Практическая значимость работы состоит в следующем:

– разработанные методы, математические подходы и алгоритмы организации параллельной и распределенной обработки информации в НПВК позволяют улучшить их технические характеристики, такие как производительность, энергопотребление, используемый объем памяти и т.п. Результаты экспериментов показали, что без учета возможности упаковки данных разработанный метод рациональной организации обработки информации в НПВК позволяет уменьшить время работы программы в среднем на 8,7 %, а также снизить простои аппаратуры в среднем на 6,5 %, повысить скорость обучения ИНС в среднем на 6,7 %;

– разработанный метод многокритериальной оптимизации НПВК позволяет улучшить технико-экономические характеристики за счет выбора наиболее рационального структурного и архитектурного решения при создании НПВК: вида структуры, модели и числа НПВМ;

– разработана программная платформа «NP Studio», обладающая функциональными возможностями, позволяющими осуществить полный цикл (от постановки задачи в виде нейронной сети до выбора наиболее рациональной структуры, выбора модели и числа НПВМ) организации параллельной и распределенной обработки информации в вычислительных комплексах на базе семейства отечественных нейропроцессоров NM640x, разрабатываемых НТЦ «Модуль» (получено три свидетельства о регистрации программы для ЭВМ).

Основные научные результаты, полученные автором и выносимые на защиту:

1. Метод организации параллельной и распределенной обработки информации в нейропроцессорных вычислительных комплексах, позволяющий повысить производительность НПВК в среднем на 8,7 % (без учета возможности упаковки данных).

2. Метод многокритериальной оптимизации, отражающий предлагаемые структурные и архитектурные принципы создания НПВК, позволяющий улучшить технико-экономические характеристики нейропроцессорных комплексов для некоторого исходного класса нейросетевых задач за счет разработанного математического аппарата выбора наиболее рационального числа НПВМ, их модели из набора возможных нейропроцессоров и наиболее рациональной структуры НПВК в соответствии с множествами ограничений, технических характеристик, требований и набором предлагаемых критериев.

3. Структурные модели НПВК и аналитические соотношения характеристик обработки информации для различных типов логической организации, позволяющие оценить значения характеристик обработки информации на базе параллельных, распределенных и облачных нейропроцессорных вычислительных комплексов конвейерной, векторной, конвейерно-векторной, векторно-конвейерной и произвольной структур.

4. Структурные модели НПВК и аналитические соотношения характеристик обработки информации для различных топологий искусственных нейронных сетей и архитектур нейропроцессоров, позволяющие оценить

эффективность обработки информации в НПВК при реализации наиболее используемых ИНС на базе наиболее распространенных нейропроцессоров.

5. Алгоритмы и методика организации параллельной и распределенной обработки информации в нейропроцессорных комплексах и многокритериальной оценки значений критериев их эффективности, являющиеся отражением предложенного математического аппарата улучшения технико-экономических характеристик и теоретических основ создания НПВК и позволяющие разработать программное обеспечение, повышающее производительность НПВК за счет более эффективной организации процессов обработки информации, представленной в нейросетевом логическом базисе.

6. Программные средства в виде платформы «NP Studio» для организации и многокритериальной оценки параллельной и распределенной обработки информации в нейропроцессорных комплексах, позволяющие улучшить их технико-экономические характеристики.

Апробация результатов диссертации. Основные положения диссертационной работы докладывались и обсуждались на следующих всероссийских и международных конференциях: 2nd, 4nd, 5th, 6th Mediterranean Conference on Embedded Computing (MECO) (Черногория, 2013, 2015, 2016, 2017); International Conference on Information Processing and Control Engeneering (ICIPCE) (Москва, 2015); MATEC Web of Conferences (Москва, 2016); VIIIth International Scientific and Technical Conference (CSIT) (Львов, Украина, 2013); International Conference on Mechanical, System and Control Engineering (Москва, 2017); IX Всероссийская научная конференция молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление» (Таганрог, 2011); Всероссийская научная конференция «Развитие инженерного образования в России» (Санкт-Петербург, 2012); XIII Международная научно-методическая конференция «Информатика: проблемы, методология, технологии» (Воронеж, 2013); 15-я Международная конференция «Цифровая обработка сигналов и ее применение» (DSPA-2003) (Москва, 2013); XVII Международный форум по проблемам науки, техники и образования «III тысячелетие - новый мир» (Москва, 2013); III Международная научно-практическая конференция «Информационные технологии. Проблемы и решения» (Уфа, 2015); XII международная заочная научно-практическая конференция молодых ученых «Теория и практика применения информационных технологий в промышленности и на транспорте» (Москва, 2015); Научно-практическая конференция «Повышение качества образования, современные инновации в науке и производстве» (Экибастуз, Прокопьевск, 2015); XXI Международная научная конференция студентов, аспирантов и молодых ученых «Современные техника и технологии» (Томск, 2015); XI Международная научно-техническая конференция «Интерактивные системы: проблемы человеко-компьютерного взаимодействия» (Ульяновск, 2015); XVI международная конференция «Информатика: проблема, методология, технологии» (Воронеж, 2015); XIV Международная научно-практическая

конференция студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии» (Томск, 2015); XII Всероссийская научная конференция «Нейрокомпьютеры и их применение» (Москва, 2014); Всероссийская научно-техническая конференция «Интеллектуальные и информационные системы» (Тула, 2015, 2016); Всероссийская конференция молодых ученых «Молодежь и новые информационные технологии» (Череповец, 2016); I Международная научно-практическая конференция «Мехатро-ника, автоматика и робототехника» (Новокузнецк, 2017); Научно-практическая всероссийская конференция (школа-семинар) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук» (Тольятти, 2017); III Всероссийская научно-техническая конференция молодых ученых, аспирантов и студентов «Интеллектуальные системы, управление и мехатроника» (Севастополь, 2017); VII Международная научно-техническая конференция «Энергетика, информатика, инновации» (Смоленск, 2017); XIV международная научно-техническая конференция «Новые информационные технологии и системы» (Пенза, 2017); X Международная научно-практическая конференция «Научный форум: Технические и физико-математические науки» (Москва, 2017); XII Международная научно-техническая конференция «Завалишинские чтения» (Санкт-Петербург, 2017).

Личный вклад автора. Все результаты диссертационной работы, в том числе постановка задач, исследование и разработка методов, основные научные результаты и выводы принадлежат лично автору. Участие соавторов публикаций заключалось в методических консультациях и выполнении совместных проектов в рамках грантов.

Публикации. Основные результаты работы опубликованы в 97 печатных работах (44 без соавторов), в том числе: 10 статей, индексируемых базами данных Web of Science и Scopus; 20 публикаций в изданиях из Перечня ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней кандидата и доктора наук; 33 тезиса докладов международных и всероссийских конференций; 3 свидетельства о регистрации программы для ЭВМ.

Реализация и внедрение результатов работы. Диссертационная работа включает исследования, проведенные в рамках гранта Федерального агентства по делам молодежи (руководитель проекта, 2012 г.) по теме «Облачная (SaaS+PaaS+IaaS) инфраструктура на базе нейропроцессоров»; госконтракта №11321р/20496 на выполнение НИОКР (руководитель проекта, 2013 г.) по теме «Разработка программного обеспечения организации и проектирования облачных приложений на базе нейропроцессоров» по заказу Фонда содействия развитию малых форм предприятий в научно-технической сфере; гранта Федерального агентства по делам молодежи (руководитель проекта) по теме «Многофункциональное программное обеспечение для нейропроцессорных устройств и систем» (2013); гранта Российского фонда фундаментальных ис-

следований № 12-07-97516-р_центр_а (руководитель проекта, 2012-2013 гг.) по теме «Моделирование вычислительных систем на базе нейропроцессо-ров»; гранта Российского фонда фундаментальных исследований №14-07-00261а (руководитель проекта, 2014-2016 гг.) по теме «Кластеризация и организация облачных и распределенных вычислительных систем на базе нейропроцессоров»; НИР по теме «Разработка математического, алгоритмического и программного обеспечения оптимизации систем нейрокомпьютер-ной обработки информации» в рамках тематики, достижения планируемых показателей и календарного плана именной стипендии Президента Российской Федерации молодым ученым и аспирантам (руководитель проекта, СП-1162.2015.5, 2015-2017 гг.); хоздоговорной работы с Федеральным государственным бюджетным учреждением науки «Институт проблем машиноведения Российской академии наук» (ИПМаш РАН) (руководитель проекта, 2014-2015 гг.) по теме «Разработка программного обеспечения нейропроцес-сорной системы автоматического управления гексаподом»; задания на выполнение государственных работ в сфере научной деятельности в рамках инициативного научного проекта государственного задания Минобрнауки РФ № 2.9519.2017/БЧ (исполнитель проекта, 2017 г.) по теме «Технологии параллельной обработки данных в нейрокомпьютерных устройствах и системах».

Научные и практические результаты диссертационного исследования внедрены в следующих учреждениях и организациях:

1. ЗАО НТЦ «Модуль» (ведущий мировой производитель вычислительных устройств обработки информации с нейросетевой топологией) - используется разработанная программная платформа «NP Studio».

2. 8-е Управление Генерального штаба Вооруженных сил Российской Федерации - предложенные решения используются для улучшения характеристик аппаратуры передачи специальных данных.

3. АО «НПО "Рязаньприбор"» (производитель аппаратуры обработки и передачи данных) - используются методология, алгоритмы и программные средства обработки информации в устройствах и системах с нейросетевой топологией.

4. ООО «Квантрон» (производитель оборудования для лазерных систем) -используются модели взаимодействия процессов обработки информации и описывающие их аналитические выражения для нейропроцессорных комплексов, алгоритмическое обеспечение для реализации интеллектуальных систем видеонаблюдения с автоматическим обнаружением нарушения перече-ния периметра и лазерных ЗБ-систем контроля геометрических параметров.

5. Emerald Real Group s.r.o. (альянс провайдеров интернет-услуг (ISP), телекоммуникационных организаций и крупных корпораций, расположенных в Европе, на Ближнем Востоке и в некоторых частях Центральной Азии) -используются теоретические и практические результаты исследования для повышения эффективности работы вычислительных и телекоммуникационных систем.

6. ООО «ОнТелеком» (владелец независимого собственного центра об
работки данных) – используются методы повышения производительности
вычислительных систем и разработанные программные средства.

7. Обсерватория Рязанского государственного университета имени
С. А. Есенина – используются программные средства для решения задач
спектрофотометрии искусственных космических объектов на базе нейропро-
цессорных компонентов.

8. ФГБОУ ВО «Приамурский государственный университет имени Шолом-
Алейхема» и ФГБОУ ВО «Рязанский государственный университет имени
С. А. Есенина» – результаты исследования используются в учебном процессе.

Кроме этого, разработки в части практических исследований были представлены на различных конкурсах, где были получены следующие документы: диплом III степени победителя Всероссийского конкурса инновационных проектов и идей научной молодежи, проводимого молодежным интеллектуальным клубом (Москва, МГУ имени М. В. Ломоносова, 2011); диплом за II место в категории «IT-идея» во Всероссийском конкурсе проектов и разработок в области ИТ-технологий «IT Прорыв» (Москва, 2011); диплом за II место в конкурсе «Фестиваль инновационных технологий» (ФИНТ) (Москва, МГУ имени М. В. Ломоносова, 2012); диплом лауреата III премии Всероссийского конкурса молодежных проектов в сфере «Инновации» (Москва, Федеральное агентство по делам молодежи, 2012); диплом лауреата III премии Всероссийского конкурса молодежных проектов в сфере «Инновации» (Москва, Федеральное агентство по делам молодежи, 2013); диплом лауреата премии Губернатора Рязанской области в области науки и инноваций (Рязань, 2013); диплом за I место конкурса «Молодой ученый года» (Рязань, 2013); диплом за I место в открытом молодежном конкурсе «Intellect2All», организованном БФ «Система» в рамках программы «Лифт в будущее» (Москва, 2015); диплом победителя конкурса проектов программы «IT Start» (Ярославль, 2015); диплом победителя Международного молодежного конкурса инновационных проектов и стартапов «Потенциал будущего» (Москва, МГУ имени М. В. Ломоносова, 2015); диплом за III место Всероссийского Стартап-тура в Московской области (Москва, Правительство Московской области, 2015); диплом за III место Международного молодежного конкурса инновационных проектов и стартапов «Потенциал будущего» (Москва, МГУ имени М. В. Ломоносова, 2017).

Соответствие паспорту специальности: диссертационная работа представляется по специальности: 05.13.15 «Вычислительные машины, комплексы и компьютерные сети». Согласно паспорту специальности 05.13.15 работа соответствует: п. 4 в связи с тем, что разработаны методы (гл. 2) и алгоритмы (гл. 4) решения задачи организации параллельной и распределенной обработки информации в вычислительных комплексах на базе нейропроцессоров; п. 1 и п. 2, так как предложены научные основы структурных принципов создания нейропроцессорных вычислительных комплексов (гл. 2) и проведен теорети-

ческий анализ, экспериментальное исследование их функционирования с целью улучшения технико-экономических характеристик (гл. 3, 4, 5): предложен метод многокритериальной оптимизации для решения задачи выбора наиболее рациональных числа нейропроцессорных элементов, их структурных моделей и типа структуры вычислительного комплекса (гл. 2, 5).

Структура и объем диссертационной работы. Диссертационная работа общим объемом 356 страниц (основной текст 302 страницы) состоит из введения, пяти глав, содержащих 129 рисунков и 3 таблицы, заключения, списка литературы из 240 наименований и трех приложений.