ОСОБЛИВОСТІ АРХІТЕКТУРНОЇ АДАПТАЦІЇ ТА ФУНКЦІОНУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ У ГЕТЕРОГЕННИХ ОБЧИСЛЮВАЛЬНИХ СЕРЕДОВИЩАХ
Information Technology: Computer Science, Software Engineering and Cyber Security · 10.11.2026 · (3) · 278-287
DOI: 10.32782/it/2026-3-28 ↗Kurz gefasst
Fachartikel in der Zeitschrift Information Technology: Computer Science, Software Engineering and Cyber Security, online erschienen am 10.11.2026. Verfasst von Євген НОВОЧИНСЬКИЙ. Die Arbeit nennt 12 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Дослідження присвячено аналізу процесів структурно-параметричної адаптації штучних нейронних мереж (ШНМ) під час їх розгортання в неоднорідних (гетерогенних) обчислювальних середовищах. Розглянуто проблеми, що виникають через дисбаланс між обчислювальною складністю сучасних архітектур глибокого навчання та обмеженнями апаратних ресурсів (CPU, GPU, TPU, FPGA). Проаналізовано підходи до оптимізації топології мереж, зокрема технології пошуку нейронних архітектур (NAS) та методи стиснення моделей. Визначено вплив гетерогенності обчислювальних вузлів на ефективність виконання нейромережевих алгоритмів у задачах розпізнавання образів та захисту інформації. Практична цінність отриманих результатів полягає у розробці інженерних рекомендацій щодо наскрізного проектування та розгортання моделей глибокого навчання в неоднорідній інфраструктурі. Експериментальні дослідження на базі гетерогенного полігону (CPU, GPU, Edge NPU) підтвердили високу ефективність запропонованого підходу: адаптована архітектура HW-NAS-v2 продемонструвала зниження затримки інференсу на периферійному вузлі до 9.8 мс, що на 31 % швидше за EfficientNetV2-S та в 4 рази швидше за класичний еталон ResNet-50 за збереження цільової точності розпізнавання. Cтаття містить математичну формалізацію, алгоритми компресії та декомпозиції графів, а також порівняльний аналіз пропускної здатності та споживання пам’яті, що дозволяє безпосередньо використовувати їх при створенні високонавантажених інтелектуальних систем. Методологічну основу дослідження становить синергетичний підхід, що об’єднує теорію графів, методи багатокритеріальної оптимізації та апарат предиктивного оцінювання затримки обчислювальних операцій. Уперше запропоновано заснований на багатокритеріальній оптимізації алгоритм апаратно-залежного пошуку нейромережевих архітектур HW-NAS-v2, який, на відміну від існуючих методів (HW-NAS, ProxylessNAS), здійснює пошук топології із сумісним форматуванням блоків Fused-MBConv та динамічним квантуванням QAT під обмеження Memory-Bound режимів периферійних NPU. Удосконалено математичну модель аналітичного оцінювання часу виконання прямого проходу (інференсу) ШНМ у гетерогенному середовищі шляхом явного врахування латентності ініціалізації шини (T_{lat}) та динамічної пропускної здатності комунікаційних інтерфейсів (B_i) при перенесенні тензорів між CPU та Edge NPU. Отримала подальший розвиток методологія декомпозиції та конвеєризації обчислювальних графів для систем обробки потокових даних, що дозволяє мінімізувати простої обчислювальних ядер при комбінованому використанні квантованих моделей.
Zitieren
APA
НОВОЧИНСЬКИЙ, Є. (2026). ОСОБЛИВОСТІ АРХІТЕКТУРНОЇ АДАПТАЦІЇ ТА ФУНКЦІОНУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ У ГЕТЕРОГЕННИХ ОБЧИСЛЮВАЛЬНИХ СЕРЕДОВИЩАХ. Information Technology: Computer Science, Software Engineering and Cyber Security, 278-287. https://doi.org/10.32782/it/2026-3-28
Vancouver
НОВОЧИНСЬКИЙ Є. ОСОБЛИВОСТІ АРХІТЕКТУРНОЇ АДАПТАЦІЇ ТА ФУНКЦІОНУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ У ГЕТЕРОГЕННИХ ОБЧИСЛЮВАЛЬНИХ СЕРЕДОВИЩАХ. Information Technology: Computer Science, Software Engineering and Cyber Security. 2026:278-287. doi:10.32782/it/2026-3-28
BibTeX
@article{2026,
author = {НОВОЧИНСЬКИЙ, Євген},
title = {ОСОБЛИВОСТІ АРХІТЕКТУРНОЇ АДАПТАЦІЇ ТА ФУНКЦІОНУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ У ГЕТЕРОГЕННИХ ОБЧИСЛЮВАЛЬНИХ СЕРЕДОВИЩАХ},
journal = {Information Technology: Computer Science, Software Engineering and Cyber Security},
year = {2026},
number = {3},
pages = {278--287},
doi = {10.32782/it/2026-3-28}
}
EUVIMED