С.С. Святкин1, А.К. Вишневский2, И.К. Новиков3, И.В. Свинчук4

1–4 ФГБОУ ВО «МИРЭА – Российский технологический университет» (РТУ МИРЭА) (Москва, Россия)
1 svyatkin.s.s@edu.mirea.ru, 2 vishnevskij@mirea.ru, 3 novikov_ik@mirea.ru, 4 svinchuk@mirea.ru

Постановка проблемы. Искусственные нейронные сети – одно из наиболее быстро развивающихся и востребованных направлений в сфере компьютерных технологий. Для успешного освоения такими технологиями предлагается рассмотреть ключевые принципы работы элементарной нейросети, в том числе алгоритм обратного распространения, а также способы программной реализации с использованием аппаратного ускорения и технологии NVIDIA CUDA.

Цель. Используя базовую нейронную сеть с обратным распространением, реализованную при помощи технологии NVIDIA CUDA, привести описание основных принципов работы нейросетей, а также исследовать особенности их реализации с применением аппаратного ускорения.

Результаты. Разработана нейронная сеть (многослойный перцептрон) без применения специализированных готовых библиотек для машинного обучения и математических расчетов с поддержкой аппаратного ускорения NVIDIA CUDA. Изучены и подробно разобраны ключевые особенности реализации алгоритмов при использовании вычислений с помощью графического ускорителя. Произведено тестирование полученной программы на тестовом наборе данных MNIST Digits. Отмечено, что при тестировании удалось добиться точности определения до 99%, а также сокращения времени обработки тестового набора до 20 раз в сравнении с реализацией без использования вычислений на графическом ускорителе.

Практическая значимость. Результаты работы будут полезны при ознакомлении с алгоритмами работы нейронных сетей и принципами работы с использованием технологии NVIDIA CUDA, а также при разработке систем искусственного интеллекта без применения готовых ИИ-библиотек.

Святкин С.С., Вишневский А.К., Новиков И.К., Свинчук И.В. Анализ особенностей и создание нейронной сети с использовани­ем технологии NVIDIA CUDA // Нейрокомпьютеры: разработка, применение. 2026. Т. 28. № 2. С. 100–110. DOI: https://doi.org/ 10.18127/j19998554-202602-09

1. Рашид Т. Создаем нейронную сеть: Пер. с англ. СПб.: ООО «Альфа-книга». 2017.
2. Вакуленко С.А., Жихарева А.А. Практический курс по нейронным сетям. СПб.: Университет ИТМО. 2018.
3. Гризик Ф. Простейшая нейросеть: еще раз и подробнее // Хабр. URL: https://habr.com/ru/articles/714988/ (дата обращения: 14.01.2025).
4. Иванько А.Ф., Иванько М.А., Сизова Ю.А. Нейронные сети: общие технологические характеристики // Научное обозрение. Технические науки. 2019. № 2. С. 17–23.
5. Тумаков Д.Н., Гиниятова Д.Х., Гуськов В.С. Программирование графических устройств. Технология CUDA: Учеб. пособие. Электрон. текстовые дан. (1 файл: 1,70 Мб). Казань: Изд-во Казанского ун-та. 2022.
6. Кузенков Р.С. Анализ эффективности распознавания рукописных символов наиболее популярными методами контролируемого машинного обучения // Наука, техника и образование. 2017. №6 (36). URL: https://cyberleninka.ru/article/n/analiz-effektivnosti-raspoznavaniya-rukopisnyh-simvolov-naibolee-populyarnymi-metodami-kontroliruemogo-mashinnogo-obucheniya (дата обращения: 10.09.2025).
7. Хижняк Н. Доля процессоров и видеокарт AMD резко подскочила в статистике Steam, а Windows 11 снова стала самой популярной ОС // 3D News: [сайт]. URL: https://3dnews.ru/1120671/dolya-protsessorov-i-videokart-amd-rezko-podskochila-v-statistike-steam-a-windows-11-snova-stala-samoy-populyarnoy-os (дата обращения: 25.08.2025).
8. Воля Е.С. Актуальные исследования педагогического образования по результатам мониторинга актуальных исследований в области педагогического образования: научно-исследовательских работ, размещенных в базе цитирования РИНЦ; диссертационных исследований в области педагогического образования. 2025, сентябрь. 2025. С. 3–5/
9. Исмагулов М.Е. подготовка данных датасета Crohme 2019 для обучения нейронной сети // Вестник ЮГУ. 2024. № 3. URL: https://cyberleninka.ru/article/n/podgotovka-dannyh-dataseta-crohme-2019-dlya-obucheniya-neyronnoy-seti (дата обращения: 12.09.2025).
10. Свидетельство о государственной регистрации программы для ЭВМ №2025664828. Нейронная сеть с аппаратным ускорением Nvidia CUDA: программа для ЭВМ / А.К. Вишневский, А.А. Мрясова, И.В. Свинчук, С.С. Святкин, А.А Соловьева. 2025.
11. Добрина М.В. Методы анализа данных с использованием искусственных нейронных сетей // Нейрокомпьютеры: разработка, применение. 2023. № 4. С. 45–53.
12. Артемьев Б.В., Власов, А.И., Исроилов Ж.О. Анализ программных библиотек для разработки встраиваемых нейросетевых приложений // Нейрокомпьютеры: разработка, применение. 2023. № 6. С. 5–12.