Право и управление2224-913310.24412/2224-9133-2026-5-435-445OtherОПТИМИЗАЦИЯ ВЫЧИСЛЕНИЙ В НЕЙРОННЫХ СЕТЯХ: АЛГОРИТМЫ, ПРОГРАММНЫЕ И АППАРАТНЫЕ РЕШЕНИЯOPTIMIZING COMPUTATIONS IN NEURAL NETWORKS: ALGORITHMS, SOFTWARE, AND HARDWARE SOLUTIONSСеменовАлександр АлександровичSemenovAlexander Alexandrovichmail@law-books.ruАветисянКарэн РафаеловичAvetisyanKaren RafaelovichKaren-Avetisyan-1989@bk.ruChief Researcher, Federal State Budgetary Institution “STIS”, of the Ministry of Internal Affairs of Russiaнаучный сотрудник ФКУ НПО «СТиС» МВД РоссииSenior Lecturer, Department of Information Technology and Cybercrime, Investigation Organization Moscow Academy of the Investigative Committee, of the Russian Federation named after A. Ya. SukharevСтарший преподаватель кафедры информационных, технологий и организации расследования киберпреступлений, Московская академия Следственного комитета, Российской Федерации имени А.Я. Сухарева0101202654354452805202619062026

Исследуются различные подходы к оптимизации вычислений в нейронных сетях, включая алгоритмические, программные и аппаратные методы. Рассматриваются особенности опти мизации для полносвязных и сверточных архитектур, анализируются принципы работы специализиро ванных процессоров (нейроморфных и TPU). Описываются механизмы квантования данных и их влия ние на производительность. Особое внимание уделяется проблемам оптимизации памяти и эффектив ности вычислений в современных системах машинного обучения

This paper explores various approaches to optimizing computations in neural networks, including algorithmic, software, and hardware methods. Optimization features for fully connected and convolutional architectures are discussed, and the operating principles of specialized processors (neuromorphic and TPU) are analyzed. Data quantization mechanisms and their impact on performance are described. Particular attention is paid to the problems of memory optimization and computational efficiency in modern machine learning systems

оптимизация вычисленийнейронные сетиалгоритмическая оптимизацияпрограммная оптимизацияаппаратная оптимизацияквантование данныхнейроморфные процессо рыматричные вычисленияпроизводительность системcomputation optimizationneural networksalgorithmic optimizationsoftware optimizationhardware optimizationdata quantizationneuromorphic processorsTPUsmatrix computingsystem performanceChen Zhang, Joohee KimVideo object detection with two-path convolutional LSTM pyra mid. 2016. – URL: https://www.researchgate.net/ publication /343702579_Video_Object_Detection_ With_ Two-Path_ Convolutional_LSTM_ Pyramid/ fulltext/5f3b2658928 51cd302013482/Video-Object-Detection-With-Two-Path-Convolution al-LSTM-Pyramid.pdf/ (дата обращения: 16.01.2026).Chen Zhang, Joohee KimVideo object detection with two-path convolutional LSTM pyra mid. 2016. – URL: https://www.researchgate.net/ publication /343702579_Video_Object_Detection_ With_ Two-Path_ Convolutional_LSTM_ Pyramid/ fulltext/5f3b2658928 51cd302013482/Video-Object-Detection-With-Two-Path-Convolutional-LSTMPyramid.pdf/ (дата обращения: 16.01.2026).Hanson A., Koutilya PNVR, Sanjukta Krish nagopal, Larry Davis Bidirectional Convolutional LSTM for the Detection of Violence in Videos. 2018. – URL: https://openaccess.thecvf.com/content_ eccv_2018_workshops/w10 /html/Hanson_Bidirec tional_Convolutional_LSTM_or_the_ Detection_of_ Violence_in_ Videos_ ECCVW_2018_paper.html (дата обращения: 15.01.2026).Hanson A., Koutilya PNVR, Sanjukta Krish nagopal, Larry Davis Bidirectional Convolutional LSTM for the Detection of Violence in Videos. 2018. – URL: https://openaccess.thecvf.com/content_ eccv_2018_workshops/w10 /html/Hanson_Bidirec tional_Convolutional_LSTM_or_the_ Detection_of_ Violence_in_ Videos_ ECCVW_2018_paper.html (дата обращения: 15.01.2026).Howard A.G., Menglong Zhu, BoChen, Kalenichenko D. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. 2017. - URL: https://arxiv.org/pdf/1704.04861/ (access date: 11.01.2026).Howard A.G., Menglong Zhu, BoChen, Kalenichenko D. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. 2017. – URL: https://arxiv.org/pdf/1704.04861/ (дата обращения: 11.01.2026).Iandola F.N., Han S., Moskewicz M.W., Ashraf K., Dally W.J., Keutzer K. SqueezeNet: Alex Net-level accuracy with 50x fewer parameters andIandola F.N., Han S., Moskewicz M.W., Ashraf K., Dally W.J., Keutzer K. SqueezeNet: Alex Net-level accuracy with 50x fewer parameters andIoffe S., Szegedy C. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. 2015. – URL: https://arxiv. org/pdf/1502.03167/ (access date: 13.01.2026).Ioffe S., Szegedy C. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. 2015. – URL: https://arxiv. org/pdf/1502.03167/ (дата обращения: 13.01.2026).Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunDeep Residual Learning for Image Recognition. 2015. – URL: https://arxiv.org/ pdf/1512.03385 (access date: 11.01.2026).Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunDeep Residual Learning for Image Recogni tion. 2015. – URL: https://arxiv.org/pdf/1512.03385 (дата обращения: 11.01.2026).Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunSpatial pyramid pooling in deep convolutional networks for visual recognition. 2015. - URL: https://arxiv.org/pdf/1406.4729/ (access date: 11.01.2026).Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunSpatial pyramid pooling in deep convolu tional networks for visual recognition. 2015. – URL: https://arxiv.org/pdf/1406.4729/ (дата обращения: 11.01.2026).Krizhevsky I., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks. 2012. - URL: https://proceedings. neurips.cc/paper_files/paper/2012/file/ c399862d3b9d6b76c8436e 924a68c45b-Paper.pdf (accessed on: 12.01.2026).Krizhevsky I., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks. 2012. – URL: https://proceedings.neurips. cc/paper_files/paper/2012/file/ c399862d3b9d6b76c8436e 924a68c45b-Paper.pdf (дата обращения: 12.01.2026).Lavin A., Scott Gray Fast Algorithms for Convolutional Neural Networks. 2015. - URL: https:// arxiv.org/abs/1509.09308 (access date: 11.01.2026).Lavin A., Scott Gray Fast Algorithms for Convolutional Neural Networks. 2015. – URL: https:// arxiv.org/abs/1509.09308 (дата обращения: 11.01.2026).Mikolov T., KaiChen, Corrado G., Jeffrey Dean Efficient Estimation of Word Representations in Vector Space. 2013. – URL: https://arxiv.org/ abs/1301.3781 (access date: 15.01.2026).Mikolov T., KaiChen, Corrado G., Jeffrey Dean Efficient Estimation of Word Representations in Vector Space. 2013. – URL: https://arxiv.org/ abs/1301.3781 (дата обращения: 15.01.2026).Norman P. Jouppi, Cliff Young, Nishant Patil and others In-Datacenter Performance Analysis of a Tensor Processing Unit. 2017. – URL: https:// arxiv.org/pdf/1704.04760 (access date: 11.01.2026).Norman P. Jouppi, Cliff Young, Nishant Patil and others In-Datacenter Performance Analysis of a Tensor Processing Unit. 2017. – URL: https:// arxiv.org/pdf/1704.04760 (дата обращения: 11.01.2026).Ronneberger O., Fischer Ph., Brox Th. U-Net: Convolutional Networks for Biomedical Image Segmentation. 2015. – URL: https://arxiv.org/ pdf/1505.04597/ (access date: 13.01.2026).Ronneberger O., Fischer Ph., Brox Th. U-Net: Convolutional Networks for Biomedical Image Segmentation. 2015. – URL: https://arxiv.org/ pdf/1505.04597/ (дата обращения: 13.01.2026).Szegedy C., Wei Liu, Chapel Hill, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, Andrew Rabinovich Going Deeper with Convolutions. 2014. – URL: https://arxiv.org/pdf/1409.4842 (accessed on: 12.01.2026)Szegedy C., Wei Liu, Chapel Hill, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Angue lov, Dumitru Erhan, Vincent Vanhoucke, Andrew Rabinovich Going Deeper with Convolutions. 2014. – URL: https://arxiv.org/pdf/1409.4842 (дата обращения: 12.01.2026)Simonyan K., Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition. 2015. Published as a conference paper at ICLR 2015. - URL: https://arxiv.org/pdf/1409.1556 (access date: 10.01.2026).Simonyan K., Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition. 2015. Published as a conference paper at ICLR 2015. – URL: https://arxiv.org/pdf/1409.1556 (дата обращения: 10.01.2026).Wei Liu, Anguelov D., Erhan D., Szegedy C., Reed S., Cheng-Yang Fu, Berg A.C. SSD: Single Shot MultiBox Detector. 2016. – URL: https://arxiv. org/pdf/1512.02325 (access date: 11.01.2026).Wei Liu, Anguelov D., Erhan D., Szegedy C., Reed S., Cheng-Yang Fu, Berg A.C. SSD: Single Shot MultiBox Detector. 2016. – URL: https://arxiv. org/pdf/1512.02325 (дата обращения: 11.01.2026).ONNX official website. – URL: https://onnx. ai/.Официальный сайт ONNX. – URL: https:// onnx.ai/.Fundamentals of artificial intelligence tech nologies: a textbook/A.A. Semenov, V.V. Gonchar, A.S. Erdniev. - Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya, Kikotya, 2025. - 190s.Основы технологий искусственного интеллекта: учебное пособие/ А.А. Семенов, В.В. Г ончар, А.С. Эрдниев. – Московский университет МВДРоссии имени В.Я, Кикотя, 2025. – 190с.Financial monitoring: training manual/V.I. Glotov, A.U. Albekov, O.N. Tisen et al. - KnoRus, 2022. - 198 s.Финансовый мониторинг: учебное посо бие / В.И. Г лотов, А.У. Альбеков, О.Н. Тисен и др. – КноРус, 2022. – 198 с.Tisen O.N. Countering modern methods and methods of recruitment to international terrorist organizations//Russian Justice. 2018, №9. S. 51-54.Тисен О.Н. Противодействие современ нымприемам и способам вербовки в междуна родные террористические организации // Российская юстиция. 2018, №9. С. 51-54.Gonchar V.V. On the importance of forming a uniform conceptual apparatus necessary for inves tigating crimes in the field of computer information// Bulletin of Economic Security. 2018. №1. S. 225-230.Г ончар В.В. О важности формирования единообразного понятийного аппарата необходи 445 ПРАВО и УПРАВЛЕНИЕ - № 5 - 2026 мого для расследования преступлений в сфере компьютерной информации// Вестник Экономи ческой безопасности. 2018. №1. С. 225-230.Orlova A.A., Gonchar V.V. Features of the investigation of crimes committed in the field of infor mation technology//Business security. 2021. № 4. S. 25-29.Орлова А.А., Г ончар В.В. Особенности расследования преступлений, совершаемых в сфере информационных технологий // Безопас ность бизнеса. 2021. № 4. С. 25-29.