Куперштейн Л. М. Методи та засоби нейроподібної обробки даних для систем керування. - Рукопис. Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.05 - Елементи та пристрої обчислювальної техніки та систем керування. - Вінницький національний технічний університет, Вінниця - 2007. Дисертацію присвячено вдосконаленню та розширенню функціональних можливостей методів та засобів векторної обробки масивів даних у контексті порогової паралельної обробки інформації з орієнтацією на нейрообчислення та нейроструктури. Досліджено та доведено доцільність використання нейронних технологій для реалізації адаптивного керування динамічними системами у порівнянні з традиційними методами. Проаналізовано апаратні засоби реалізації нейронних мереж і показано, що найефективнішими серед усіх є саме ПЛІС. Досліджено особливості реалізації багатооперандної обробки у нейроструктурах на базі різницевих зрізів (РЗ), які дозволяють розширити функціональні можливості та зменшити часові затрати при нейрообробці. Досліджено способи порогового паралельного, паралельного алгебраїчного та порогового паралельного алгебраїчного підсумовування векторних масивів даних. Розроблено математичні моделі, які дозволяють створити модель формального нейрона на базі РЗ, в якій реалізоване розпаралелення процесу підсумовування та суміщення його з порогового обробкою. Запропоновано структурну організацію конвеєрних процесорів для нейроподібної обробки векторних даних за РЗ,які реалізовані на базі ПЛІС, що дозволяє отримати нейрочип з фрагментом шару нейромежі. Модифіковано метод та оцінено за ним продуктивність нейрочипів на базі конвеєрних процесорів, результати чого свідчать про ефективність використання цих процесорів у системах обробки реального часу для розв'язаннязадач ідентифікації динамічних систем та адаптивного керування ними,класифікації та розпізнавання сигналів та зображень тощо. Ключові слова: векторний масив даних, порогова паралельна обробка, конвеєрний процесор, нейронна обробка, формальний нейрон, перцептрон, нейрочип.