Treffer: Eine digitale Emulationsplattform für pulscodierte neuronale Netze mit adaptiven Synapsengewichten ; Digital Emulation Platform for Pulse Coded Neural Networks with Adaptive Synaptic Weights

Die Simulation von großen pulscodierten neuronalen Netzen für die Evaluation einer biologisch motivierten Bildverarbeitung ist auf Einprozessor-Systemen, wie PCs oder Workstations, immer noch sehr zeitineffizient. Entsprechend den Beobachtungen in der Biologie verarbeiten pulscodierte neuronale Netze Informationen anhand von Pulsen und zeichnen sich durch die Fähigkeit aus, sich während der Verarbeitung äußeren Reizen anzupassen. Diese Anpassungsfähigkeit gilt als Lernprozess und setzt voraus, dass sich die Gewichte von Netzwerkverbindungen (Synapsen) zwischen Netzwerkelementen (Neuronen) dynamisch verändern können. Den größten Flaschenhals während der Simulation stellt der sequentielle Zugriff auf den Speicher von dynamischen Netzwerkparametern (Membranpotentiale und adaptive Synapsengewichte) dar, der für die Berechnung der Neuronenzustände notwendig ist. In dieser Arbeit wird ein neuartiges Architekturkonzept und die Entwicklung einer digitalen Emulationsplattform für die Simulationsbeschleunigung von pulscodierten neuronalen Netzen vorgestellt. Diese Emulationsplattform repräsentiert die erste Experimentierplattform für ein pulscodiertes Neuronenmodell mit adaptiven Synapsengewichten für den ganzheitlichen Bildverarbeitungsprozess. Bei dieser Plattform stehen die Evaluation der Netzwerkdynamik und die Bereitstellung einer hohen Flexibilität bei der Implementierung im Vordergrund. Die Architektur der Emulationsplattform realisiert ein effizientes Kommunikationsprotokoll zwischen der parallelen Berechnung von Netzwerktopologien und Neuronenzuständen und basiert auf einem noch nicht existierenden Hardware/Software-System. Dieses Hardware/Software-System nutzt zum einen die Datenparallelität durch die Bereitstellung mehrerer Prozessor-Elemente und zum anderen die funktionale Parallelität durch die Realisierung eines Multiprozessor-Systems aus. Die Besonderheit des verwendeten Neuronenmodells ist, dass die Detektion von Bildmerkmalen, wie Flecken oder Kanten, auf der Basis von adaptiven Synapsengewichten erfolgt. ...