Parallel processor structure for the implementation and learning of artificial neuronal networks.

摘要

Eine Parallelrechnerstruktur zum Modellieren und Trainieren künstlicher Neuronaler Netze ist an einen Host-Rechner angeschlossen und als zweidimensionale Matrix aus einfachen, identischen Prozessorelementen ausgebildet. Die Prozessorelemente werden nach dem SIMD-Prinzip von einem Sequencer mit einem Befehlsstrom versorgt. Die auf der Diagonalen der Matrix angeordneten Prozessorelemente werden den Knoten des Neuronalen Netzes zugeordnet und zur Durchführung der Neuronenfunktionen bestimmt. Die nichtdiagonalen Prozessorelemente übernehmen die Verknüpfungen zwischen den Knoten und werden für die Funktion der veränderbaren synaptischen Gewichtungen bestimmt. Die Matrix besitzt erstens eine lokale Nachbarschaftsvernetzung zu den jeweils vier nächsten Nachbarprozessoren. Darüber hinaus gehen von den Neuronenprozessoren, getrennt nach x- und y-Richtung Leitungen aus, welche die nicht-diagonalen Synapsenprozessoren parallel ansteuern. In der einen Richtung dienen diese Leitungen der Beschleunigung der Verteilung der Berechnungsergebnisse der Neuronenprozessoren an die Synapsenprozessoren. In der anderen Richtung dienen die Leitungen der beschleunigten Verteilung der Korrekturdaten während des Trainings.