Implementierung von Künstlichen Neuronalen Netzen auf speziellen Hardwarearchitekturen

Durch spezielle Hardwarearchitekturen läßt sich die Performance von Künstlichen Neuronalen Netzen erheblich beschleunigen. Ein diesbezüglich optimierter Spezialrechner ist die "Synapse" der Firma Siemens, die im Rahmen eines durch die DFG geförderten Projektes beschafft wurde. Für diese Maschine wurde die Basis für eine komfortable Benutzerumgebung geschaffen sowie die Vor- und Nachteile ihrer Architektur für praktische Anwendungen untersucht.

Drittmittelgeber:

DFG - Deutsche Forschungsgemeinschaft

Beteiligte Wissenschaftler:

Prof. Dr. W.-M. Lippe, Dipl.-Math. St. Neuwirth, Dipl.-Math. S. Kühne, Dipl.-Math. A. Tenhagen

Veröffentlichungen:

Lippe, W.-M.: Advances in and Problems of the Implementation of Neural Algorithms on Specialized Hardware Platforms, Proc. of the Fifth Intern. Conf. on Neural Information Processing jointly with the 1998 Annual Conference of the Japanese Neural Network Society (ICONIP'98), Eds.: S. Usui, T. Omori, IOS-Press. S. 1374-1377

Lippe, W.-M., S. Kühne, A. Tenhagen: Implementing Backpropagation on Neural Hardware by Using Matrices, Proc. of the 5th Intern. Conf. on Soft Computing and Information/Intelligent Systems, Iizuka '98, Japan, Eds.: T. Yamakawa, G. Matsumoto, World Scientific, S. 89-92

Lippe, W.-M., St. Neuwirth, A. Tenhagen: Kohonen-SOM for the Neuro-Computer Synapse 1 N110, Proc. of the 5th Intern. Conf. on Soft Computing and Information/Intelligent Systems, Iizuka '98, Japan, Eds.: T. Yamakawa, G. Matsumoto, World Scientific, S. 77-81