Тарков М.С.  

Отображение нейронных сетей обработки информации на распределенные вычислительные системы с регулярной структурой

Огромное количество глобальных межнейронных соединений (синапсов) усложняет реализацию нейронных сетей в виде СБИС, что приводит к необходимости распределенной обработки информации множеством взаимодействующих процессоров. В данной работе предложены эффективные методы отображения нейронных сетей обработки данных на распределенные вычислительные системы. Клеточные нейронные сети эффективно отображаются на графы вычислительных систем (параллельных программ) типа «решетка» или «линейка». Анализ функционирования нейронных сетей с глобальными взаимодействиями (многослойные персептроны, сети Хопфилда, сети Кохонена) и алгоритмов их обучения показывает, что их отображение на распределенные вычислительные системы приводит к межпроцессорным взаимодействиям, связанным с выполнением полугрупповых операций (операций редукции) над массивами. Трансляционно-циклический обмен данными («каждый с каждым») между процессорами является частным случаем такой операции. В работе показано, как реализовать эффективное выполнение этих операций на гиперкубе и торе, используя схему «бабочка» и отображение этой схемы на гиперкуб с последующим вложением гиперкуба в тор. Рассмотрено использование предложенных алгоритмов реализации полугрупповых операций при отображении слоя нейронов и многослойных персептронов на распределенную ВС с топологией гиперкуба и тора.


К списку докладов