KIP-Veröffentlichungen

Ein rekurrentes neuronales Netz wird auf neuromorpher Hardware implementiert und hinsichtlich seiner konkurrierenden Feurrerateneigenschaften untersucht. Über die Abstraktionsebene der Softwareschnittstelle PyNN werden Experimente auf der komplexen Hardware durchgeführt.
Zunächst werden die verfügbaren Parameter auf ihren Einfluss auf die Feuerraten der Hardwareneurone hin überprüft. Eine Methode zur Selektion von Neuronen mit dem gewünschten Verhalten wird implementiert.
Das neuronale Netz wird daraufhin Schritt für Schritt emuliert, wobei die Feuerraten konkurrierenden Neuronenpopulationen für verschiedene Stimuli untersucht werden. Ergebnisse der Hardwareexperimente werden mit denen aus Softwaresimulationen mit der Executable System Specification (ESS) verglichen. Es wird vergleichbares Netzwerkverhalten in der ESS-Simulation und Hardwareemulation erreicht. Mögliche Verbesserungen werden diskutiert.

A recurrent neural network is implemented on neuromorphic hardware and investigated for its competitive dynamics. Emulation experiments on the High Input Count Analog Neural Network (HICANN) chip are conducted through the high level PyNN frontend, giving easy access to the complex hardware.
In a first step, the parameters available after calibration are characterized for their influence on firing rates of hardware neurons. A blacklisting method is developed to mark neurons not responding to a given external stimulus.
The neural network is then emulated step by step, investigating the firing rates of competing populations for different stimuli. Measurement results are compared with simulations using the Executable System Specification (ESS).
Similar network behaviour in ESS simulation and hardware emulation can be obtained and possible techniques for improving the experiment results are discussed.