KIP publications

 
year 2017
author(s) Carola Fischer
title Accelerated Classification in Hierarchical Neural Networks on Neuromorphic Hardware
KIP-Nummer HD-KIP 17-85
KIP-Gruppe(n) F9
document type Bachelorarbeit
Abstract (de)

Klassifizierung ist eines der vielen Anwendungsgebieten einer Boltzmann-Maschine. Diese kann man aus feuernden Neuronen bilden, welche wiederum auf aktueller Neu- romorpher Hardware emuliert werden. Allerdings beschränkt sich die Implementierung klassifizierender Boltzmann-Maschinen auf solcher Hardware bisher auf einzelne un- verknüpfte stochastische Einheiten. In dieser Bachelorarbeit sollen zwei verbundene Layer eines feedforward Netzwerks auf dem Spikey Chip implementiert werden. Insbeson- dere werden Probleme, wie limitierte Ressourcen eines einzelnen Chips und die Über- setzung von theoretischen Boltzmann-Gewichten in die Hardwareumgebung, adressiert. Folglich wurden synaptische Verknüpfungen von Chip-Neuronen untersucht, damit ver- schiedene Netzwerkverbindungen eingestellt werden können. Um die vorhandenen Ressourcen voll auszuschöpfen, wurden zusätzlich alle Chip-Neuronen beider Chip- Hälften charakterisiert. Mit ausreichend Hardwareneuronen zur Verfügung konnte letz- tendlich ein MNIST Teildatensatz auf dem Chip klassifiziert werden.

Abstract (en)

Classification is one of many applications of Boltzmann Machines that can be build from firing neurons which themselves are emulated in state-of-the-art neuromorphic hardware. However, implementations of classifying Boltzmann Machines in such hardware systems have only progressed to the point of singular unconnected stochastic units. This thesis implements two connected layers in a feed-forward structure on the Spikey chip in order to classify MNIST numbers. In particular, issues when working with neuromorphic systems – such as limited available resources on a single chip as well as translating theoretical Boltzmann weights to the hardware domain – are addressed. Consequently, synaptic connections between on-chip neurons were investigated in order to tune the intra-network connectivity. Additionally, all neurons on both chip halves were characterized to find a sufficient number of neurons for a successful implementation of two layers. With enough neurons at disposal, a subset of the MNIST dataset was finally classified on-chip using a new and improved software framework.

up
KIP - Bibliothek
Im Neuenheimer Feld 227
Raum 3.402
69120 Heidelberg