脉冲神经网络模拟多核计算机的互连网络的研究

发布时间：2020-08-14 15:36

【摘要】：脉冲神经网络作为第三代新型人工网络模型,近些年不仅在模式识别和数据处理等领域有着快速的发展,同时推动了基于脉冲神经网络的类脑计算机相关项目的开展。随着芯片集成技术的成熟,以及处理器成本的下降,类脑平台实现百万核心的系统架构已不再是梦想,与之而来网络通信却面临了一大难题:如何支持海量脉冲数据包的高效传输。本课题基于脉冲神经网络模拟多核计算机的互连网络进行研究,主要研究内容及结论如下:首先,研究脉冲神经网络模拟多核计算机的理论和技术,本文定义了三种脉冲数据包的格式和相应的编码方式,分别是点对点的脉冲数据包、组播脉冲数据包、基于集群的组播数据包。并且针对集群组播数据包设计了一套完整的脉冲数据包编码方案,不仅实现灵活多变的脉冲数据包编码,而且减少了路由表中路由条目的数量。其次,本文集中探索了脉冲神经网络模拟多核计算机的底层通信网络模型的设计,重点解决脉冲数据包的传输问题。根据脉冲神经网络中神经元的映射关系,基于启发式蚁群算法和遗传算法的思想,提出了改进的遗传路由算法和蚁群路由算法。把最短路由寻址问题用两种算法进行完整的表述和复现,创新性的把蚁群进行分类,以及自适应的参数设计,保证了算法收敛于最优解。实验效果表明与传统蚁群算法和遗传算法相比,改进的路由算法不仅缩短了路由寻址的路径长度,同时缩短了路由寻址的执行时间。最后,基于脉冲神经网络模拟多核计算机的网络拓扑结构,提出了一个新的路由寻址架构,设计了专用路由表的基本格式。根据路由节点的6位输出端口编码,完成了脉冲数据包一整套路由寻址的过程,同时提出了相应的通信容错机制,分别以静态与动态的方式解决了链路损坏时脉冲数据包的无障碍传输。专用通信网络模型的设计,不仅支持点对点的数据通信,同样支持高效的组播通信,成功解决了脉冲神经网络模拟多核计算机的海量数据通信的难题。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;TP393.03
【图文】：

经网络中脉冲序列的编码方式［１８，１９］有基于脉冲频率的编码、基、神经元群体的编码方法。频率编码是一种传统的编码方法，率随着刺激强度的增加而增加，信号的编码与时间窗口的脉冲相比，时间编码则充分利用脉冲序列的时间特性来编码信息。元的编码很多时候不足以完整体现神经系统中的信息编码，群体的编码方式。群体编码运用多个神经元群体的电位反应，每个神经元对于特定的输入刺激具有特定的脉冲响应分布，合一起表征整体的信息输入。逡逑许多神经元具有相似的属性，能对相同的刺激做出反应，把一个集群。考虑具有Ｎ个神经元集群，记录这Ｎ个集群的脉冲定义为多个神经元集群上脉冲数的平均值。如图２－２所示，经元集群脉冲频率的计算方式。逡逑

略选择路径前进，直到到达一个目的节点。逡逑（３）当每只蚂蚁都完成一个目的节点的寻址后，蚂蚁按照对应上述的策略进行信逡逑息素的调整。逡逑（４）重复步骤２和步骤３，当蚂蚁都找到所有的目的节点，对应每只蚂蚁寻找到逡逑的路径会构成一颗组播树，然后通过计算每颗组播树的寻址路线代价，如果大多数逡逑蚂蚁寻址路线都是收敛于同一条路线时，则该寻址路线为最优寻址路径。逡逑（５）当迭代次数大于最大迭代次数时，算法循环结束，输出结果。逡逑针对蚁群路由算法中各参数的设置对最短路径寻址的影响，本文做了一系列针逡逑对性实验，包括信息素的强度系数Ｑ、信息素挥发因子Ｐ、信息素启发因子《、期逡逑望启发因子卩，探究这四个参数的最优取值范围，从而获得该算法中参数的最佳配逡逑置。通过设置网络节点的布局规模大小为２００＊２００，实验设置的目的节点的个数是逡逑５０，目地节点均匀分布在系统中的每个区域，蚁群总个数为３０，初始智能蚁群５个，逡逑随机蚁群２５个，最大迭代次数３００，结果如图３－５所示。逡逑１４５０１逦１１１１１１逦１逦逡逑１４５０！逦１逦１逦＇逦１逦＇逦１逦１逦逡逑

逡逑图３－９染色体交叉后的路由路径逡逑Ｆｉｇｕｒｅ邋３－９邋Ｒｏｕｔｉｎｇ邋Ｐａｔｈ邋Ａｆｔｅｒ邋Ｃｈｒｏｍｏｓｏｍｅ邋Ｃｒｏｓｓｉｎｇ逡逑变异操作是交叉操作之后另一个基本操作，它的主要思想是在染色体个体上随逡逑机的对某个节点进行变化，这种随机变化的过程使得变异操作会产生新的个体性状，逡逑这种性状可能是之前不存在的。但是变异操作必须以一个很小的概率进行，因为变逡逑异的过程是随机性的，产生的个体基因节点是不可控的。变异操作提氋了随机搜索逡逑路径的能力，寻找可能被遗落的最优寻址个体，也保持了染色体种群的多样性。变逡逑异操作的过程是从染色体中随机选择一个节点Ｎｉ为变异点，变异点之后的节点按照逡逑广度优先搜索算法寻找新的路径，直到到达目的节点。如图３－１０所示是变异前该染逡逑色体的寻址路径

【相似文献】

相关期刊论文 前10条

1 李力, 张锐;神经网络模拟框架柱低周反复加载试验性能初探[J];西南交通大学学报;1994年04期

2 彭清娥,曹叔尤,刘兴年,雷孝章,黄尔;荒坡治理效果神经网络模拟及比较研究[J];泥沙研究;2002年05期

3 于南翔;于凤敏;;一种应用神经网络模拟Hash函数的算法[J];重庆邮电学院学报(自然科学版);2006年S1期

4 陈国良,熊焰,方祥;通用并行神经网络模拟系统GP~2N~2S~2[J];小型微型计算机系统;1992年12期

5 杨绿溪,倪晋麟,何振亚;Transputer并行结构支持的通用神经网络模拟系统[J];数据采集与处理;1993年02期

6 贾建军;于小宁;;正前角圆弧铣刀齿形的神经网络模拟与设计[J];工具技术;2009年07期

7 贾勃晨,韩斌;球形压痕法测材料力学性能:神经网络模拟[J];北京理工大学学报;2003年02期

8 罗蓬,杨屹;有色金属压铸工艺专家知识的神经网络模拟[J];有色金属;2003年01期

9 李梦欣;任保平;;新时代中国高质量发展指数的构建、测度及综合评价[J];中国经济报告;2019年05期

10 舒朝晖,肖莉,程雁,李本艳,陈文梅,褚良银;油水分离水力旋流器的人工神经网络模拟[J];石油机械;2003年03期

相关会议论文 前10条

1 周如季;;大系统非线性规划的神经网络模拟[A];1995中国控制与决策学术年会论文集[C];1995年

2 汪镭;韩生廉;许维胜;萧蕴诗;吴启迪;;并行工程环境下模糊多目标决策的神经网络模拟[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

3 张春路;邵亮亮;周佳;瞿佳云;丁国良;;翅片管式蒸发器稳态特性的神经网络模拟[A];上海市制冷学会二○○一年学术年会论文集[C];2001年

4 张春路;吴崇文;瞿佳云;邵亮亮;徐晓琦;丁国良;;翅片管式冷凝器稳态特性的神经网络模拟[A];上海市制冷学会二○○一年学术年会论文集[C];2001年

5 周伟雄;靳东明;;神经网络的模拟VLSI实现研究[A];中国电子学会第七届学术年会论文集[C];2001年

6 赵国景;江源富;李淑娟;;材料性能的神经网络模拟[A];第八届全国结构工程学术会议论文集（第Ⅰ卷）[C];1999年

7 田镇;谷波;张萍;孙旭东;;微通道平行流冷凝器理论模型与神经网络模拟[A];2013中国制冷学会学术年会论文集[C];2013年

8 国蓉;程光旭;王毅;王会民;郑宝祥;;粉煤流态化气化过程的BP神经网络模拟[A];第九届全国化学工艺学术年会论文集[C];2005年

9 李倩;申双和;曹雯;邹学智;;南方塑料大棚冬春季温湿度的神经网络模拟[A];S10 气象与现代农业发展[C];2012年

10 张哲伟;林中乔;聂车畅;杨天明;;大脑眶额叶皮层价值编码的随机回馈网络模型[A];第三届全国神经动力学学术会议论文摘要集[C];2016年

相关博士学位论文 前1条

1 李菲菲;汉语声调对称规则的内隐学习及神经网络模拟研究[D];华东师范大学;2013年

相关硕士学位论文 前9条

1 李冕;脉冲神经网络模拟多核计算机的互连网络的研究[D];广东工业大学;2019年

2 于志翔;船用反应堆屏蔽设计优化研究及可视化程序开发[D];南华大学;2016年

3 许君波;空气中PM_（10）浓度的神经网络模拟预测[D];浙江大学;2005年

4 罗蓬;铸造过程数值模拟的神经网络优化技术研究[D];四川大学;2004年

5 温海骏;真空冷冻干燥加工工艺过程模拟分析及预测[D];山西农业大学;2004年

6 付园;龙带传动系统动力学和功耗实验分析[D];浙江理工大学;2012年

7 甄玉存;华中地区夏季通风条件下连栋温室环境因子的BP神经网络模拟[D];华中农业大学;2009年

8 张铎;忆阻器基本特性与基于忆阻器的生物突触研究[D];电子科技大学;2015年

9 陈亚明;基于神经网络模拟预分解窑煅烧的研究[D];武汉理工大学;2003年

本文编号：2793220