Wyniki wyszukiwania - BazTech

1

Wielkoskalowe symulacje biologicznych sieci neuronowych charakteryzujących się wewnętrzną topologią wielowymiarowych torusów z wykorzystaniem PGENESIS

Kwiatkowska M., Świerczewski Ł.

Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka

|

2015

|

vol. 5

19--26

PL

Praca obejmuje implementacje oraz testy wydajności i skalowania biologicznych sieci neuronowych charakteryzujących się wewnętrzną topologią wielowymiarowych torusów. Do obliczeń wykorzystano równoległą wersję symulatora GENESIS - PGENESIS. Symulacje przeprowadzono w środowisku równoległym na superkomputerze (klaster wydajnościowy o architekturze x86_64) HP BladeSystem/Actina, Hydra dostępnym w Interdyscyplinarnym Centrum Modelowania Matematycznego i Komputerowego Uniwersytetu Warszawskiego. Testy objęły procesory AMD Opteron 2435, AMD Opteron 6174, AMD Opteron 6272 oraz Intel Xeon X5660. Uwzględniono także aspekt wykorzystania interfejsów sieciowych Infiniband QDR, Infiniband DDR oraz 10Gb Ethernet w komunikacji międzywęzłowej. Dodatkowo wykonano analizę uzyskanego zysku wydajności dzięki zastosowaniu wersji PGENESIS skompilowanej pod kątem wybranego procesora. W pracy skupiono się jedynie na części dotyczącej pomiarów wydajności – nie podjęto jakichkolwiek prób analiz aktywności modelowanych biologicznych sieci neuronowych.

EN

This paper includes implementation and performance tests and also scaling of biological neural networks characterized by internal topology of multi-dimensional toruses. For calculations there was used a parallel version of the GENESIS - PGENESIS simulator. Simulations were performed in a supercomputer's parallel environment, (a performance cluster with x86_64 architecture) HP BladeSystem/Actina, Hydra available at the Interdisciplinary Centre for Mathematical and Computational Modeling, Warsaw University. Tests included AMD Opteron 2435, AMD Opteron 6174, AMD Opteron 6272 and Intel Xeon X5660 prosessors. There was also taken into account the aspect of the use of network interfaces such like Infiniband QDR, DDR Infiniband and 10Gb Ethernet in interstitial communication. In addition, there was performed an analysis on the resulting performance gained by using the PGENESIS version compiled for the selected processor. In this paper author focused only on the section of performance measurement - there weren't taken any attempts of activity analysis of the modeled biological neural networks.

2

Parallel simulation of stochastic denritic neurons using NVidia GPUs with CUDA

Gugała K., Świetlicka A., Jurkowlaniec A., Rybarczyk A.

Elektronika : konstrukcje, technologie, zastosowania

|

2011

|

Vol. 52, nr 12

59-61

EN

The purpose of this work was to implement a fast simulator of stochastic dendritic neurons based on Hodgkin - Huxley model. In order to achieve satisfactory simulation speed we used parallel computing based on NVidia GPU. We present simulation algorithm written in CUDAC and results for simple dendritic neuron network in tree-like structure.

PL

Celem niniejszej pracy była implementacja szybkiego symulatora stochastycznych neuronów dendrytycznych opartych na modelach Hodgkina - Huxley'a. W celu osiągnięcia satysfakcjonującej prędkości działania sięgnięto po przetwarzanie równoległe oparte o układy graficzne firmy NVidia. Prezentujemy algorytm symulacyjny zaimplementowany przy użyciu technologii CUDA C, oraz wyniki symulacji prostej sieci dendrytycznej o rozgałęzionej strukturze.

3

Podobieństwa samooptymalizujących sieci neuronowych do biologicznych sieci neuronowych

Horzyk A.

Bio-Algorithms and Med-Systems

|

2005

|

Vol. 1, no. 1/2

13--20

PL

Pragnienie poznania procesów zachodzących w otaczającym nas świecie, ale również w naszym wewnętrznym świecie myśli, chęć ich kontroli, dążenie do zaspokojenia potrzeb, jak również możliwość uwolnienia się od pewnych przyzwyczajeń oraz myśli skłania naukowców do ciągłego pogłębiania tajemnicy naszego umysłu. Rozwijająca się technologia, sprzęt badawczy, algorytmy umożliwiają w różnoraki sposób odkrywać coraz to głębsze tajemnice naszego wewnętrznego świata. Poznanie prawdy o nas samych daje możliwość prostszego wyzbycia się dręczących ludzkość spraw oraz szybszą adaptację i naukę pożądanych umiejętności. W tym artykule opisano podobieństwa biologicznych sieci neuronowych oraz Samo Optymalizujących Sieci Neuronowych (SONN), których sposób tworzenia i własności klasyfikacyjne są częściowym odzwierciedleniem procesów biologicznych zachodzących w naturalnych sieciach neuronowych.

EN

A natural human desire of perception of different processes in the surrounding world and our inner world of thoughts, a desire to control them, an endeavor to satisfy our needs, an ability to make our thoughts free from certain exterminated habits make scientists continue the plumetting of our brains. The newly developed technology, hardware, and algorithms make it possible to detect still deeper secrets of our inner world. Recognition of truth about us makes us simply free from tormenting question and enables faster adaptation and training of desirable skills. This paper describes similarities between natural neural networks (NNNs) and Self-Optimizing Neural Networks (SONNs). The paper describes development, adaptation, and classification properties of SONNs that are partially reflected in processes of the natural neural networks.