zum Directory-modus

Neuronale Netze - komplett

Synchrone Aktivierung

In synchronen Modellen ändern alle Zellen ihre Werte gleichzeitig, d.h. alle Neuronen berechnen erst in einem Schritt die neue Aktivierung ihrer Zellen, danach berechnen sie in einem weiteren Schritt die Ausgaben und geben sie nach außen weiter. Diese Art der Propagierung eignet sich besonders für SIMD1)-Parallelrechner, also Parallelrechner, bei denen sehr viele einfache Prozessoren von einer zentralen Steuereinheit synchron alle die gleichen Befehle (auf unterschiedlichen Daten) ausführen. In einer sequentiellen Implementierung auf Workstations müssen alle Neuronen ihre neue Aktivierung erst intern berechnen und dürfen sie erst in einem zweiten Schritt, wenn die Berechnung der neuen Aktivierung aller Neuronen abgeschlossen ist, nach außen weitergeben. Die Art der Propagierung ist vor allem bei rekurrenten (rückgekoppelten) Netzen wichtig, für die oft verwendeten mehrstufigen feedforward-Netze ist eine synchrone Aktivierung in Simulationen auf Workstations nicht vorteilhaft, weil durch eine nach der topologischen Ordnung gewählte asynchrone Abarbeitung (d.h. zuerst Eingabeneuronen, dann erste verdeckte Schicht usw. bis zur Ausgabe) das Netz viel schneller die Ausgabe berechnen kann.

1)SIMD: single instruction multiple data
Seite 17 von 33