テンソルフローを用いた生物学的ニューラルネットワークの並列スケーラブルシミュレーション:初心者ガイド【JST・京大機械翻訳】

Mohanta Rishika; Assisi Collins

プレプリント

J-GLOBAL ID：202202219138592037 整理番号：22P0001149

テンソルフローを用いた生物学的ニューラルネットワークの並列スケーラブルシミュレーション:初心者ガイド【JST・京大機械翻訳】

Parallel scalable simulations of biological neural networks using TensorFlow: A beginner's guide

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2019年06月10日プレプリントサーバーでの情報更新日： 2022年08月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

生物学的ニューラルネットワークは,結合,非線形,通常または偏微分方程式のシステムとしてしばしばモデル化される。ネットワークをモデル化するために用いられる微分方程式の数は,ネットワークのサイズと個々のニューロンとシナプスをモデル化するのに使用される詳細のレベルと共に増加する。1つはシミュレーションのサイズをスケールアップするので,強力な計算プラットフォームの利用が必須である。これらの方程式を数値的に解く多くのツールが存在するが,それらはしばしばプラットフォーム特異的である。さらに,GPU/TPUや分散プラットフォームのような最新の計算アーキテクチャ上のハードウェア加速をサポートする柔軟なプラットフォームに依存しない汎用コードの開発への侵入の高い障壁がある。TensorFlowは,機械学習アルゴリズムのために設計したPythonベースのオープンソースパッケージである。しかし,Runge-Kutta法のような反復アルゴリズムを用いる微分方程式を解くことを含む,様々な計算のためのスケーラブルな環境でもある。本論文では,PythonとTensorFlowを用いて常微分方程式を解くための数値的方法の簡単な説明を提示した。チュートリアルは,5つのセッションのコースにわたって,Pythonを用いて,単純な一次元常微分方程式を,高並列化およびスケーラブルフレームワークを用いて,結合コンダクタンスベースニューロンの大きなシステム(1000の微分方程式)を解くために,書き込みプログラムから,初心者プログラマに通じるであろう,一連のPythonノートブックから成る。チュートリアルの組込みは昆虫嗅覚システムにおけるネットワークの生理学的に現実的な実装である。多重ニューロンとシナプスタイプから成るこのシステムは,他のネットワークをシミュレートするためのテンプレートとして役立つ。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

ニューロコンピュータ , 専用演算制御装置

, , , ,

前のページに戻る