计算机应用研究

作者：徐聪,叶钧超,黄尧,柴志雷,

单位：1.江南大学人工智能与计算机学院,江苏无锡214122；2.江苏省模式识别与人工智能工程实验室,江苏无锡214122；

关键词：脉冲神经网络,负载均衡,联合权重,超图划分,并行计算,

基金：国家自然科学基金资助项目(61972180)；；

大规模脉冲神经网络并行模拟是探究大脑机能的重要手段。其难点在于合理地将负载映射到并行分布式平台上，提升模拟速度。为解决该问题，提出一种基于联合权重超图划分的SNN负载均衡方法，解决并行计算中进程间计算负载与通信负载的均衡问题，提高SNN模拟速度，并使用稀疏通信的方式替代集体通信，解决事件通信过程中的数据冗余问题，提升通信效率。实验结果表明，该方法使带有STDP突触20%规模的皮质层微电路模型的模拟时间，比标准循环分配算法缩短约64.5%，比普通超图分配算法缩短约57.4%，同时事件通信数据量减少了90%以上。

来源：2023年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第7期