KIP-Veröffentlichungen

Ausgangspunkt dieser Arbeit ist ein Kernproblem des neuromorphen Modellierens, nämlich dass die Fehleridentifikation und -suche in der Implementation und Konfiguration eines Modells, besonders im Falle von rekurrenten neuronalen Netzwerken, durch die vorhandene Komplexität stark erschwert wird. Ein Lösungansatz für dieses Problem sind die hier präsentierten Methoden, welche die Validität, Funktionalität und ein Höchstmaß an Genauigkeit einer neuronalen Netzwerkimplementation sicherstellen sollen. Zu diesem Zweck sind diverse Tests auf Basis funktionaler Mikronetzwerke entwickelt worden, welche die richtige Übersetzung von Beschreibungen neuronaler Architekturen zu der entsprechenden hardwarespezifischen Konfiguration überprüfen. Diese Tests werden in eine neu entwickelte Softwarestruktur integriert, welche besonders auf Flexibilität bei der Einbindung von komplexen und heterogenen Testmodulen ausgelegt ist. Die Vielseitigkeit, Anwendbarkeit, und Vorteile der Mikronetzwerke als Testeinheiten werden experimentell aufgezeigt. Insbesondere werden die Tests abschliessend auf zwei aktiv in der Forschung eingesetzten Hardwareimplementationen demonstriert, welch im Rahmen der Forschungsgemeinschaft FACETS entwickelt wurden.

This thesis originates from the core problem that as complexity in neuromorphic modeling rises, the ability to spot flaws in the model implementation and configuration, especially in case of recurrent neuronal networks, diminishes strongly. This problem is approached by providing methods that ensure the validity, functionality, and a maximum degree of accuracy of neuronal network model implementations. To this end, various high-level neuronal network tests have been developed, which check the correct mapping of neuronal network descriptions to hardware-specific configurations. These tests are integrated into a newly developed framework, which has been specifically designed towards flexibility in incorporating complex and heterogeneous testing workflows. Experimental proof of the versatility, applicability, and benefits of the high-level neuronal network tests is presented. The tests are used to check the functionality of two state-of-the-art hardware back-ends developed within the community of the FACETS research collaboration.