KIP-Veröffentlichungen

Eine der wichtigsten Aufgaben biologischer neuronaler Netze ist die Abschätzung von Groessen aus verrauschten sensorischen Daten. Die Informationsverarbeitung solcher Netze kann durch Methoden der Belief Propagation untersucht werden. Die vorgestellte Arbeit zeigt Vorstudien auf, die zur Implementierung jener Algorithmen auf neuromorpher Hardware dienen. Zunächst werden theoretische Betrachtungen statistischer Inferenzmodelle vorgestellt. Desweiteren werden Softwaresimulationen durchgeführt, um diesen Ansatz zu validieren. Abschliessend werden die erforderlichen Kalibrationsmethoden für das in dieser Arbeit verwendete FACETS Hardwaresystem beschrieben.

The inference of probabilistic quantities from noisy sensory data is one of the most important tasks performed by biological neural networks. The computations performed in such networks can be investigated with belief propagation methods. In this thesis, preparatory studies toward implementing this algorithm on neuromorphic hardware are presented. Firstly, a theoretical treatment of statistical inference models is introduced. Furthermore, software simulations aimed at validating this approach are presented. Finally, calibration methods necessary to prepare the utilized FACETS hardware system for the emulation of these models are provided.