Abstract FR:

La taille et la complexité des réseaux de neurones formels, ainsi que leur intégration au sein d'applications temps réel, entraînent un besoin en vitesse de calcul conduisant à l'utilisation du parallélisme et à la création d'architectures dédiées. Après une rapide description des principaux algorithmes neuromimétiques, nous étudions leur parallélisation à divers niveaux de granularité. Ceci a conduit à la mise au point d'une méthode de partitionnement du produit itéré matrice vecteur permettant une nette diminution du volume global de communications. Des expérimentations de ce partitionnement sur un réseau de Transputers montrent l'équilibrage des charges de calcul et le faible coût des communications. Nous étudions ensuite l'implantation des modèles neuromimétiques sur des architectures numériques dédiées, nécessitant l'utilisation d'une arithmétique à virgule fixe ainsi qu'une étude des algorithmes en précision limitée. Nous donnons deux exemples d'applications mises en place au sein des Laboratoires d'Electronique Philips sur des co-processeurs L-Neuro. La dernière partie porte sur des machines dédiées aux simulations neuronales. Dans ce cadre, nous étudions l'implantation sur un ensemble de DSP, en mode pipe-line et en parallèle, des primitives matricielles de LLVML, langage de bas niveau issu du projet ESPRIT Galatea