Abstract FR:

De nombreuses techniques regroupees sous le terme reseaux neuromimetiques (rn) ont vu le jour ces dernieres annees et constituent une alternative pour traiter des problemes pour lesquels on ne connait pas d'approche analytique satisfaisante. Cependant, l'un des inconvenients majeurs de ces techniques est le cout de calcul important necessaire a la phase d'apprentissage. Un certain nombre d'outils et de methodes ont deja ete developpes pour effectuer la programmation de rn sur des machines paralleles, dont armenx, utilisant generalement des bibliotheques et des outils specifiques adaptes a la machine et aux rn employes. Notre approche a consiste a utiliser l'environnement de genie neuronal mime-dens issu du projet europeen galatea et a extraire automatiquement les parties du code intermediaire genere (vml) que l'on sait accelerer sur armenx. Pour permettre l'utilisation de cet environnement sans se preoccuper de la complexite de la machine, differentes methodes et outils de parallelisation automatique ont ete realises. L'etude du code vml de notre application temoin a permis de determiner que 90% du temps de calcul correspondait a l'execution de quelques primitives de calcul matriciel, que nous avons appelees primitives neuromimetiques. Nous avons choisi de deporter ces primitives sur armenx en vue de les accelerer en les parallelisant. Nos tests n'ont pas montre de gain de performances. La cause principale de ces mauvais resultats est la lenteur de la liaison sun-armenx. Cependant, les mesures effectuees ont permis de valider les concepts de deport que nous avons developpe.