Stepwise evolutionary training strategies for hardware neural networks [Elektronische Ressource] / presented by Steffen Gunther Hohmann

DISSERTATIONsubmitted to theCombined Faculties for the Natural Sciences and for Mathematicsof theRuperto-Carola-University of Heidelberg, Germanyfor the degree ofDoctor of Natural Sciencespresented byDipl.-Phys. Stefien Gunther Hohmannborn in Braunschweig, GermanyDate of oral examination: 18.05.2005Stepwise EvolutionaryTraining StrategiesforHardware Neural NetworksReferees: Prof. Dr. K. MeierProf. Dr. F. A. HamprechtSchrittweise evolution˜are Trainingsstrategien fur˜ neuronale Netzwerke in HardwareRein analoge und gemischt analog-digitale Realisierungen kunstlic˜ her neuronaler Netzwerke in Hard-ware entziehen sich fur˜ gew˜ ohnlich einer exakten quantitativen Beschreibung. Die Grunde˜ dafur˜ sinddie bei der Halbleiterherstellung unvermeidlichen Schwankungen der Bauteilparameter sowie zeitlicheFluktuationen der internen analogen Signale. Evolution˜ are Algorithmen eignen sich besonders gut fur˜das Training solcher Systeme, da sie keinerlei detaillierte Informationen ub˜ er das zu optimierende Sys-tem ben˜ otigen. Um die hohe Arbeitsgeschwindigkeit der neuronalen Netzwerke voll auszunutzen, wer-den einfache und schnelle Trainingsverfahren ben˜ otigt. Im Rahmen dieser Arbeit wurde eine spezielleschrittweise Trainingsmethode entwickelt, die es erlaubt, die synaptischen Gewichte eines gemischtanalog-digitalen neuronalen Netzwerkchips unter Zuhilfenahme einfacher evolution˜ arer Algorithmenauf e–ziente Weise zu optimieren.