Vectorized multi-site coding for nearest-neighbour neural networks

Abstract
Ising spin neural networks with clipped synapses (± 1 only) and with local connectivity are simulated using multi-site coding algorithms. Speeds of over 200 neuron updates per microsecond are achieved by vectorization of the algorithm on the Cray-XMP. Results are presented for two-dimensional networks of up to 512 x 512 neurons. The networks are shown to function as associative memories and the amount of information stored compared to the amount used to store it improves upon fully-connected models.

Résumé
Nous étudions par simulation numérique des réseaux de neurones binaires utilisant des algorithmes de codage multisite. Nous obtenons des vitesses de plus de 200 neurones visités par microseconde à l'aide d'un algorithme vectorisé sur le Cray-XMP. Nous présentons des résultats sur des réseaux bidimensionnels contenant jusqu'à 512 x 512 neurones. Nous montrons que les réseaux fonctionnent comme des mémoires associatives et qu'ils stockent l'information de façon plus efficace que les réseaux complètement connectés.