Resumen

El enrutamiento eficaz y eficiente es una de las partes más importantes del enrutamiento en los sistemas neuromórficos basados en NoC. De hecho, esta estructura de comunicación conecta diferentes unidades a través de los paquetes enrutados por enrutadores y conmutadores incrustados en la red en un chip. Con la ayuda de esta capacidad, no sólo se puede crear una alta escalabilidad y un alto desarrollo, sino que al disminuir el cableado global al nivel del chip, se puede reducir el consumo de energía. En este trabajo se propone un algoritmo de enrutamiento adaptativo para sistemas neuromórficos basados en NoC junto con una estrategia de selección híbrida. Para ello, primero se utiliza un analizador de tráfico para determinar el tipo de tráfico local o no local en función del número de saltos. A continuación, teniendo en cuenta el tipo de tráfico, se utilizan las estrategias de selección RCA y NoP para las estrategias no locales y locales, respectivamente. Finalmente, mediante los experimentos realizados en el entorno del simulador, se ha demostrado que esta solución puede reducir bien el tiempo medio de retardo y el consumo de energía.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:sistema neuromórfico basado en el consumo de energía, estrategia de selección nop, estrategia de selección híbrida, tipo de tráfico, tiempo medio de retardo, número de saltos, analizador de tráfico, tráfico no local, estructura de comunicaciones
• Keywords:based neuromorphic system, power consumption, nop selection strategy, hybrid selection strategy, type of traffic, average delay time, number of hop, traffic analyzer, nonlocal traffic, communications structure