| dc.contributor.advisor | Βενέτης, Ιωάννης | |
| dc.contributor.author | Λοϊζίδης, Κωνσταντίνος | |
| dc.date.accessioned | 2024-12-06T10:33:17Z | |
| dc.date.available | 2024-12-06T10:33:17Z | |
| dc.date.issued | 2024-9 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/17187 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/4610 | |
| dc.description.abstract | Η παρούσα πτυχιακή εργασία εστιάζει στην υπολογιστική νευροεπιστήμη, με στόχο τη
μοντελοποίηση και προσομοίωση της νευρωνικής δραστηριότητας μέσω δικτύων νευρώνων.
Αναλύονται βιολογικά και υπολογιστικά μοντέλα νευρώνων, όπως το Leaky Integrate-and-Fire (LIF),
τα οποία χρησιμοποιούνται για την απεικόνιση της πολύπλοκης δυναμικής των νευρωνικών δικτύων.
Μέσω της προσομοίωσης αυτών των δικτύων, επιχειρείται η κατανόηση των μηχανισμών που
διέπουν τη λειτουργία του εγκεφάλου και των υπολογιστικών διεργασιών που λαμβάνουν χώρα.
Η εργασία περιλαμβάνει συγκριτική μελέτη διαφόρων προτύπων και φαινομένων, όπως οι
χιμαιρικές καταστάσεις, καθώς και την εφαρμογή του μοντέλου LIF για τη διερεύνηση της νευρωνικής
συμπεριφοράς σε μεγάλης κλίμακας προσομοιώσεις. Για τη βελτίωση της αποδοτικότητας των
προσομοιώσεων, χρησιμοποιείται παράλληλη επεξεργασία, αξιοποιώντας τις δυνατότητες των
πολυπύρηνων συστημάτων, με στόχο τη μείωση του χρόνου εκτέλεσης και την εκτεταμένη ανάλυση
παραμετρικών συνδυασμών.
Τα αποτελέσματα δείχνουν σημαντική βελτίωση στους χρόνους εκτέλεσης και στην επιτάχυνση,
ιδιαίτερα σε χαμηλό αριθμό νημάτων, ενώ παρατηρείται μείωση της απόδοσης καθώς αυξάνονται τα
νήματα λόγω συμφόρησης στη μνήμη. Η εργασία καταλήγει ότι η βελτιστοποίηση της χρήσης του
εύρους ζώνης της μνήμης μπορεί να συμβάλλει στην αποτελεσματικότερη χρήση των πόρων,
προσφέροντας πολύτιμα δεδομένα για την κατανόηση της νευρωνικής δραστηριότητας. | el |
| dc.format.extent | 54 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Ταυτόχρονη προσομοίωση πολλαπλών δικτύων βιολογικών νευρώνων σε παράλληλα συστήματα | el |
| dc.title.alternative | Simultaneous simulation of multiple biological neural networks in parallel systems | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This thesis focuses on computational neuroscience, aiming to model and simulate neuronal activity
through neural networks. Biological and computational neuron models, such as the Leaky Integrate
and-Fire (LIF), are analyzed to represent the complex dynamics of neural networks. Through the
simulation of these networks, an attempt is made to understand the mechanisms governing brain
function and the computational processes occurring within.
The study includes a comparative analysis of various models and phenomena, such as chimera
states, and applies the LIF model to investigate neuronal behavior in large-scale simulations. To
improve simulation efficiency, parallel processing is employed, leveraging the capabilities of multi
core systems, with the goal of reducing execution time and enabling an extensive analysis of
parameter combinations.
The results demonstrate significant improvements in execution times and speedup, particularly
with a low thread count, while a decrease in performance is observed as threads increase due to
memory bottlenecks. The study concludes that optimizing memory bandwidth usage can enhance
resource efficiency, providing valuable insights into neuronal activity. | el |
| dc.subject.keyword | Νευροεπιστήμη | el |
| dc.subject.keyword | Νευρώνες | el |
| dc.subject.keyword | Προσομοίωση | el |
| dc.subject.keyword | Παράλληλη επεξεργασία | el |
| dc.date.defense | 2024-9 | |
