In Zusammenarbeit mit Herrn Dr. Junglas vom Rechenzentrum wurde ein Konzept zur Beschleunigung der Berechnungen mit einem extern von Matlab laufenden Programm entwickelt. Schon die Versuche mit einer Matrixmultiplikation auf einem Prozessor waren so erfolgreich, daß hierbei die unzureichende Optimierung von Matlab für die Mainzelmännchen bzw. die Hydra erkennbar wurde. Wenige Tage später wurde dies durch mehrere Beiträge zur Newsgruppe news://comp.soft-sys.matlab auch für andere Systeme bestätigt.
Da die verwendete Bibliothek (veclib) bereits parallelisiert ist, konnte die erstellte Version sofort auch als parallel ablaufendes Programm benutzt werden. Die Laufzeiten im Parallelbetrieb sind noch besser.
Da die erforderlichen Änderungen im Programm sehr gering waren, konnte ich praktisch sofort Versuche mit meinem eigentlichen Problem durchführen. Die Beschleunigung war unerhofft groß. Ich habe ein künstliches neuronales Netzwerk mit ca. 200 Neuronen im input layer, 10 Neuronen im hidden layer und einem output Neuron verwendet. Bei dieser Konfiguration ergibt sich eine Beschleunigung um ca. Faktor 15 für einen einzelnen Prozessor und eine Beschleunigung um ca. Faktor 60 für 6 Prozessoren. Diese Werte verändern sich je nach Konfiguration, sind aber nach meiner Erfahrung durchaus typisch.
Durch die nun erreichten Rechenzeiten ist es überhaupt erst möglich geworden, viele verschiedene Trainingsparameter für die Prognoserechnung zu testen.