JP3069058B2 - ニューロセルラオートマトンおよび最適化装置 - Google Patents
ニューロセルラオートマトンおよび最適化装置Info
- Publication number
- JP3069058B2 JP3069058B2 JP9088250A JP8825097A JP3069058B2 JP 3069058 B2 JP3069058 B2 JP 3069058B2 JP 9088250 A JP9088250 A JP 9088250A JP 8825097 A JP8825097 A JP 8825097A JP 3069058 B2 JP3069058 B2 JP 3069058B2
- Authority
- JP
- Japan
- Prior art keywords
- cell
- state
- cells
- automaton
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Read Only Memory (AREA)
- Devices For Executing Special Programs (AREA)
- Logic Circuits (AREA)
Description
【０００１】
【発明の属する技術分野】この発明はニューロセルラオ
ートマトンおよびこれを用いた最適化装置に関し、特
に、ニューロン数，各ニューロン相互の結合の有無およ
び結合の重みを問題に応じて柔軟に変化させることがで
き、しかも容易に製作可能な繰返し構造によって構成さ
れるニューロセルラオートマトンおよびこれを用いた最
適化装置に関する。
ートマトンおよびこれを用いた最適化装置に関し、特
に、ニューロン数，各ニューロン相互の結合の有無およ
び結合の重みを問題に応じて柔軟に変化させることがで
き、しかも容易に製作可能な繰返し構造によって構成さ
れるニューロセルラオートマトンおよびこれを用いた最
適化装置に関する。
【０００２】
【従来の技術】近年、人工ニューラルネットによる情報
処理技術が発展してきている。人工ニューラルネット
（以下、単にニューラルネットという）は脳の神経回路
網を模倣して、単純で均一な情報処理を行なうユニット
（ニューロン）を多数結合してネットワークを構成した
ものであり、通常のコンピュータと比べて非常に柔軟な
処理が行なえると期待されている。
処理技術が発展してきている。人工ニューラルネット
（以下、単にニューラルネットという）は脳の神経回路
網を模倣して、単純で均一な情報処理を行なうユニット
（ニューロン）を多数結合してネットワークを構成した
ものであり、通常のコンピュータと比べて非常に柔軟な
処理が行なえると期待されている。
【０００３】ところで、個々のニューロンは単純な情報
処理しか行なえないので、ニューラルネットを本来の神
経回路網が行なっているような複雑な処理に使おうとす
ると、極めて多数のニューロンを相互接続しなければな
らない。これを通常のコンピュータの上でソフトウェア
でシミュレートして行なうには非常に時間がかかり、現
実的ではない。処理を高速に行なうためには、ニューラ
ルネットを電子回路などのハードウェアで実装すること
が不可欠である。
処理しか行なえないので、ニューラルネットを本来の神
経回路網が行なっているような複雑な処理に使おうとす
ると、極めて多数のニューロンを相互接続しなければな
らない。これを通常のコンピュータの上でソフトウェア
でシミュレートして行なうには非常に時間がかかり、現
実的ではない。処理を高速に行なうためには、ニューラ
ルネットを電子回路などのハードウェアで実装すること
が不可欠である。
【０００４】ニューラルネットの特徴はその柔軟性にあ
る。これは、ニューロン相互の結合の強さが変えられる
という点に由来する。さらに言えばこれはタンパク質な
どで構成され、自由に変形，成長できる生物の神経回路
網を模倣したためである。
る。これは、ニューロン相互の結合の強さが変えられる
という点に由来する。さらに言えばこれはタンパク質な
どで構成され、自由に変形，成長できる生物の神経回路
網を模倣したためである。
【０００５】一方、電子回路などのハードウェアは固体
でできており、製作後では変更できないため、調節する
必要のある箇所は予め可変デバイスで構成する必要があ
る。しかし、ニューラルネットの調節点は大規模なネッ
トでは極めて多数となり、それに必要な配線などを考慮
すると、予めすべてを組込んでおくのは困難であるとい
う問題が明らかになった。
でできており、製作後では変更できないため、調節する
必要のある箇所は予め可変デバイスで構成する必要があ
る。しかし、ニューラルネットの調節点は大規模なネッ
トでは極めて多数となり、それに必要な配線などを考慮
すると、予めすべてを組込んでおくのは困難であるとい
う問題が明らかになった。
【０００６】本願発明者らは特開平７−１０５１６４号
公報において、セルラオートマトンの上でニューロンを
成長させてニューラルネットを形成させるというニュー
ロン型セルラオートマトンおよびこれを用いた最適化装
置について提案した。セルラオートマトンは、簡単な構
造と機能を持つセルを多数規則的に配置接続したもの
で、セル間の相互作用はごく近隣のセル同士に限定され
ている。このため、各セルは極めて小さく、また長い配
線が少ないためセル間も密集させて製作することが可能
である。この意味でセルラオートマトンは、集積回路な
どの電子回路での実装に向いた構造を持っている。
公報において、セルラオートマトンの上でニューロンを
成長させてニューラルネットを形成させるというニュー
ロン型セルラオートマトンおよびこれを用いた最適化装
置について提案した。セルラオートマトンは、簡単な構
造と機能を持つセルを多数規則的に配置接続したもの
で、セル間の相互作用はごく近隣のセル同士に限定され
ている。このため、各セルは極めて小さく、また長い配
線が少ないためセル間も密集させて製作することが可能
である。この意味でセルラオートマトンは、集積回路な
どの電子回路での実装に向いた構造を持っている。
【０００７】また、セルラオートマトンは、個々のセル
の単純性および全体構造の規則性とは裏腹に、工夫次第
で全体として非常に複雑な情報処理をさせることが可能
であり、その応用範囲は広範である。
の単純性および全体構造の規則性とは裏腹に、工夫次第
で全体として非常に複雑な情報処理をさせることが可能
であり、その応用範囲は広範である。
【０００８】
【発明が解決しようとする課題】ところで、上述の提案
されたニューロン型セルラオートマトンは、Ｃｏｄｄの
手法にならい、３セル幅のセル列からなる信号伝搬路を
ニューロンの軸索および樹状突起として使用し、その中
心を各種信号を伝搬させるという方法をとっている。し
かし、この方法では信号伝搬路同士の干渉を防ぐため
に、信号伝搬路の間に空白セル部分を挟む必要があるた
め、平均２５％のセルがニューラルネットの動作に関与
せず、また信号伝搬路の幅も太いため、ネットワークの
密度が低く、セルラオートマトンの有効利用ができない
という欠点があった。
されたニューロン型セルラオートマトンは、Ｃｏｄｄの
手法にならい、３セル幅のセル列からなる信号伝搬路を
ニューロンの軸索および樹状突起として使用し、その中
心を各種信号を伝搬させるという方法をとっている。し
かし、この方法では信号伝搬路同士の干渉を防ぐため
に、信号伝搬路の間に空白セル部分を挟む必要があるた
め、平均２５％のセルがニューラルネットの動作に関与
せず、また信号伝搬路の幅も太いため、ネットワークの
密度が低く、セルラオートマトンの有効利用ができない
という欠点があった。
【０００９】また、提案された方法では、ニューラルネ
ット中の信号の強さを状態の違いで表わすという方法を
とっているため、セルが近傍のセルと相互にやり取りを
しなければならない情報量が多く、結果としてセルの状
態更新機構の複雑化を招くという欠点もあった。このよ
うに、従来のセルラオートマトン上のニューラルネット
装置ではセルの状態更新機構が複雑であり、またセルラ
オートマトンの使用効率が低いという問題点があった。
これはさらに電子回路などハードウェアでのニューロセ
ルラオートマトンの実装を図る上で、各セルの大きさの
増大およびニューラルネットの低密度化として反映さ
れ、装置の物理的規模の増大あるいはニューラルネット
の機能の低下という問題につながる。
ット中の信号の強さを状態の違いで表わすという方法を
とっているため、セルが近傍のセルと相互にやり取りを
しなければならない情報量が多く、結果としてセルの状
態更新機構の複雑化を招くという欠点もあった。このよ
うに、従来のセルラオートマトン上のニューラルネット
装置ではセルの状態更新機構が複雑であり、またセルラ
オートマトンの使用効率が低いという問題点があった。
これはさらに電子回路などハードウェアでのニューロセ
ルラオートマトンの実装を図る上で、各セルの大きさの
増大およびニューラルネットの低密度化として反映さ
れ、装置の物理的規模の増大あるいはニューラルネット
の機能の低下という問題につながる。
【００１０】それゆえに、この発明の主たる目的は、セ
ルの状態更新機構を簡単化し、かつ高密度なニューラル
ネットを構成できるようなニューロセルラオートマトン
および最適化装置を提供することである。
ルの状態更新機構を簡単化し、かつ高密度なニューラル
ネットを構成できるようなニューロセルラオートマトン
および最適化装置を提供することである。
【００１１】
【課題を解決するための手段】請求項１に係る発明は、
状態を保持する状態記憶手段を持つセルが多数個格子状
に配列され、各々のセルは状態記憶手段に保持されてい
る現在の自己のセルの状態とその近傍のセルの状態をも
とに次の状態を更新しかつすべてのセルの状態を同期し
て更新させる状態更新手段を備えたニューロセルラオー
トマトンにおいて、状態記憶手段は、他のセルに状態を
公開しない非公開記憶手段と、他のセルに状態を公開す
る公開状態記憶手段とを含み、状態更新手段は、非公開
記憶手段と公開記憶手段のそれぞれに対応する非公開更
新手段と公開更新手段とを含み、それぞれの状態更新手
段は自己のセルの状態および近傍のセルの公開状態に基
づいて、次の状態を決定する。
状態を保持する状態記憶手段を持つセルが多数個格子状
に配列され、各々のセルは状態記憶手段に保持されてい
る現在の自己のセルの状態とその近傍のセルの状態をも
とに次の状態を更新しかつすべてのセルの状態を同期し
て更新させる状態更新手段を備えたニューロセルラオー
トマトンにおいて、状態記憶手段は、他のセルに状態を
公開しない非公開記憶手段と、他のセルに状態を公開す
る公開状態記憶手段とを含み、状態更新手段は、非公開
記憶手段と公開記憶手段のそれぞれに対応する非公開更
新手段と公開更新手段とを含み、それぞれの状態更新手
段は自己のセルの状態および近傍のセルの公開状態に基
づいて、次の状態を決定する。
【００１２】請求項２に係る発明では、請求項１の公開
状態記憶手段は、自己のセルの近傍のセルの各々に対応
して公開状態を記憶する部分記憶領域を含み、状態更新
手段は各領域に対応して部分的に更新する部分更新手段
を含み、部分更新手段は自己のセルの状態および近傍の
セルの部分記憶領域に記憶されている自己のセルに対応
する公開状態に基づいて次の状態を決定する。
状態記憶手段は、自己のセルの近傍のセルの各々に対応
して公開状態を記憶する部分記憶領域を含み、状態更新
手段は各領域に対応して部分的に更新する部分更新手段
を含み、部分更新手段は自己のセルの状態および近傍の
セルの部分記憶領域に記憶されている自己のセルに対応
する公開状態に基づいて次の状態を決定する。
【００１３】請求項３に係る発明では、請求項１のセル
は神経細胞本体に相当する複数のニューロンセルと、生
成も何も生じない空白セルとを含み、空白セルの状態記
憶手段には空白状態が記憶されていて、ニューロンセル
の各々の部分あるいは公開状態記憶手段には神経細胞の
軸索あるいは樹状突起に相当する軸索成長信号と樹状突
起成長信号とを設定し、近傍のセルから軸索あるいは樹
状突起の成長信号を受取った空白状態のセルは、近傍の
セルからの成長信号を非公開状態記憶手段に記憶するこ
とで、受取った信号に応じて空白セルから軸索あるいは
樹状突起セルとなり、予め保持している成長情報に従っ
て近傍のセル以外のセルへの公開状態記憶手段に受取っ
た成長信号を設定する。
は神経細胞本体に相当する複数のニューロンセルと、生
成も何も生じない空白セルとを含み、空白セルの状態記
憶手段には空白状態が記憶されていて、ニューロンセル
の各々の部分あるいは公開状態記憶手段には神経細胞の
軸索あるいは樹状突起に相当する軸索成長信号と樹状突
起成長信号とを設定し、近傍のセルから軸索あるいは樹
状突起の成長信号を受取った空白状態のセルは、近傍の
セルからの成長信号を非公開状態記憶手段に記憶するこ
とで、受取った信号に応じて空白セルから軸索あるいは
樹状突起セルとなり、予め保持している成長情報に従っ
て近傍のセル以外のセルへの公開状態記憶手段に受取っ
た成長信号を設定する。
【００１４】請求項４に係る発明では、請求項２のセル
はニューロンセルと空白セルと軸索セルと樹状突起セル
とに分類されていて、軸索セルはニューロンセルが機能
動作信号を送り出す方向に向くセルであり、樹状突起セ
ルはニューロンセルに向かって機能動作信号を集めるセ
ルである。
はニューロンセルと空白セルと軸索セルと樹状突起セル
とに分類されていて、軸索セルはニューロンセルが機能
動作信号を送り出す方向に向くセルであり、樹状突起セ
ルはニューロンセルに向かって機能動作信号を集めるセ
ルである。
【００１５】請求項５に係る発明では、請求項４の軸索
セルは、信号を受ける１つの方向に入力ゲートを有し、
残りのすべての方向に出力ゲートを有していて、自己の
状態および入力ゲートに入力される機能動作信号に応じ
て各出力ゲートにそれぞれ機能動作信号を出力し、樹状
突起セルは信号を送り出す１つの方向に出力ゲートを有
し、残りのすべての方向に入力ゲートを有していて、自
己の状態および各入力ゲートに入力される機能動作信号
に応じて１つの方向に機能動作信号を出力する。
セルは、信号を受ける１つの方向に入力ゲートを有し、
残りのすべての方向に出力ゲートを有していて、自己の
状態および入力ゲートに入力される機能動作信号に応じ
て各出力ゲートにそれぞれ機能動作信号を出力し、樹状
突起セルは信号を送り出す１つの方向に出力ゲートを有
し、残りのすべての方向に入力ゲートを有していて、自
己の状態および各入力ゲートに入力される機能動作信号
に応じて１つの方向に機能動作信号を出力する。
【００１６】請求項６に係る発明では、さらに成長モー
ドと機能動作モードの２つのモードを有し、成長モード
においては、セルをニューロンセルと空白セルと軸索セ
ルと樹状突起セルに分類し、機能動作モードにおいて
は、軸索セルが機能動作信号を分配し、樹状突起セルが
機能動作信号を収集する。
ドと機能動作モードの２つのモードを有し、成長モード
においては、セルをニューロンセルと空白セルと軸索セ
ルと樹状突起セルに分類し、機能動作モードにおいて
は、軸索セルが機能動作信号を分配し、樹状突起セルが
機能動作信号を収集する。
【００１７】請求項７に係る発明は、複数のセルを格子
状に配列し、各セルにその近傍のセルの状態を表わす信
号を入力信号として入力できるようにセル間同士を相互
に結合したニューロセルラオートマトンを用いた最適化
装置であって、各セルは自己のセルの状態の公開する部
分と非公開の部分とを含む状態記憶手段と、それら各々
の状態記憶手段の部分に対応し、自己のセルの状態およ
び近傍のセルの公開状態に基づいて、次の状態を決定す
る状態更新手段とを含み、さらに対象とする問題をニュ
ーロセルラオートマトンに出力し、それに応じたニュー
ロセルラオートマトンの出力結果が入力される入出力部
と、対象とする問題とニューロセルラオートマトンの出
力結果を比較し、ニューロセルラオートマトンの対象と
する問題への適応度である評価値を算出する評価部と、
評価部で算出された評価値に基づいて、セルラオートマ
トンにおけるニューロセルラオートマトンの次の状態更
新手段の次の動作を決定し、それを表わすそれぞれの信
号をニューロセルラオートマトン，成長状態記憶手段お
よび状態更新手段に入力する評価値反映部とを備えて構
成される。
状に配列し、各セルにその近傍のセルの状態を表わす信
号を入力信号として入力できるようにセル間同士を相互
に結合したニューロセルラオートマトンを用いた最適化
装置であって、各セルは自己のセルの状態の公開する部
分と非公開の部分とを含む状態記憶手段と、それら各々
の状態記憶手段の部分に対応し、自己のセルの状態およ
び近傍のセルの公開状態に基づいて、次の状態を決定す
る状態更新手段とを含み、さらに対象とする問題をニュ
ーロセルラオートマトンに出力し、それに応じたニュー
ロセルラオートマトンの出力結果が入力される入出力部
と、対象とする問題とニューロセルラオートマトンの出
力結果を比較し、ニューロセルラオートマトンの対象と
する問題への適応度である評価値を算出する評価部と、
評価部で算出された評価値に基づいて、セルラオートマ
トンにおけるニューロセルラオートマトンの次の状態更
新手段の次の動作を決定し、それを表わすそれぞれの信
号をニューロセルラオートマトン，成長状態記憶手段お
よび状態更新手段に入力する評価値反映部とを備えて構
成される。
【００１８】請求項８に係る発明では、請求項７の評価
値反映部には遺伝的アルゴリズムが用いられる。
値反映部には遺伝的アルゴリズムが用いられる。
【００１９】
【発明の実施の形態】図１はこの発明の一実施形態によ
るニューロン型オートマトンを用いた最適化装置の概略
ブロック図である。図１を参照して、３つのセルラオー
トマトン２ａ，２ｂ，２ｃによって構成されたセルラオ
ートマトン１が設けられる。各セルラオートマトン２
ａ，２ｂ，２ｃは、自己のセル３０と自己のセル３０の
周囲に４つのセルとしてのＮ（北）セル３１と、Ｅ
（東）セル３２と、Ｓ（南）セル３３と、Ｗ（西）セル
３４の状態が入力信号として入力されるように、格子状
に相互結合されている。各セル３０〜３４は、状態記憶
手段としての状態保持機構４と状態更新手段としての状
態更新機構５とを有している。状態保持機構４は各セル
を成長させるための状態を記憶するメモリとそのメモリ
の内容を書換えるための電子回路を含み、状態更新機構
５は自己のセルと近傍のセルの状態に基づいて、次の状
態を更新する。
るニューロン型オートマトンを用いた最適化装置の概略
ブロック図である。図１を参照して、３つのセルラオー
トマトン２ａ，２ｂ，２ｃによって構成されたセルラオ
ートマトン１が設けられる。各セルラオートマトン２
ａ，２ｂ，２ｃは、自己のセル３０と自己のセル３０の
周囲に４つのセルとしてのＮ（北）セル３１と、Ｅ
（東）セル３２と、Ｓ（南）セル３３と、Ｗ（西）セル
３４の状態が入力信号として入力されるように、格子状
に相互結合されている。各セル３０〜３４は、状態記憶
手段としての状態保持機構４と状態更新手段としての状
態更新機構５とを有している。状態保持機構４は各セル
を成長させるための状態を記憶するメモリとそのメモリ
の内容を書換えるための電子回路を含み、状態更新機構
５は自己のセルと近傍のセルの状態に基づいて、次の状
態を更新する。
【００２０】図２は図１のニューロン型セルラオートマ
トンの各セルにおける状態導出の原理を示す図である。
図２に示すように、自己の現在の状態が９である中央の
セルにおいて、自己の状態９とＮ，Ｅ，Ｓ，Ｗのセルの
状態１８，１６，１１，５によって自己の次の状態４が
導出される。このように、状態を保持するのが状態機構
４であり、状態を更新するのが状態更新機構５である。
トンの各セルにおける状態導出の原理を示す図である。
図２に示すように、自己の現在の状態が９である中央の
セルにおいて、自己の状態９とＮ，Ｅ，Ｓ，Ｗのセルの
状態１８，１６，１１，５によって自己の次の状態４が
導出される。このように、状態を保持するのが状態機構
４であり、状態を更新するのが状態更新機構５である。
【００２１】図１において、ある状態になっている各セ
ルラオートマトン２ａ，２ｂ，２ｃに対象とする問題を
表わす信号７を入力する入出力部６が設けられている。
そのため、入出力部６には対象とする問題を表わす信号
７が入力されていて、それを各セルラオートマトン２
ａ，２ｂ，２ｃに出力し、逆に、その出力に応じた各セ
ルラオートマトン２ａ，２ｂ，２ｃの出力結果を表わす
信号９ａ，９ｂ，９ｃが入出力部６に入力されている。
また、入出力部６の出力が入力される評価部８が設けら
れ、各セルラオートマトン２ａ，２ｂ，２ｃの出力結果
を表わす信号９ａ，９ｂ，９ｃと対象とする問題を表わ
す信号７がこの評価部８に入力される。
ルラオートマトン２ａ，２ｂ，２ｃに対象とする問題を
表わす信号７を入力する入出力部６が設けられている。
そのため、入出力部６には対象とする問題を表わす信号
７が入力されていて、それを各セルラオートマトン２
ａ，２ｂ，２ｃに出力し、逆に、その出力に応じた各セ
ルラオートマトン２ａ，２ｂ，２ｃの出力結果を表わす
信号９ａ，９ｂ，９ｃが入出力部６に入力されている。
また、入出力部６の出力が入力される評価部８が設けら
れ、各セルラオートマトン２ａ，２ｂ，２ｃの出力結果
を表わす信号９ａ，９ｂ，９ｃと対象とする問題を表わ
す信号７がこの評価部８に入力される。
【００２２】評価部８では、入力された各セルラオート
マトン２ａ，２ｂ，２ｃの出力結果を表わす信号９ａ，
９ｂ，９ｃが対象とする問題７にどの程度適用したかを
表わす適用度が演算され、その演算結果である評価値を
表わす信号１０が評価部８の出力として評価反映部１１
に入力される。評価反映部１１の出力は、入力された評
価値を表わす信号１０に基づく次の各セルラオートマト
ンの初期状態ならびに次の状態保持機構４および状態更
新機構５の動作が決定された結果を表わす信号１２であ
り、セルラオートマトン２ａ，２ｂ，２ｃのそれぞれに
入力される。
マトン２ａ，２ｂ，２ｃの出力結果を表わす信号９ａ，
９ｂ，９ｃが対象とする問題７にどの程度適用したかを
表わす適用度が演算され、その演算結果である評価値を
表わす信号１０が評価部８の出力として評価反映部１１
に入力される。評価反映部１１の出力は、入力された評
価値を表わす信号１０に基づく次の各セルラオートマト
ンの初期状態ならびに次の状態保持機構４および状態更
新機構５の動作が決定された結果を表わす信号１２であ
り、セルラオートマトン２ａ，２ｂ，２ｃのそれぞれに
入力される。
【００２３】ここまでの構成と動作は、先に提案したニ
ューロン型セルラオートマトンと共通している。次に、
先に提案したニューロン型セルラオートマトンとこの発
明の一実施形態におけるニューロン型セルラオートマト
ンとを比較して説明する。
ューロン型セルラオートマトンと共通している。次に、
先に提案したニューロン型セルラオートマトンとこの発
明の一実施形態におけるニューロン型セルラオートマト
ンとを比較して説明する。
【００２４】図３は状態保持機構を示す図であり、図４
は状態更新機構を示す図である。図３（ａ）は従来例で
あり、（ｂ）はこの発明の一実施形態を示す。従来は図
３（ａ）に示すように、状態は１６ビットで各セルに保
持されており、各セルは１６ビットのすべての状態を周
囲のセルに公開しているのに対して、この実施形態で
は、１６ビットのうち８ビットのみを近傍のセルに公開
し、残りの８ビットを非公開にしている。
は状態更新機構を示す図である。図３（ａ）は従来例で
あり、（ｂ）はこの発明の一実施形態を示す。従来は図
３（ａ）に示すように、状態は１６ビットで各セルに保
持されており、各セルは１６ビットのすべての状態を周
囲のセルに公開しているのに対して、この実施形態で
は、１６ビットのうち８ビットのみを近傍のセルに公開
し、残りの８ビットを非公開にしている。
【００２５】一方、従来の状態更新機構は図４（ａ）に
示すように、自己のセルと近傍の４つのセルから各１６
ビットの入力を受け、１６ビットの出力を導出している
が、この実施形態では、図４（ｂ）に示すように、自己
のセルと近傍の４つのセルから８ビットの入力を受け、
８ビットの出力を導出するものが、非公開用と公開用の
２個設けられる。このように、状態保持機構４と状態更
新機構５とを非公開用と公開用とに分割することによっ
て、それぞれの機構を簡単化できる。
示すように、自己のセルと近傍の４つのセルから各１６
ビットの入力を受け、１６ビットの出力を導出している
が、この実施形態では、図４（ｂ）に示すように、自己
のセルと近傍の４つのセルから８ビットの入力を受け、
８ビットの出力を導出するものが、非公開用と公開用の
２個設けられる。このように、状態保持機構４と状態更
新機構５とを非公開用と公開用とに分割することによっ
て、それぞれの機構を簡単化できる。
【００２６】図５はこの発明の第２の実施形態の状態保
持機構を示すブロック図である。図５において、状態保
持機構４１は非公開用の８ビットと周囲のＮ，Ｅ，Ｓ，
Ｗの４つのセルに対応する公開用の２ビットからなって
いる。
持機構を示すブロック図である。図５において、状態保
持機構４１は非公開用の８ビットと周囲のＮ，Ｅ，Ｓ，
Ｗの４つのセルに対応する公開用の２ビットからなって
いる。
【００２７】図６はこの発明の第２の実施形態の状態更
新機構を示すブロック図である。図６において、状態更
新機構は、図６（ａ）に示す公開状態更新機構５１と図
６（ｂ）に示す非公開状態更新機構５２とからなってい
る。公開状態更新機構５１は合計２４ビットの入力で
Ｎ，Ｅ，Ｓ，Ｗの各セルに対して２ビットを出力するた
めに４個設けられ、非公開状態更新機構５２は合計２４
ビットの入力から８ビットのデータを自己のセルの次の
非公開状態とするために１個設けられる。
新機構を示すブロック図である。図６において、状態更
新機構は、図６（ａ）に示す公開状態更新機構５１と図
６（ｂ）に示す非公開状態更新機構５２とからなってい
る。公開状態更新機構５１は合計２４ビットの入力で
Ｎ，Ｅ，Ｓ，Ｗの各セルに対して２ビットを出力するた
めに４個設けられ、非公開状態更新機構５２は合計２４
ビットの入力から８ビットのデータを自己のセルの次の
非公開状態とするために１個設けられる。
【００２８】図７はこの発明の第３の実施形態の状態保
持機構を示すブロック図である。この図７に示した状態
保持機構４２は、前述の図５に示した状態保持機構４１
と同様にして、公開部分は２ビット×４で構成され、さ
らに非公開部分がセルタイプ部分４２１が２ビット，ゲ
ート部分４２２が２ビット，成長情報部分４２３のため
の３ビットおよび未使用部分４２４の１ビットからなっ
ている。
持機構を示すブロック図である。この図７に示した状態
保持機構４２は、前述の図５に示した状態保持機構４１
と同様にして、公開部分は２ビット×４で構成され、さ
らに非公開部分がセルタイプ部分４２１が２ビット，ゲ
ート部分４２２が２ビット，成長情報部分４２３のため
の３ビットおよび未使用部分４２４の１ビットからなっ
ている。
【００２９】図７の非公開部分は、次のように意味づけ
されている。セルタイプの部分４２１には、 ００＝０：空白セル ０１＝１：軸索セル １０＝２：樹状突起セル １１＝３：ニューロンセル が設定される。ここで、空白セルは成長も何も生じない
セルであり、軸索セルはニューロンセルから動作信号を
送り出す方向に向くセルである。すなわち、軸索セル
は、動作信号伝搬の上流となる１つの方向に入力ゲート
を有し、残りの３つの方向に出力ゲートを有しており、
自己の状態および入力ゲートに入力される状態に応じ
て、他の３つの方向に動作信号を出力する。また、樹状
突起セルは、ニューロンセルに向かって動作信号を集め
るセルである。すなわち、樹状突起セルは、動作信号伝
搬の上流となる３つの方向に入力ゲートを有し、伝搬先
となる方向に１つの出力ゲートを有し、他の３つの方向
から動作信号を受け、自己の状態と他の３つのセルの状
態に応じて１つの方向に動作信号を出力する。ニューロ
ンセルは、神経細胞の本体となるセルである。
されている。セルタイプの部分４２１には、 ００＝０：空白セル ０１＝１：軸索セル １０＝２：樹状突起セル １１＝３：ニューロンセル が設定される。ここで、空白セルは成長も何も生じない
セルであり、軸索セルはニューロンセルから動作信号を
送り出す方向に向くセルである。すなわち、軸索セル
は、動作信号伝搬の上流となる１つの方向に入力ゲート
を有し、残りの３つの方向に出力ゲートを有しており、
自己の状態および入力ゲートに入力される状態に応じ
て、他の３つの方向に動作信号を出力する。また、樹状
突起セルは、ニューロンセルに向かって動作信号を集め
るセルである。すなわち、樹状突起セルは、動作信号伝
搬の上流となる３つの方向に入力ゲートを有し、伝搬先
となる方向に１つの出力ゲートを有し、他の３つの方向
から動作信号を受け、自己の状態と他の３つのセルの状
態に応じて１つの方向に動作信号を出力する。ニューロ
ンセルは、神経細胞の本体となるセルである。
【００３０】また、ゲートの部分４２２には、 ００＝０：Ｎ ０１＝１：Ｅ １０＝２：Ｓ １１＝３：Ｗ が設定される。ここで、Ｎは北，Ｅは東、Ｓは南，Ｗは
西を表わし、軸索セルの唯一の入力ゲートの方向あるい
は樹状突起セルの唯一の出力ゲートの方向を示してい
る。
西を表わし、軸索セルの唯一の入力ゲートの方向あるい
は樹状突起セルの唯一の出力ゲートの方向を示してい
る。
【００３１】また、成長情報の部分４２３には、次の情
報が設定される。 ０００＝０：成長停止 １００＝４：左折 ０１０＝２：直進 ００１＝１：右折 １１０＝６：左分岐（左方と前方に分岐） ０１１＝３：右分岐（右方と前方に分岐） １０１＝５：Ｔ字分岐（左方と右方に分岐） １１１＝７：３方向分岐（左方と前方と右方に分岐） また、図７の各公開部分４２５〜４２８は、次のように
意味付けされている。成長モードにおいては、 ００＝０：成長信号がない。
報が設定される。 ０００＝０：成長停止 １００＝４：左折 ０１０＝２：直進 ００１＝１：右折 １１０＝６：左分岐（左方と前方に分岐） ０１１＝３：右分岐（右方と前方に分岐） １０１＝５：Ｔ字分岐（左方と右方に分岐） １１１＝７：３方向分岐（左方と前方と右方に分岐） また、図７の各公開部分４２５〜４２８は、次のように
意味付けされている。成長モードにおいては、 ００＝０：成長信号がない。
【００３２】０１＝１：軸索成長信号 １０＝２：樹状突起成長信号 １１＝３：未使用 が設定される。
【００３３】機能動作モードでは、信号の強さを表わす
２進数が設定される。図８はこの発明の第３の実施形態
の動作を説明するための図であり、図９は図８に示した
ニューロンセルの状態保持機構における状態の変化を示
す図であり、図１０はニューロンセルが成長信号を出し
ている様子を示す図である。
２進数が設定される。図８はこの発明の第３の実施形態
の動作を説明するための図であり、図９は図８に示した
ニューロンセルの状態保持機構における状態の変化を示
す図であり、図１０はニューロンセルが成長信号を出し
ている様子を示す図である。
【００３４】次に、図７〜図１０を参照して、この発明
の第３の実施形態の動作について説明する。まず、図８
に示す斜線のように２個のニューロンセル２０，２１が
配置されているものとする。これらのニューロンセル２
０，２１の状態保持機構４２の２ビットのセルタイプ部
分４２１にはニューロンセルを示す１１＝３が格納され
ている。その状態を図９（ａ）に示す。
の第３の実施形態の動作について説明する。まず、図８
に示す斜線のように２個のニューロンセル２０，２１が
配置されているものとする。これらのニューロンセル２
０，２１の状態保持機構４２の２ビットのセルタイプ部
分４２１にはニューロンセルを示す１１＝３が格納され
ている。その状態を図９（ａ）に示す。
【００３５】また、ニューロンセル２０，２１以外のセ
ルの状態保持機構４３のセルタイプ用の部分４３１に
は、図９（ｃ）に示すように、空白を示す００＝０が格
納されている。ニューロンセル以外のセルの状態保持機
構４３の中の成長情報用の部分４３３には、図９（ｃ）
に示すように、直進を示す０１０＝２などが設定されて
いる。
ルの状態保持機構４３のセルタイプ用の部分４３１に
は、図９（ｃ）に示すように、空白を示す００＝０が格
納されている。ニューロンセル以外のセルの状態保持機
構４３の中の成長情報用の部分４３３には、図９（ｃ）
に示すように、直進を示す０１０＝２などが設定されて
いる。
【００３６】図８に示した２個のニューロンセル２０，
２１は、たとえば図１０に示すように成長信号を出力す
る。すなわち、ニューロンセル２１は、図９（ｂ）に示
す状態保持機構の公開部分のＮセルおよびＳセルの部分
４２５，４２７に軸索成長信号を示す０１＝１が設定さ
れており、またＥセルおよびＷセルの部分４２６，４２
８には樹状突起成長信号を示す１０＝２が設定されてい
る。このため、ニューロンセル２１は図１０に示すよう
に成長信号を出力する。すなわち、ニューロンセル２１
はＮ方向およびＳ方向に軸索成長信号を出力し、Ｅ方向
およびＷ方向に樹状突起成長信号を出力する。
２１は、たとえば図１０に示すように成長信号を出力す
る。すなわち、ニューロンセル２１は、図９（ｂ）に示
す状態保持機構の公開部分のＮセルおよびＳセルの部分
４２５，４２７に軸索成長信号を示す０１＝１が設定さ
れており、またＥセルおよびＷセルの部分４２６，４２
８には樹状突起成長信号を示す１０＝２が設定されてい
る。このため、ニューロンセル２１は図１０に示すよう
に成長信号を出力する。すなわち、ニューロンセル２１
はＮ方向およびＳ方向に軸索成長信号を出力し、Ｅ方向
およびＷ方向に樹状突起成長信号を出力する。
【００３７】図１０に示したニューロンセル２１のＳ側
のセルが軸索成長信号を受取ったときの動作の様子を図
９（ｄ）に示す。まず、セルタイプの部分４３１が空白
を示す００＝０から軸索を表わす０１＝１に変わる。ま
た、このセルはＮ側から成長信号を受取るので、ゲート
用の部分４３２にはＮを表わす００＝０が設定される。
さらに、このセルの成長情報は直進なので、Ｓ側セルの
公開部分で受取ったと同じ軸索成長情報０１を与える。
この成長は連鎖的に進む。
のセルが軸索成長信号を受取ったときの動作の様子を図
９（ｄ）に示す。まず、セルタイプの部分４３１が空白
を示す００＝０から軸索を表わす０１＝１に変わる。ま
た、このセルはＮ側から成長信号を受取るので、ゲート
用の部分４３２にはＮを表わす００＝０が設定される。
さらに、このセルの成長情報は直進なので、Ｓ側セルの
公開部分で受取ったと同じ軸索成長情報０１を与える。
この成長は連鎖的に進む。
【００３８】図１１は図１０に示したニューロンセルが
軸索および樹状突起を成長させた様子を示す図である。
図１１に示すように、セルラオートマトン上のすべての
セルは空白，軸索，樹状突起，ニューロンの４つのセル
に分類される。この分類は図７に示される状態保持機構
のセルタイプの部分４２１の値によって決定される。
軸索および樹状突起を成長させた様子を示す図である。
図１１に示すように、セルラオートマトン上のすべての
セルは空白，軸索，樹状突起，ニューロンの４つのセル
に分類される。この分類は図７に示される状態保持機構
のセルタイプの部分４２１の値によって決定される。
【００３９】図１２は軸索セルの動作信号伝搬を示す図
であり、図１３は樹状突起セルの動作信号伝搬を示す図
である。図１２に示す軸索セル２２は、その入力ゲート
はＷ側のセルであり、これは図７に示すゲートの部分４
２２にＷを示す１１＝３を設定することによって決定さ
れる。この軸索セル２２はＷ側のセルから受取った信号
をそのままＮ，Ｅ，Ｓのセルへの公開部分４２５〜４２
７に設定する。すなわち、軸索セル２２は、自己のセル
の状態およびゲートセルの公開部分の値をもとにゲート
セル以外に対応する公開状態を更新する機構を有してい
る。
であり、図１３は樹状突起セルの動作信号伝搬を示す図
である。図１２に示す軸索セル２２は、その入力ゲート
はＷ側のセルであり、これは図７に示すゲートの部分４
２２にＷを示す１１＝３を設定することによって決定さ
れる。この軸索セル２２はＷ側のセルから受取った信号
をそのままＮ，Ｅ，Ｓのセルへの公開部分４２５〜４２
７に設定する。すなわち、軸索セル２２は、自己のセル
の状態およびゲートセルの公開部分の値をもとにゲート
セル以外に対応する公開状態を更新する機構を有してい
る。
【００４０】一方、図１３に示す樹状突起セル２３は、
その出力ゲートがＮ側のセルである。これは図７に示さ
れるゲートの部分４２２にＮを示す００＝０を設定する
ことで決定される。この樹状突起セル２３はＥ，Ｓ，Ｗ
側のセルから受取った信号をもとに演算を行ない、Ｎセ
ルへの開放部分４２５に設定する更新機構を有してい
る。
その出力ゲートがＮ側のセルである。これは図７に示さ
れるゲートの部分４２２にＮを示す００＝０を設定する
ことで決定される。この樹状突起セル２３はＥ，Ｓ，Ｗ
側のセルから受取った信号をもとに演算を行ない、Ｎセ
ルへの開放部分４２５に設定する更新機構を有してい
る。
【００４１】次に、遺伝アルゴリズムについて説明す
る。たとえばニューロセルラオートマトン２ａ，２ｂ，
２ｃは始めに、ニューロンセル，空白セル中の成長情報
などがランダムな初期状態で設定されているとする。ラ
ンダムな初期状態で設定されたセルラオートマトン２
ａ，２ｂ，２ｃは、成長モードで動作し、あるニューラ
ルネットになる。そして、あるニューラルネットになっ
た各セルラオートマトン２ａ，２ｂ，２ｃを機能動作モ
ードで動作させ、その出力結果を表わす信号９ａ，９
ｂ，９ｃと対象とする問題を表わす信号７とが評価部８
で比較され、その評価値を表わす信号１０が評価反映部
１１に入力される。評価反映部１１は、評価すべきセル
ラオートマトンを２つ選択し、それに基づいて、各セル
ラオートマトン２ａ，２ｂ，２ｃのニューロンセル，空
白セル中の成長情報などの初期状態を決定する。その決
定は、最も評価すべき２つのセルラオートマトンの初期
状態に基づいて、残りのセルラオートマトンの初期状態
をそれら２つの初期状態の部分ごとの組みかえ、および
少数のランダムな改変を施した状態で設定する。そし
て、各セルラオートマトンを成長および機能動作させる
過程をまた行なう。このような過程を繰返すことによ
り、セルラオートマトンは初期状態が初めのうちにかな
り異なっていたものの、次第に初期状態の異なりが小さ
くなってくるとともに対象とする問題に適応した状態に
なる。
る。たとえばニューロセルラオートマトン２ａ，２ｂ，
２ｃは始めに、ニューロンセル，空白セル中の成長情報
などがランダムな初期状態で設定されているとする。ラ
ンダムな初期状態で設定されたセルラオートマトン２
ａ，２ｂ，２ｃは、成長モードで動作し、あるニューラ
ルネットになる。そして、あるニューラルネットになっ
た各セルラオートマトン２ａ，２ｂ，２ｃを機能動作モ
ードで動作させ、その出力結果を表わす信号９ａ，９
ｂ，９ｃと対象とする問題を表わす信号７とが評価部８
で比較され、その評価値を表わす信号１０が評価反映部
１１に入力される。評価反映部１１は、評価すべきセル
ラオートマトンを２つ選択し、それに基づいて、各セル
ラオートマトン２ａ，２ｂ，２ｃのニューロンセル，空
白セル中の成長情報などの初期状態を決定する。その決
定は、最も評価すべき２つのセルラオートマトンの初期
状態に基づいて、残りのセルラオートマトンの初期状態
をそれら２つの初期状態の部分ごとの組みかえ、および
少数のランダムな改変を施した状態で設定する。そし
て、各セルラオートマトンを成長および機能動作させる
過程をまた行なう。このような過程を繰返すことによ
り、セルラオートマトンは初期状態が初めのうちにかな
り異なっていたものの、次第に初期状態の異なりが小さ
くなってくるとともに対象とする問題に適応した状態に
なる。
【００４２】
【発明の効果】以上のように、この発明によれば、他の
セルに公開する部分と非公開の部分を更新状態記憶手段
に持たせ、さらに公開する部分も他の各々のセルごとに
分け、自己のセルの状態および近傍のセルが自己のセル
に公開している状態に基づいて、次の状態を決定するよ
うにしたので、信号伝搬路間の不必要な干渉をなくし、
ニューラルネットを高密度で構成できる。
セルに公開する部分と非公開の部分を更新状態記憶手段
に持たせ、さらに公開する部分も他の各々のセルごとに
分け、自己のセルの状態および近傍のセルが自己のセル
に公開している状態に基づいて、次の状態を決定するよ
うにしたので、信号伝搬路間の不必要な干渉をなくし、
ニューラルネットを高密度で構成できる。
【００４３】また、軸索セルはニューロンセルから信号
を送り出す方向に向くようにセルを成長させることがで
き、樹状突起セルはニューロンセルに向かって信号を集
めるようにして状態を更新させることができる。
を送り出す方向に向くようにセルを成長させることがで
き、樹状突起セルはニューロンセルに向かって信号を集
めるようにして状態を更新させることができる。
【図１】この発明の一実施形態によるニューロン型オー
トマトンを用いた最適化装置の概略ブロック図である。
トマトンを用いた最適化装置の概略ブロック図である。
【図２】図１のニューロン型セルラオートマトンの各セ
ルにおける状態導出の原理を示す図である。
ルにおける状態導出の原理を示す図である。
【図３】状態保持機構の一例を示す図である。
【図４】状態更新機構の一例を示す図である。
【図５】この発明の第２の実施形態の状態保持機構を示
すブロック図である。
すブロック図である。
【図６】この発明の第２の実施形態の状態更新機構を示
すブロック図である。
すブロック図である。
【図７】この発明の第３の実施形態の状態保持機構を示
すブロック図である。
すブロック図である。
【図８】この発明の第３の実施形態の動作を説明するた
めの図である。
めの図である。
【図９】図８に示したニューロンセルの状態保持機構に
おける状態の変化を示す図である。
おける状態の変化を示す図である。
【図１０】ニューロンセルが成長信号を出している様子
を示す図である。
を示す図である。
【図１１】図１０に示したニューロンセルが軸索および
樹状突起を成長させた様子を示す図である。
樹状突起を成長させた様子を示す図である。
【図１２】軸索セルの成長を示す図である。
【図１３】樹状突起セルの成長を示す図である。
１，２ａ〜２ｃ セルラオートマトン ４，４１〜４３ 状態保持機構 ５ 状態更新機構 ６ 入出力部 ８ 評価部 １１ 評価反映部 ５１ 公開状態更新機構 ５２ 非公開状態更新機構
───────────────────────────────────────────────────── フロントページの続き (72)発明者 邊見 均 京都府相楽郡精華町大字乾谷小字三平谷 ５番地 株式会社エイ・ティ・アール人 間情報通信研究所内 (56)参考文献 Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ 1062 1996 ｐ78−98 Ｈｕｇｏ ｄｅ Ｇａｒｉｓ「Ｔｈｅ Ｅｖｏｌｕｔｉ ｏｎａｒｙ Ｅｎｇｉｎｅｅｒｉｎｇ ｏｆ ａ Ｂｉｌｌｉｏｎ Ｎｅｕｒｏ ｎ Ａｒｔｉｆｉｃｉａｌ Ｂｒａｉｎ ｂｙ 2001 Ｗｈｉｃｈ Ｇｒｏｗｓ ／Ｅｖｏｌｖｅｓ ａｔ Ｅｌｅｃｔｒ ｏｎｉｃ Ｓｐｅｅｄｓ Ｉｎｓｉｄｅ ａ Ｃｅｌｌｕｌａｒ Ａｕｔｏｍａ ｔａ Ｍａｃｈｉｎｅ（ＣＡＭ）」 Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉ ｇｅｎｃｅ 1152 1996 ｐ215−243 Ｈｕｇｏ ｄｅ Ｇａｒｉｓ「“ＣＡＭ −Ｂｒａｉｎ”ＡＴＲ’ｓ Ｂｉｌｌｉ ｏｎ Ｎｅｕｒｏｎ Ａｒｔｉｆｉｃｉ ａｌ Ｂｒａｉｎ Ｐｒｏｊｅ ｃｔ Ａ Ｔｈｒｅｅ Ｙｅａｒ Ｐｒｏｇｒ ｅｓｓ Ｒｅｐｏｒｔ」 Ｐｒｏｇｒｅｓｓ ｉｎ Ｎｅｕｒａ ｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃ ｅｓｓｉｎｇ Ｓｅｐｔｅｍｂｅｒ 24 −27 1996 Ｖｏｌｕｍｅ ２ ｐ1049 −1054 Ｈｕｇｏ ｄｅ Ｇａｒｉｓ 「“ＣＡＭ−ＢＲＡＩＮ”ＡＴＲ’ｓ ＢＩＬＬＩＯＮ ＮＥＵＲＯＮ ＡＲＴ ＩＦＩＣＩＡＬ ＢＲＡＩＮ ＰＲＯＪ ＥＣＴ」 ＮＥＷ ＧＥＮＥＲＡＴＩＯＮ ＣＯ ＭＰＵＴＩＮＧ Ｖｏｌ．12 Ｎｏ．２ 1994 ｐ215−221 Ｈｕｇｏ ｄｅ Ｇａｒｉｓ 「Ａｎ Ａｒｔｉｆｉｃｉ ａｌ Ｂｒａｉｎ ＡＴＲ’ｓ ＣＡＭ −Ｂｒａｉｎ Ｐｒｏｊｅｃｔ Ａｉｍ ｓ ｔｏ Ｂｕｉｌｄ／Ｅｖｏｌｖｅ ａｎ Ａｒｔｉｆｉｃｉａｌ Ｂｒａｉ ｎ ｗｉｔｈ ａ Ｍｉｌｌｉｏｎ Ｎ ｅｕｒａｌ Ｎｅｔ Ｍｏｄｕｌｅｓ Ｉｎｓｉｄｅ ａＴｒｉｌｌｉｏｎ Ｃ ｅｌｌ Ｃｅｌｌｕｌａｒ Ａｕｔｏｍ ａｔａ Ｍａｃｈｉｎｅ 」 人工知能学会研究会資料ＪＳＡＩ Ｔ ｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ ＳＩ Ｇ−ＰＰＡＩ−9401−６（４／９）1994 Ｐ32−40 Ｈｕｇｏ ｄｅ Ｇａｒｉ ｓ「Ｔｈｅ“ＣＡＭ−Ｂｒａｉｎ”Ｐｒ ｏｊｅｃｔ Ｔｈｅ Ｇｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇ ｏｆ ａ Ｂ ｉｌｌｉｏｎ Ｎｅｕｒｏｎ Ａｒｔｉ ｆｉｃｈｉａｌ Ｂｒａｉｎ ｗｈｉｃ ｈ Ｇｒｏｗｓ／Ｅｖｏｌｖｅｓ ａｔ Ｅｌｅｃｔｒｏｎｉｃ Ｓｐｅｅｄｓ ｉｎ ａ Ｃｅｌｌｕｌａｒ Ａｕｔ ｏｍａｔａ Ｍａｃｈｉｎｅ」 1994 ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＣＯＮＦＥＲＥＮＣＥ ＯＮ ＮＥＵＲ ＡＬ ＮＥＴＷＯＲＫＳ ＶＯＬ．３ ｐ1714−1720 Ｈｕｇｏ ｄｅ Ｇａｒ ｉｓ「Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ｓｃ ａｌｉｎｇ Ｉｓｓｕｅｓ Ｃｏｎｃｅ ｒｎｉｎｇ ｔｈｅ Ｇｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇ ｏｆ ａ Ｃ ｅｌｌｕｌａｒ Ａｕｔｏｍａｔａ Ｂ ａｓｅｄ Ａｒｔｉｆｉｃｉａｌ ＢＲ ＡＩＮ」 計測と制御 ＶＯＬ．33 Ｎｏ．２ 1994 ｐ128−134 Ｈｕｇｏ ｄｅ Ｇ ａｒｉｓ 「ＧＡＭ ＢＲＡＩＮ Ｇｒ ｏｗｉｎｇ ａｎ Ａｒｔｉｆｉｃｉａ ｌ Ｂｒａｉｎ ｗｉｔｈ Ｍｉｌｌｉ ｏｎ Ｎｅｕｒａｌ Ｎｅｔ Ｍｏｄｕ ｌｅｓ Ｉｎｓｉｄｅ ａ Ｔｒｉｌｌ ｉｏｎ Ｃｅｌｌ Ｃｅｌｌｕｌａｒ Ａｕｔｏｍａｔａ Ｍａｃｈｉｎｅ」 (58)調査した分野(Int.Cl.7，ＤＢ名) G06G 15/18 550 G06G 7/00 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (8)
- 【請求項１】 状態を保持する状態記憶手段を持つセル
が多数個格子状に配列され、各々のセルは前記状態記憶
手段に保持されている現在の自己のセルの状態と、その
近傍のセルの状態をもとに次の状態を更新しかつすべて
のセルの状態を同期して更新させる状態更新手段を備え
たニューロセルラオートマトンにおいて、 前記状態記憶手段は、他のセルに状態を公開しない非公
開記憶手段と、他のセルに状態を公開する公開状態記憶
手段とを含み、 前記状態更新手段は、前記非公開記憶手段と前記公開記
憶手段のそれぞれに対応する非公開更新手段と公開更新
手段とを含み、それぞれの状態更新手段は自己のセルの
状態および近傍のセルの公開状態に基づいて、次の状態
を決定することを特徴とする、ニューロセルラオートマ
トン。 - 【請求項２】 前記公開状態記憶手段は、自己のセルの
近傍のセルの各々に対応して公開状態を記憶する部分記
憶領域を含み、 前記状態更新手段は、前記各領域に対応して部分的に更
新する部分更新手段を含み、 前記部分更新手段は、自己のセルの状態および近傍のセ
ルの前記部分記憶領域に記憶されている自己のセルに対
応する公開状態に基づいて、次の状態を決定することを
特徴とする、請求項１のニューロセルラオートマトン。 - 【請求項３】 前記セルは神経細胞本体に相当する複数
のニューロンセルと、生成も何も生じない空白セルとを
含み、 前記空白セルの状態記憶手段には空白状態が記憶されて
いて、 前記ニューロンセルの各々の部分あるいは公開状態記憶
手段には前記神経細胞の軸索あるいは樹状突起に相当す
る軸索成長信号あるいは樹状突起成長信号とを設定し、 近傍のセルから軸索あるいは樹状突起の成長信号を受取
った空白状態のセルは、前記近傍のセルからの成長信号
を前記非公開状態記憶手段に記憶することで、受取った
信号に応じて、空白セルから軸索あるいは樹状突起セル
となり、予め保持している成長情報に従って前記近傍の
セル以外のセルへの公開状態記憶手段に前記受取った成
長信号を設定することを特徴とする、請求項２のニュー
ロセルラオートマトン。 - 【請求項４】 前記セルは前記ニューロンセルと、前記
空白セルと、前記軸索セルと、前記樹状突起セルとに分
類されていて、 前記軸索セルは前記ニューロンセルが機能動作信号を送
り出す方向に向くセルであり、 前記樹状突起セルは、前記ニューロンセルに向かって機
能動作信号を集めるセルであることを特徴とする、請求
項２のニューロセルラオートマトン。 - 【請求項５】 前記軸索セルは、信号を受ける１つの方
向に入力ゲートを有し、残りのすべての方向に出力ゲー
トを有していて、自己の状態および前記入力ゲートに入
力される機能動作信号に応じて前記各出力ゲートにそれ
ぞれ機能動作信号を出力し、 前記樹状突起セルは、信号を送り出す１つの方向に出力
ゲートを有し、残りのすべての方向に入力ゲートを有し
ていて、自己の状態および前記各入力ゲートに入力され
る機能動作信号に応じて前記１つの方向に機能動作信号
を出力することを特徴とする、請求項４のニューロセル
ラオートマトン。 - 【請求項６】 さらに、成長モードと機能動作モードの
２つのモードを有し、 前記成長モードにおいては、前記セルを前記ニューロン
セルと前記空白セルと前記軸索セルと前記樹状突起セル
に分類し、 前記機能動作モードにおいては、前記軸索セルが機能動
作信号を分配し、樹状突起セルは機能動作信号を収集す
ることを特徴とする、請求項３または５のニューロセル
ラオートマトン。 - 【請求項７】 複数のセルを格子状に配列し、前記各セ
ルにその近傍のセルの状態を表わす信号を入力信号とし
て入力できるようにセル間同士を相互に結合したニュー
ロセルラオートマトンを用いた最適化装置であって、 前記各セルは、 自己のセルの状態の公開する部分と非公開の部分とを含
む状態記憶手段と、 それら各々の状態記憶手段の部分に対応し、自己のセル
の状態および前記近傍のセルの公開状態に基づいて、次
の状態を決定する状態更新手段とを含み、 対象とする問題を前記ニューロセルラオートマトンに出
力し、それに応じたニューロセルラオートマトンの出力
結果が入力される入出力部、 前記対象とする問題と前記ニューロセルラオートマトン
の出力結果を比較し、該ニューロセルラオートマトンの
対象とする問題への適応度である評価値を算出する評価
部、および前記評価部で算出された評価値に基づいて、
前記セルラオートマトンにおけるニューロセルラオート
マトンの次の状態更新手段の次の動作を決定し、それを
表わすそれぞれの信号を前記ニューロセルラオートマト
ン，前記状態記憶手段および前記状態更新手段に入力す
る評価値反映部を備えた、ニューロセルラオートマトン
を用いた最適化装置。 - 【請求項８】 前記評価値反映部には遺伝的アルゴリズ
ムが用いられることを特徴とする、請求項７のニューロ
セルラオートマトンを用いた最適化装置。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9088250A JP3069058B2 (ja) | 1997-04-07 | 1997-04-07 | ニューロセルラオートマトンおよび最適化装置 |
| CA002217313A CA2217313C (en) | 1997-04-07 | 1997-10-02 | Neurocellular automaton and optimizer |
| US08/944,509 US6061674A (en) | 1997-04-07 | 1997-10-06 | Neurocellular automation and optimizer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9088250A JP3069058B2 (ja) | 1997-04-07 | 1997-04-07 | ニューロセルラオートマトンおよび最適化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10283337A JPH10283337A (ja) | 1998-10-23 |
| JP3069058B2 true JP3069058B2 (ja) | 2000-07-24 |
Family
ID=13937624
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9088250A Expired - Fee Related JP3069058B2 (ja) | 1997-04-07 | 1997-04-07 | ニューロセルラオートマトンおよび最適化装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6061674A (ja) |
| JP (1) | JP3069058B2 (ja) |
| CA (1) | CA2217313C (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102134427B1 (ko) * | 2016-07-15 | 2020-07-16 | 유한회사 삼양세라믹 | 석탄재 폐기물을 포함하고 방음기능을 구비한 점토 미장벽돌 및 이의 제조방법 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1508872A1 (en) * | 2003-08-22 | 2005-02-23 | Semeion | An algorithm for recognising relationships between data of a database and a method for image pattern recognition based on the said algorithm |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4809193A (en) * | 1987-03-16 | 1989-02-28 | Jourjine Alexander N | Microprocessor assemblies forming adaptive neural networks |
| US5148513A (en) * | 1988-05-20 | 1992-09-15 | John R. Koza | Non-linear genetic process for use with plural co-evolving populations |
| AU7563191A (en) * | 1990-03-28 | 1991-10-21 | John R. Koza | Non-linear genetic algorithms for solving problems by finding a fit composition of functions |
| US5321773A (en) * | 1991-12-10 | 1994-06-14 | Xerox Corporation | Image recognition method using finite state networks |
| US5299285A (en) * | 1992-01-31 | 1994-03-29 | The United States Of America As Represented By The Administrator, National Aeronautics And Space Administration | Neural network with dynamically adaptable neurons |
| US5602964A (en) * | 1993-05-21 | 1997-02-11 | Autometric, Incorporated | Automata networks and methods for obtaining optimized dynamically reconfigurable computational architectures and controls |
| JP2684003B2 (ja) * | 1993-10-06 | 1997-12-03 | 株式会社エイ・ティ・アール人間情報通信研究所 | ニューロン型セルラオートマトンおよびこれを用いた最適化装置 |
-
1997
- 1997-04-07 JP JP9088250A patent/JP3069058B2/ja not_active Expired - Fee Related
- 1997-10-02 CA CA002217313A patent/CA2217313C/en not_active Expired - Fee Related
- 1997-10-06 US US08/944,509 patent/US6061674A/en not_active Expired - Fee Related
Non-Patent Citations (7)
| Title |
|---|
| １９９４ ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＣＯＮＦＥＲＥＮＣＥ ＯＮ ＮＥＵＲＡＬ ＮＥＴＷＯＲＫＳ ＶＯＬ．３ ｐ１７１４−１７２０ Ｈｕｇｏ ｄｅ Ｇａｒｉｓ「Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ｓｃａｌｉｎｇ Ｉｓｓｕｅｓ Ｃｏｎｃｅｒｎｉｎｇ ｔｈｅ Ｇｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇ ｏｆ ａ Ｃｅｌｌｕｌａｒ Ａｕｔｏｍａｔａ Ｂａｓｅｄ Ａｒｔｉｆｉｃｉａｌ ＢＲＡＩＮ」 |
| Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ １１５２ １９９６ ｐ２１５−２４３ Ｈｕｇｏ ｄｅ Ｇａｒｉｓ「"ＣＡＭ−Ｂｒａｉｎ"ＡＴＲ’ｓ Ｂｉｌｌｉｏｎ Ｎｅｕｒｏｎ Ａｒｔｉｆｉｃｉａｌ Ｂｒａｉｎ Ｐｒｏｊｅ ｃｔ Ａ Ｔｈｒｅｅ Ｙｅａｒ Ｐｒｏｇｒｅｓｓ Ｒｅｐｏｒｔ」 |
| Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ １０６２ １９９６ ｐ７８−９８ Ｈｕｇｏ ｄｅ Ｇａｒｉｓ「Ｔｈｅ Ｅｖｏｌｕｔｉｏｎａｒｙ Ｅｎｇｉｎｅｅｒｉｎｇ ｏｆ ａ Ｂｉｌｌｉｏｎ Ｎｅｕｒｏｎ Ａｒｔｉｆｉｃｉａｌ Ｂｒａｉｎ ｂｙ ２００１ Ｗｈｉｃｈ Ｇｒｏｗｓ／Ｅｖｏｌｖｅｓ ａｔ Ｅｌｅｃｔｒｏｎｉｃ Ｓｐｅｅｄｓ Ｉｎｓｉｄｅ ａ Ｃｅｌｌｕｌａｒ Ａｕｔｏｍａｔａ Ｍａｃｈｉｎｅ（ＣＡＭ）」 |
| ＮＥＷ ＧＥＮＥＲＡＴＩＯＮ ＣＯＭＰＵＴＩＮＧ Ｖｏｌ．１２ Ｎｏ．２ １９９４ ｐ２１５−２２１ Ｈｕｇｏ ｄｅ Ｇａｒｉｓ 「Ａｎ Ａｒｔｉｆｉｃｉａｌ Ｂｒａｉｎ ＡＴＲ’ｓ ＣＡＭ−Ｂｒａｉｎ Ｐｒｏｊｅｃｔ Ａｉｍｓ ｔｏ Ｂｕｉｌｄ／Ｅｖｏｌｖｅ ａｎ Ａｒｔｉｆｉｃｉａｌ Ｂｒａｉｎ ｗｉｔｈ ａ Ｍｉｌｌｉｏｎ Ｎｅｕｒａｌ Ｎｅｔ Ｍｏｄｕｌｅｓ Ｉｎｓｉｄｅ ａＴｒｉｌｌｉｏｎ Ｃｅｌｌ Ｃｅｌｌｕｌａｒ Ａｕｔｏｍａｔａ Ｍａｃｈｉｎｅ 」 |
| Ｐｒｏｇｒｅｓｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｅｐｔｅｍｂｅｒ ２４−２７ １９９６ Ｖｏｌｕｍｅ ２ ｐ１０４９−１０５４ Ｈｕｇｏ ｄｅ Ｇａｒｉｓ 「"ＣＡＭ−ＢＲＡＩＮ"ＡＴＲ’ｓ ＢＩＬＬＩＯＮ ＮＥＵＲＯＮ ＡＲＴＩＦＩＣＩＡＬ ＢＲＡＩＮ ＰＲＯＪＥＣＴ」 |
| 人工知能学会研究会資料ＪＳＡＩ Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ ＳＩＧ−ＰＰＡＩ−９４０１−６（４／９）１９９４ Ｐ３２−４０ Ｈｕｇｏ ｄｅ Ｇａｒｉｓ「Ｔｈｅ"ＣＡＭ−Ｂｒａｉｎ"Ｐｒｏｊｅｃｔ Ｔｈｅ Ｇｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇ ｏｆ ａ Ｂｉｌｌｉｏｎ Ｎｅｕｒｏｎ Ａｒｔｉｆｉｃｈｉａｌ Ｂｒａｉｎ ｗｈｉｃｈ Ｇｒｏｗｓ／Ｅｖｏｌｖｅｓ ａｔ Ｅｌｅｃｔｒｏｎｉｃ Ｓｐｅｅｄｓ ｉｎ ａ Ｃｅｌｌｕｌａｒ Ａｕｔｏｍａｔａ Ｍａｃｈｉｎｅ」 |
| 計測と制御 ＶＯＬ．３３ Ｎｏ．２ １９９４ ｐ１２８−１３４ Ｈｕｇｏ ｄｅ Ｇａｒｉｓ 「ＧＡＭ ＢＲＡＩＮ Ｇｒｏｗｉｎｇ ａｎ Ａｒｔｉｆｉｃｉａｌ Ｂｒａｉｎ ｗｉｔｈ Ｍｉｌｌｉｏｎ Ｎｅｕｒａｌ Ｎｅｔ Ｍｏｄｕｌｅｓ Ｉｎｓｉｄｅ ａ Ｔｒｉｌｌｉｏｎ Ｃｅｌｌ Ｃｅｌｌｕｌａｒ Ａｕｔｏｍａｔａ Ｍａｃｈｉｎｅ」 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102134427B1 (ko) * | 2016-07-15 | 2020-07-16 | 유한회사 삼양세라믹 | 석탄재 폐기물을 포함하고 방음기능을 구비한 점토 미장벽돌 및 이의 제조방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| CA2217313C (en) | 2001-07-10 |
| JPH10283337A (ja) | 1998-10-23 |
| US6061674A (en) | 2000-05-09 |
| CA2217313A1 (en) | 1998-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lan et al. | Time efficiency in optimization with a bayesian-evolutionary algorithm | |
| Gers et al. | CoDi-1Bit: A simplified cellular automata based neuron model | |
| Coello et al. | Using genetic algorithms to design combinational logic circuits | |
| CN108718249A (zh) | 基于sdn网络的网络加速方法、装置与计算机可读存储介质 | |
| US11514327B2 (en) | Apparatus and method for utilizing a parameter genome characterizing neural network connections as a building block to construct a neural network with feedforward and feedback paths | |
| Mizoguchi et al. | Production genetic algorithms for automated hardware design through an evolutionary process | |
| Shayani et al. | Hardware implementation of a bio-plausible neuron model for evolution and growth of spiking neural networks on FPGA | |
| Yoon et al. | Efficient genetic algorithms for training layered feedforward neural networks | |
| JP3069058B2 (ja) | ニューロセルラオートマトンおよび最適化装置 | |
| Pearson et al. | Evolving neural networks using the “Baldwin effect” | |
| Gers et al. | CAM-Brain: A new model for ATR's cellular automata based artificial brain project | |
| JP2684003B2 (ja) | ニューロン型セルラオートマトンおよびこれを用いた最適化装置 | |
| de Garis et al. | ATR's artificial brain (" CAM-Brain") project: A sample of what individual" CoDi-1 Bit" model evolved neural net modules can do with digital and analog I/O | |
| de Garis et al. | “CAM-brain” ATR's billion neuron artificial brain project: A three-year progress report | |
| JP3831150B2 (ja) | 再配置可能型セルラニューラルネット | |
| JP2690702B2 (ja) | 自己組織化装置 | |
| Korkin et al. | Evolving hardware on a large scale | |
| Sipper et al. | The POE model of bio-inspired hardware systems | |
| de Garis et al. | Evolution of neural network modules: ATR's artificial brain project | |
| Martinez | Adaptive self-organizing concurrent systems | |
| Rowe | Feature classification and related response in a real-time interactive music system | |
| Bidlo | Comparison of evolutionary development of cellular automata using various representations | |
| Liu et al. | Axon Arbor Trade-off Between Wiring Cost, Delay, and Synchronization in Neuronal Networks | |
| Ghorbani et al. | Incremental communication for multilayer neural networks | |
| de Garis et al. | ATR's artificial brain (CAM-brain) project: a sample of what individual CoDi-1Bit model evolved neural net modules can do |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20000425 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |