CN1030833A - 并行相联存储器 - Google Patents

并行相联存储器 Download PDF

Info

Publication number
CN1030833A
CN1030833A CN88104807A CN88104807A CN1030833A CN 1030833 A CN1030833 A CN 1030833A CN 88104807 A CN88104807 A CN 88104807A CN 88104807 A CN88104807 A CN 88104807A CN 1030833 A CN1030833 A CN 1030833A
Authority
CN
China
Prior art keywords
recognition mode
modes
recognition
search modes
content addressable
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.)
Withdrawn
Application number
CN88104807A
Other languages
English (en)
Other versions
CN1019054B (zh
Inventor
特里·W·波特
格伦·C·沃雷尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Digital Equipment Corp
Original Assignee
Digital Equipment Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Digital Equipment Corp filed Critical Digital Equipment Corp
Publication of CN1030833A publication Critical patent/CN1030833A/zh
Publication of CN1019054B publication Critical patent/CN1019054B/zh
Expired legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F12/00Accessing, addressing or allocating within memory systems or architectures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/90335Query processing
    • G06F16/90339Query processing by using parallel associative memories or content-addressable memories
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147Distances to closest patterns, e.g. nearest neighbour classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

并行相联存贮器提供一种识别或确认测试数据 模式的方法。多个存贮器中的每一个都存贮多个识 别模式。根据接收到的一个要被确认的检索模式,将 此检索模式与存贮在存贮器中的许多识别模式同时 比较,来选择一个精确的或最相吻合的识别模式。在 一最佳实施例中,存贮器可以存贮多个数据库,其中 每一个都包含具有不同长度和不同引力半径的模 式。

Description

本发明涉及一种并行相联存储器。通过选择一个或多个与输入模式最相一致的存储了的模式,可以在系统中采用这种并行相联存储器作数据检索或者模式识别。特别是,本发明涉及存储大量的模式并按并行方式进行选择操作的一种存储器。这种存储器的并行特性提高了它的运行速度和效率。速度的提高,大大扩展了这种存储器的应用领域。
在相联存储器中,将数据模式同许多存储模式相比较,从中找出精确相一致的模式。该模式对于贮存有关存储模式信息的存储器的附加部位而言,起着地址的作用。其结果是检索与数据模式相关联的那些数据。
在模式识别系统中,将许多已知的模式存贮在存贮媒体中,而将那些尚待辨别的模式同那些贮存的许多已知模式进行比较。如果尚待辨别的模式同许多贮存了的模式中的一个模式相一致,则出现一个标识。如果对于尚待辨别的模式不存在最相一致的模式时,通常则要求识别系统从贮存了的模式中找出最相一致的模式来。识别系统通常采用相似性测度或距离测度来确定“最相一致”的模式。用精确一致或选择“最相一致”的方法识别待辨别的模式是把所观测的模式用标号或分类标识相关联起来的。这种标号或分类标识对应于所观测模式的精确一致或“最相一致”的标号或分类标识。
相联存储器或模式识别系统具有下列可能的应用。可以把这些系统和存储器用于要求确定同模块插件特殊事故有关联的特殊故障的模块诊断。第二方面的可能应用是光学字符识别。在光学字符识别中,人们要求很快地从现存的字符字体根中识别那些特定的字符,以便通过扫描程序输入整页文本并在以后可以再编辑这种相同的页面。第三方面的可能应用是语言识别。在语言识别中,人们要求按照和说话人的声音模式无关的一种方式快速地把声音模式同特定的语音相关联起来。第四方面的可能应用是在化学实验或生物实验之中。在这些方面,要求它可以根据某些特殊的测量来鉴别化学制品,例如,根据血液或组织抽样来鉴别病毒。第五方面可能应用在数据库系统之中。在这些系统中,人们希望要用它既使在检索关键字有错时仍然可以检索到有用信息。对于识别系统或相联存储器而言,所有这些都是可能的一些应用方面;但是,这并不是说仅只限于这些可能的应用方面。
现有技术中的相联存储器和模式识别系统或者是由当用于模式识别时是慢速的通用处理器组成的,或者是由只能用于有限的几种应用之中的高速专用处理器组成的。此外,一般是把相联存储器设计成用于固定大小的模式,并执行精确的对比,而且存储容量有限,况且也是相当昂贵的。
在许多上述的应用中,存在着许多可用来表示特殊分类的可能的模式。用这种特定分类模式,可以把所观测的模式相关联起来。对于识别尚待辨别的模式所必要的已知模式的数目决定了对该系统或存储器的存贮要求。为了降低这种可能的存贮要求,有必要试图确定一个或多个代表有效的分类的“典型”模式。采用参量统计技术(如果已收集到大量的典型模式的取样)或非参量处理方法(仅当少量代表模式取样有效时,方可采用)就能够作到这点。试图寻找“典型”模式的这个程序,事实上,就是把已知模式划分成组或类的程序。这种划分处理已在包括模式识别、群集分析、判定理论、神经网络、以及参量和非参量统计的各种专题文献中广泛地进行了研究。
一旦选择到“典型”模式,这些“典型”模式就可以代表其他类似模式的组或类。理想的分类是不相连续的。在相联存储器和模式识别的应用当中,标识模式组的能力是一项很重要的工作。例如,一个观测到的然而并未予先被认为是属于一个特定类的而只是与一组已贮存了的模式相类似的模式,就可以被认为是属于那个特定组或特定类的模式。
识别观测模式或检索与模式相关联的数据,并且将该数据同特定模式的类或组相关联起来的过程,可以分成两个阶段进行;第一阶段称为存贮或划分阶段,而第二阶段称为检索或者识别/分类阶段。
在存贮或划分阶段中,通过所取得的观测模式收集数据。将数据再进行处理,使得那些模式特征成为模式识别所要求的形式。而后,再按照特定的划分算法选择“典型”模式。该算法可能如同在每个模式类或组中采用第一个模式作为“典型”模式那样简单;或者可能如同为从许多同给定的类或组的模式相关联的模式中识别“典型”模式而采用平均方法那样复杂。一旦选择到这些“典型”模式,就可以开始识别过程的第二阶段了。
在检索阶段(用于数据检索)或识别/分类阶段中,先取得尚待鉴别的观测模式。而后,将该待鉴别的观测模式再同已在存储或划分阶段中产生出的一些“典型”模式进行比较。根据待鉴别的观测模式同这些“典型”模式的比较,就可以鉴别出这个观测模式属于的一个最接近的模式类或K个最接近的模式类。
关于选择“典型”模式以及划分模式空间都有许多程序。这些程序中大多数都要用可以说是类似于汉明(Hamming)距离的欧几里得(Euclidian)距离测定。汉明距离在模式识别的领域中是常用的量度距离。
大多数模式识别系统和相联存储器存在的问题是包括鉴别尚待观测模式在内的计算工作量。在这些计算工作中最为重要的方面是包括获得距离测量所需要的工作量。我们可以把这些工作分成三个主要耗时耗力的主要方面的工作。第一个主要方面的工作是取得代表不同类型和组的模式的“典型”模式。第二个主要方面的工作是划分用于存贮的典型模式。第三个主要方面的工作是实际的检索过程或识别过程。
现有技术中模式识别系统的一个例子披露在题目是“自组织的通用模式类别分离器及鉴别器”(Self    Organizing    General    Pattern    Class    Separator    and    Identifier)的里昂·库柏(Leon    Cooper)的美国专利4,326,259之中。由于该系统的硬件实现只能局限于特定的为该系统所支持的自适应识别算法,因此这个系统的处理能力十分有限。
迄今一直采用阀值或引力半径来确定一个观测模式是否是一个予定类别的一个组成部分。G.S.Sebestyen于1962年发表了自适应模式识别算法。该算法使用了类别阀值的概念。参阅G.S.Sebestyen的著作,Decision-Making    Processes    in    Pattern    Recognition,The    Macmillian    Company,New    york(1982)。(模式识别中的判定生成过程,麦克米兰公司,纽约,1962年)
在Sebestyen的书中第4章里,他描述了几个分类的近似技术和自适应技术,指出这些技术是在输入信息的快速处理和修改当中必然要产生出来的。书中介绍了用来构成判定区域的一种简单算法。在该算法中,判定区域是由存贮有代表性的类别取样构成的。新的输入分类是根据最接近于存贮取样值的距离进行的。一个输入被认为属于类别A,这是由于它至少比任何一种类别B的典型组成部分更接近于类别A的典型组成部分。在该书第97-98页上描述的这种方法的精华之处指出,在近似于比例计算的判定程序中采用有限数的给定取样值;因为它是以局部多数规则为依据作出判定的;只要在过去的一段时间里,在半径r的范围内,观测到的A取样值比B取样值多,就将输入认为是属于A类。
Sebestyen还描述了一些通过选择性地取样一组已知的组成部分表示并存贮关于类别知识的机器。将所选择的取样值按照与分配一组已知组成部分相同的方式进行分配,因此这些取样值将复盖与矢量空间区域完全相同的区域。这些分类的判定是以该输入与最接近于所选择的取样值的距离为根据的。他指出,这个程序具有内在就是快的特点,并且可以容易地通过与存贮了的取样值进行顺序比较的机器硬件来实现它。书中也描述了一种进行选择取样的自适应技术。该技术采用输入信息作为选择取样出现的信息,并且当它受到新的取样值的影响时,修改同判定区特性有关的存贮了的信息。书中还描述了级联机或多层机,其中引入学习的概念作为模式空间的新维数。
书中第119-121页,Sebestyen揭示了一个在模式识别中经常采用的程序就是使将要分类的输入矢量同该输入有可能属于的表示不同类别的几个存贮了的基准中的每一个相互关联起来。该存贮了的这些基准往往就是不同类别的一组取样值的平均。通过比较该输入与每个存贮了的基准之间的相关性,并且借助于断定该输入就是相应于最大相关系数的那个类别的组成部分来作出判定。另一个作出分类的方法是根据该输入与存贮了的基准之间的欧几里得(Euclidian)距离的比较来进行的。虽然基于最大相关性和最小欧几里得距离的判定很相似,但是当采用阀值时,为了避免在不确定的情况下作出判定,这种相似性就不再存在了。
这种现有技术中的模式识别系统不能给出速度和灵活性相兼顾的优点。
本发明的主要目的是提供一种能以高速度运行并且具有广泛应用领域的相联存储器。
本发明进一步的目的是提供一种检索或识别系统,其中许多识别操作是按并行方式实现的。
本发明的另一个目的是对相联存储器提供一种并行体系结构,使该相联存储器通过提高并行度能够易于增加存贮容量或进一步缩短检索时间。
本发明的再一个目的是提供一种检索系统或识别系统,其中的检索操作或比较操作是由第一个较低层执行的,而通过可以为专门应用的较高层实现自适应划分。
本发明的上述目的都是通过并行相联存贮器来达到的,它包括:用于接收检索模式的装置;用于在相应的地址上存贮并检索许多识别模式的多个可寻址的存储器装置;用于寻址上述可寻址存储器的装置,以便从每个上述可寻址存储器装置中同时检索一连串上述存贮了的识别模式的装置;用于同时将上述检索模式与从每个上述可寻址存储器装置中检索到的识别模式进行比较的装置;用于根据以上比较装置的比较至少选择一个与上述检索模式最接近相一致的识别模式的装置;用于输出至少一个由上述选择装置选择出来的识别模式的指示的装置。
本发明按分层结构的形式最佳地进行组织。在这种情况下,并行相联存储器包括:用于输入检索模式的装置;以及许多相联存储器。每个相联存储器又包括:用于从上述输入装置中接收上述检索模式的装置、用于存贮许多识别模式的装置、以及用于输出至少一个在上述存储装置中的许多个识别模式里与上述检索模式最接近相一致的识别模式的装置。在这种情况下,该并行相联存储器还包括:用于选择至少一个在上述多个变址存储器的输出当中与上述检索模式最接近相对应的识别模式的装置;用于输出至少一个由上述选择装置所选择出的识别模式的装置。在每个相联存储器中用于接收检索模式的装置几乎同时可以接收到检索信息,而且经过其用于变址存储器输出的装置,许多变址存储器可以同时进行操作,从而产生出各自的输出。这些相联存储器还可以包括把从上述用于接收的装置中得到的检索模式与存贮装置中存贮有的多个识别模式进行比较的装置。在由上述比较装置进行比较的基础上,这些相联存储器还可以包括有用于选择与检索模式最接近相一致的识别模式的装置,并且把它作为变址存储器输出装置的输出。
比较装置可以将检索模式与每个用逐位方式表示的多个识别模式进行比较,然后选择装置进行选择。选择那些与检索模式按逐位方式进行比较产生出最小差别的那些识别模式作为与该检索模式最接近相一致的识别模式。此外,还可以给出用于监测按逐位方式将检索模式与给定的识别模式进行比较的差值的监测装置。当该差值超过予定的阀值时,可以停止检索模式进一步与给定的识别模式的比较。
该并行相联存储器最好包括有对那些具有各种属性的模式的识别提供很大灵活性的附加装置。对于给定的应用领域来说,存贮在存储器内的识别模式的属性可以与来自应用领域中的数据属性相匹配。因而,大大简化了数据的处理、划分及存贮,而且通常把数据以更紧凑的形式存贮起来。通过减少需要检索的存储器空间量,以及也通过根据数据的特殊属性进行的比较和选择操作,提高了鉴别观测模式的速度。
识别模式的属性对于各个识别模式而言可以包括有不同的字长和引力半径,以及识别模式指定部分的特征。这些特征包括有要被舍弃的部分、必须与相应的检索模式部分完全相一致的部分、通过累计位差数按逐位方式作比较的部分,以及通过相乘并累计乘积按多位或逐字节方式作比较的部分。用屏蔽指定这些特定的部分和它们的特征。
本发明的并行相联存储器提供了一种体系结造;它使人们对其存储器易于增加它的存储容量或者通过提高并行度进一步缩短检索时间。按照并行方式将一些常规的随机存取存储器在逻辑上进行组织起来就可以提供出存储容量来。这是基于采用现有流行的基本逻辑元件就可以作到的非常便宜的实施方法。另外,可以把本发明集成到单个的随机存取存储器芯片之中去。这种存储器的并行特性和进一步增加存储容量的能力,其结果就形成了一种能以比通用处理器更快地方式识别模式而无需过于缩小其可以应用的领域的并行相联存储器。
以下参阅附图阅读其详细说明将会更加清楚地理解本发明的目的及其优点。这些附图是:
图1是在本发明采用的并行相联存储器的系统中识别系统或比较系统的方框图;
图2是本发明提出的并行相联存储器的第一个实施方案的方框图;
图3是本发明提出的用作为图2的并行相联存储器的一个组成部件的变址存储器第一个实施方案的方框图;
图4是本发明提出的包括有变址存储器第二个实施方案的并行相联存储器第二个实施方案的方框图;
图5是本发明的并行相联存储器第三个实施方案的方框图;
图6是对图5示意的关于本发明第三个实施方案说明数据库结构的方框图;
图7是说明关于图6的数据库结构中数据字格式的方框图;
图8是说明关于图6的数据库结构中存储格式的方框图;
图9是说明存储在图5并行相联存储器数据库存储器中的识别模式的多数据库的方框图;
图10是说明本发明关于在人工智能应用中用于编码知识原型的方框图;
图11是说明关于成三维矢量的模式的模式空间的示意图;
图12是说明使用与识别模式相关联的引力半径的示意图;
图13是说明一种自动学习方法的示意图;其中,通过寻找与新近规定的检索模式“最为接近的邻近值”来确定新的识别模式和引力半径;
图14是说明关于本发明相应于图5引入的第三个实施方案的特定实施例中总线接口、主控制、寄存器和数据库存储器的示意图;
图15是说明关于用在图14引入的特定实施例中的比较器和累加器的电路示意图;
图16是说明图15的比较器电路的详细示意图;
图17是说明“舍弃屏蔽”和“子空间屏蔽”如何控制图16比较器电路的各种功能的表格;
图18是用在图14中引入的特定实施例中的分类器的示意图;
图19是说明关于图18分类器控制单元输入和输出的示意图;
图20是规定用在图19分类器控制单元中的为了从某些与特定的检索模式相比较的识别模式中进行选择和分类的控制逻辑流程图;
图21-44是根据图20的流程图说明图18分类器进行操作的一个具体实例;
图45是确定用于图19分类器控制单元中的为了对处于距离特定检索模式一定距离之内的所有识别模式进行选择的控制逻辑流程图;
图46是用于执行搜索操作的主控制程序的流程图;以及
图47A和47B合为一起构成规定用于寻址图14的数据库存储器和操作图15的累加器电路的控制逻辑流程图。
至此,通过附图中的实例已说明了一些最佳的实施方案,并且以下将加以详细描述;然而,对本发明作出种种改型及形式上的变换也是很容易作到的。但是,应该指出,这并非试图将本发明局限在所揭示的一些具体构型上,恰恰相反,本发明如同附后的权利要求书所限定的那样囊括了所有落在本发明精神实质及保护范围内的所有改型、等同物及替换物。
图1说明采用本发明的并行相联存储器完成模式识别(模式比较)的系统10。应用程序11与数据收集器及数据处理部分12有赖于整个识别系统10的具体应用。该应用程序11及数据收集器和数据处理程序12都是由对使用模式识别系统10用于具体应用领域感兴趣的软件工程师们规定的。来自数据收集器和数据处理程序12的数据是与存贮在划分算法库14中的算法结合在一起进行处理的。这方面的操作也可以由使用该系统的软件工程师们来规定。该系统还包括有操作系统13、运行时间库15以及驱动器16。
由普通的数字计算机18执行程序就可以实施应用程序11、数据收集器和数据处理程序12、操作系统13、划分算法库14、运行时间库15以及驱动器16。通常由数字计算机18的制造厂家提供操作系统13。应用程序11以及数据收集器和数据处理程序12均以由操作系统13编译、联接并装入的源代码写成,并且可以含有一些包括在运行时间库15中的子程序。驱动器16是一组汇编语言子程序,由它控制数字计算机18和并行相联存储器17之间的数据传输。运行时间库15是一组高级源码子程序,用来调用驱动器子程序。因此,应用程序11调用运行时间库里的子程序以便操作该并行相联存储器17。
可以看出,该并行相联存储器17可用作为专用识别系统的基础。图1说明的系统表示一种多层排列的系统。在该系统中,并行相联存储器17构成通过采用较高层规定的参量及模式实际执行模式识别处理的底层或较低层。这些较高层是由应用程序11、数据收集器与数据处理程序12以及划分算法库14与驱动器16合为一起组成的。
一般用于模式识别系统的应用程序11都要有一些存贮在看起来类似于检索模式(检索关键字)的并行相联存储器17中的模板或模式。如果检索模式看起来相当类似于这些模板或存储模式中的一个模板或模式,那么就可以鉴别出该检索模式了。对于调节“足够类似”这方面问题的能力(也就是对于调节并不十分精确一致的问题的能力)来说,本发明提供了具有学习能力的系统。关于修正模式类别的实际修改方法是在划分算法库14中进行的。
当本发明的并行相联存储器与一种自适应划分算法相结合起来时,就会产生一种不是规则跟随系统的一种规则生成系统。许多规则跟随专家系统需要用人工写成所有的规则,因而容易发生错误,并且很难进行修改。与此相反,规则生成系统直接从可得到的数据中产生出规则,而且易于进行修改。从计算观点出发,本发明的并行相联存储器由于它的速度和存储容量的关系,采用规则生成系统是实际可行的。
图2表示本发明的并行相联存储器提出的第一个实施方案。图2的并行相联存储器20可以由许多标明“mRAM”的变址存储器23、接口单元22以及判定变址存储器24组成。
根据具体的应用以及与图1的划分算法库14所规定的应用程序相关联的划分算法,把许多数据或识别模式存贮在每个mRAM23之中。
接口单元22输入表示将要被鉴别的观测模式的一个检索模式。接口单元22几乎同时在总线26上把该检索模式传送给每个mRAM。当接口单元22出现有一个检索模式时,接口单元22将启动总线26的若干选择线,指示在总线上有一个检索模式。这将保证每个mRAM几乎同时都接收到该检索模式。
每个mRAM23都将执行一个搜索过程。所有这些由mRAM执行的搜索过程,均按并行方式进行;因此,每个单个的mRAM23与其他mRAM23几乎同时处理其搜索过程。每个mRAM23将至少从存贮在特定的mRAM23中的许多识别模式里选择出一个与其检索模式最接近相一致的识别模式。每个mRAM23均把与该检索模式最接近相一致的识别模式输出到总线26上。总线26再把这些识别模式从所有的mRAM23传送给判定变址存储器24。该判定变址存储器24将采用来自每个变址存储器23的近于一致的一些识别模式执行一个搜索过程。该并行相联存储器20将输出与该检索模式最接近相一致的一些识别模式。根据具体的应用,该包括有应用程序11、数据收集器和数据处理程序12以及驱动器16(都在图1上)的较高层将采用这些与检索模式最接近相一致的识别模式,
这些mRAM可以由变址随机存取存储器芯片组成。图3说明这种mRAM的一个实施方案。图上的mRAM23包括由m列×n行组成的存储区33。可以把检索模式输入到mRAM23的一个内部寄存器R1,35之中。将多个识别模式存贮在数据存储区33之中。
在每一个子存储周期内,把规定识别模式的数据存储区33的一行读入第二个内部寄存器R2,37。在内部寄存器R1,35和R2,37的寄存内容之间将进行逐位方式的比较。将会指出其不相一致的数。如果经过这点检查,在第二个内部寄存器R2,37中的模式具有最少的不相一致的数,则把该模式从内部寄存器R2,37移位到内部寄存器R3,39,而把与该模式相关联的这个不相一致的数存贮在内部寄存器R4,36中。如果内部寄存器R2,37中的模式和寄存器R1,35中的检索模式相比较,其不相一致的数超过R4,36中不相一致的数,则在内部寄存器R2,37中的模式与已经存储在内部寄存器R3,39中的模式相比就不可能是一个更接近一致的识别模式了。因此,该模式将不再在考虑范围之内,于是将把一个来自mRAM23另一行新的模式输入到内部寄存器R2原来的位置上。
这种逐行比较将一直进行下去,直到识别模式具有最小的汉明距离为止,即不相一致或者相差的最小数字将从所有存储在存储区33中的识别模式中进行鉴别。当出现了这种最小数字的情况下,存储在寄存器R2,39中的模式将从mRAM23输出到图2的总线26上。
对于mRAM,也有可能选择许多判定为与其检索模式接近相一致的识别模式,并可以把这个接近相一致的识别模式存储在mRAM中的不同的存贮单元之中。当这种搜索过程完成时,全部接近相一致的模式均将从mRAM23中输出到总线26上。
当mRAM23找到它们各自最相邻近的识别模式时,mRAM总线控制逻辑将启动图2总线26上的输出线,同时图2的判定变址存储器24将拾取该代表由每个mRAM23作为在各个mRAM23中与检索模式最接近相一致的识别模式鉴别出的识别模式位流。
把来自各个mRAM23的输出存储在基本上执行与各个mRAM23完全相同的操作的判定变址存储器24之中。也就是说,将把每个mRAM23的输出存储在判定变址存储器24的一个数据存储区之中。把检索模式与各个mRAM23输出的识别模式相比较的搜索过程就这样将被执行,而判定变址存储器24将根据由各个mRAM选择的识别模式之中选择出与检索模式最接近相一致的一个识别模式或多个识别模式。该判定存储器具有对这些最为接近相一致的模式进行排序的能力。
可以由许多方法加速这个识别过程。如果决定感兴趣的识别模式仅仅是那些处于某些予定的存储在内容寄存器R1,35中的检索模式的误差距离之内的模式,那么就可以把内部寄存器R5,38附加到mRAM23之上。图3上附加的寄存器R5,38将存储与一些可以允许的不相一致数相对应的一个截止级数。在一个比较周期里,如果该不相一致的数由于将寄存器R1,35中的检索模式与内部寄存器R2,37中的模式按逐位方式比较而出现超过寄存器R5,38的截止级数的情况的话,则将暂停进一步的比较,并且将把存储在内部寄存器R2,37中的模式进行跳跃进位。
寄存器R5,38和阀值或者寄存器所含有的截止级数,还有第二种可能的使用方法。有可能选择与阀值相比具有较少不相一致的第一个模式作为与检索模式最接近相一致的模式,而后暂停进一步的比较。我们认为这样作将会是充分接近的搜索。
另一个减少检索时间的方法是减小搜索空间。这可以借助于将贮存的模式划分成子模式或子空间来完成。例如,把屏蔽寄存器34附加到mRAM23上。那么就要使用这个屏蔽(MASK)寄存器34,因此仅仅那些与检索模式的指定部分相一致的识别模式将会成为整个比较过程中的候选模式。例如,有可能从存储在特定mRMM23的数据存储器33中的模式中选择出仅只在指定的位区域里具有指定位模式的那些模式以及构成整个位模式子集的那些模式。这就产生了一个子空间,一个存贮了识别模式的子集,然后再把它们与检索模式相比较。在这种情况下,屏蔽寄存器34就用作为子空间屏蔽了。
而后,再通过mRAM23传送与检索模式最接近的子集中的模式。这就产生了用于可以进一步加速模式识别和比较过程的分层体系结构的数据库。
也有可能对在识别或比较的过程中未被采用的模式增加附加信息。例如,可以把标识位或特征位要么与识别模式指定位关联起来,要么与检索模式的指定位的位置相关联起来。但是,这些标识位或特征位不应影响比较过程或识别过程。可以把屏蔽寄存器34用作为舍弃屏蔽;因此,在比较运算中将不考虑这些标记位或特征位。一旦检索模式被识别出来了,为了执行某些动作,那么图1中的应用程序11就可以采用这些位了。这使得那些mRAM23合为一起表现出就象一个异质相关存储器一样。若没有这些特征位,那么这些mRAM就起着象一个自动关联存储器一样的作用;其中,它们通过把检索模式映射到与该检索模式最接近相一致的存贮了的识别模式上,来校正其检索模式。
可以执行予处理操作,从而减少与检索模式要作比较的存贮模式的数量。如果在汉明读出中彼此接近的几个模式有可能表示同样的事件,那么就仅仅需要存贮一个模式。这将极大地减少为了识别模式必须执行的比较操作的数量。
招致最耗费工作量的这部分识别过程是计算那些不相一致的数。在系统启动的期间里,当从第二存储系统中将mRAM23装入之后,可将本发明的多个并行相联存储器按并行方式进行工作。存贮模式的予处理及后处理,可以脱机方式进行。
有一些视频RAM能够起到如上讨论过的mRAM23的作用。遗憾的是,目前它们都在存储空间及存储功能上都受到了限制。然而,普通的动态随机存取存储器却具有相当大的存储密度。因此,为了提供具有大存储容量的并行相联存储器,人们可以把由变址存储器执行的附加功能加到普通的动态随机存取存储器上去。
图4说明采用变址存储器第二个实施例的本发明第二个实施方案。该变址存储器具有排除需要单独判定RAM的分类能力。
用方框40标注图4的变址存储器。该变址存储器40包括有数据RAM41、异或单元42、求和单元43以及分类单元44。将检索模式向检索关键字寄存器45输入。子空间屏蔽46和舍弃屏蔽47按照以上关于变址存储器的第一个实施例所描述的方式进行操作。该检索关键字寄存器45几乎同时把检索模式向每个变址存储器的异或单元42进行输入。每个变址存储器40里的数据RAM41将存贮用于各个变址存储器的识别模式。异或单元将起逐位比较器的作用,并且执行把检索模式与存贮在数据RAM中的识别模式进行逐位比较。求和单元43的求和逻辑以及分类单元44的排序过程将监测当把检索模式与每个识别模式进行异或时出现的不相一致数,以至按照变址存储器40的一个或多个识别模式与将选择作为该变址存储器输出的检索模式(最邻近的识别模式)大多数接近相一致的方式进行排序。
图5说明本发明的并行相联存储器通常标记为49的第三个实施方案。接口装置51使并行相联存储器49与子系统总线50相接口。控制器57控制接口装置51的操作。该接口与接收屏蔽信息(Masks)(舍弃和子空间)一样从总线50中接收检索关键字(检索模式),同时把它们存贮在并行相联存储器寄存器区域52内适当的寄存器里。该接口也接收被存贮在数据库存储器53里的识别模式。该数据库存储器可包括有三个数据存储体。数据存储体的可能数量只受到作成该部件的板上能够安放这些存储体的数目的限制。每个存储体都是包含有不同识别模式组的不同的存贮区域。异或区域54从寄存器52中接收到检索模式和屏蔽信息(MASKS),并且将该检索模式与三个不同的并行的同时从数据库存储器53输入到异或区域的识别模式流分别进行异或。汉明区域55保持跟踪从与每个模式流的相比较之中得出的差数。然后,它把距离结果传送到分类区域56。该分类区域56根据这些识别模式和检索模式的相似程度从所有三个识别模式流中选择予定数量的识别模式。
在寄存器区域52中,三个寄存器中的每一个均可包含有多个可以用屏蔽起始地址值进行选择的入口。要指出的是,屏蔽和用于具体搜索的检索模式必须在相同的地址上启动,而且该地址并不和数据库起始地址相关。一旦进行了屏蔽或该检索模式的输入,它就在该屏蔽或检索模式的任何部分都被写入之前一直保持有效。因而,除首标字段通常不用之外,识别模式、屏蔽位和检索模式均处于相同位置,屏蔽和检索关键字的存贮则与识别模式完全相同。利用舍弃屏蔽舍弃多余位来指定检索模式的长度。不论是屏蔽还是检索模式均应具有最长的模式槽长度。
接口51至少包括有若干参量寄存器、一个状态寄存器、一个写数据寄存器和一个读数据寄存器。
参量寄存器根据总线50写入数据,而并行相联存储器此时处于空间状态。一旦一个参量寄存器被写入了数据,其内容就会被采用,直到写入新数值为止。该写入操作并不是立即起作用的。这些参量寄存器可包含有下列字段:
1.首标屏蔽-是16位的屏蔽。在该16位屏蔽中,每个逻辑1指示在一个模式的第一个字内有一个首标位。首标位包括有一个“使用标记”和任意的“引力半径”。当没有它时,也就是说,把使用标记屏蔽掉了;那么,该屏蔽就仅指定哪些位包含有该引力半径。屏蔽位Mo对应于半径位ro。
2.数据库起始地址-是数据库存储器内的绝对地址,在这个区域内起动搜索。
3.屏蔽起始地址-是在起始检索关键字和屏蔽的屏蔽寄存器存储器内的绝对地址。
总线50可以在任何时间上读出状态寄存器。该读出操作在插件板上不受到任何影响。该状态寄存器至少包含有如下字段:
1.建立比较数-是O~X之间的一个数。由满状态指示多于X的比较数。
在把数据写入数据库存储器或屏蔽寄存器或检索模式寄存器的指令期间里,可以通过总线50向写数据寄存器写入。
在把数据从数据库存储器中读出数据的指令期间里,可以通过总线50将读数据寄存器进行读出。
在搜索期间,把进行比较的模式和它们各自的距离结果的PIDNs按照距离结果的顺序存贮在一个结果缓冲器里。把最接近的X结果保存下来,但把任何额外的结果舍弃掉。当读出结果的端口时,其顺序是:第一个最接近结果的PIDN,最接近结果的距离;其次,第二个最接近结果的PIDN,第二个最接近结果的距离;等等。
图6说明图5数据库存储器53里的存贮结构。这里有三个数据存储体,包括存储体0、存储体1、和存储体2。把每个具有相应首标的数据模式整个包含在一个存储体里,并占据存储体内的一个模式槽。该模式槽由若干规定位数的一个或多个字组成。该并行模式槽就是相应于三个存储体中每一个存储体里的模式槽,而且必须在相同的地址上启动,必须具有相同的长度,还必须包含有相同长度的模式。
数据库存储器可以包含任意数量的不同长度的模式槽,以便存贮不同长度的模式。不同长度的模式是由长度标识字(LIW)确定的。每个LIW在同一地址上跨越所有三个存储体,并由来自每个存储体的一个字组成。每个LIW指定所有跟随着的模式槽的长度,直到下一个LIW。每个模式槽均由PIDN、处于一个存储体上的模式识别数、槽数对-PAT(b,n)唯一地进行识别。每个LIW都是由跟随它的模式槽的槽数识别的。因此,LIW的数是不连续的。
图7说明在数据库中的数据字的格式。将一个模式的第一个字的最低级位和LIW存储体O的第一个字用来存贮使用标记(UF)。为了指示有效数据模式,该使用标记(UF)为逻辑1。如果该使用标记是逻辑0,则把存储体0中的第二个最低级位用来存贮指示LIW字为逻辑0的LIW标记(LF)。在LIW字中,把存储体0中的第三个最低级位用作为指示数据库存储器53中的模式的数据库终止的并为逻辑0的数据库标记终止符(EF)。换言之,当作到一个具有数据库标记终止符(EF)是逻辑0的一个LIW字时,则终止通过数据库存储器的搜索。
在图7的格式中,存储体0中LIW字的槽包括指定每个跟随该LIW字的模式的字数的一个数。如果该数为零,则发出数据库终止信号。为了确定在模式槽中的模式的精确位长,在LIW中剩余的屏蔽(MASK)字段要识别在跟随着模式槽的最后的字中必须舍弃的那些位。在每个识别槽中的第一个字均包含有首标。该首标包括用来控制搜索的引力半径和用以指示模式槽目前是否正在用来载有模式的标记。来自参量寄存器的首标MASK识别那些将要成为首标位的模式槽第一个字的位。因此,所有在数据库存储器内的模式均必须具有同样长度的首标。
就本发明第三个实施方案的操作而言,允许三个数据存储体同时和一个检索模式作比较。当比较结束时,选择多个识别模式并分类,致使从存贮在数据库存储器中的识别模式中给出最接近邻近值的识别模式。第三个实施方案的舍弃屏蔽和子空间屏蔽的使用方式和本发明第一个实施方案中使用的那些屏蔽是一样的。它们都是通过减少必须进行搜索的工作量来减少搜索时间。
现在来看图9,这里说明的是在数据库存储器中规定识别模式多数据库的一种方法。第一个数据库用LIW字60起动,用LIW字61终止。第二个数据库用LIW字62起动,用LIW字63终止。为了在每个数据库的终止点上终结该搜索过程,终结LIW字61、63都有为逻辑零的,或者指定零长度的数据库标记终止符(EF)。
为了在每个数据库的起点上起始搜索,数据库用LIW字启动。通过在每个数据库中放置一些附加的LIW字,可以给出一些附加的输入端点。如果在每个数据库中的开头的模式与典型的检索模式非常接近相一致的话,则这种体系结构是非常有用的。当在数据库起始部分中发现有足够多的相一致的数的情况下,那么将会在数据库搜索到终止点之前终结这个搜索;并可以在一个中间输入端上开始新的搜索,以便搜索数据库的其余部分。
除了在数据库存储器中放置一些LIW字以及置位或复位数据库标记终止(EF)之外,还可以通过采用为有效地包括住一个模式设置状态的子空间屏蔽以及为暂时从数据库存储器中移除一些经选择的模式置位并复位其使用标记(UF)来规定将要进行搜索的数据库存储器53中的各个部分。换言之,可以借助于来自初始地址的如像“终端地址”或“搜索的模式数”这样一些参量进一步控制数据库存储器53的寻址。
根据以上分析可以看出,按照本发明的并行相联存储器是可以有很广泛的可能应用之处的。一个相当重要的应用领域是具有智能推理能力的知识系统。例如,某些研究工作者深信推理是由“识别”过程控制的。在这种识别过程中,把新的目标和事件与所期待的一组原型相比较。例如,参阅D.Bobrow和T.Winograd的文章。
“An    Overview    of    KRL,a    Knowledge    Representation    Language”Xerox    Palo    Aito    Research    Center,Palo    Alto,Ca.94304(July4,1986)PP.18。如Bobrow和Winograd所描述的那样,比较器取两个输入端:一个是模式输入端,另一个是要对具体的目标进行测试的输入端。在其最简单的结构中,该比较器比较两个给定的有代表性结构的确切式样;在另外的极端情况下,它指导系统的全部处理过程。该比较器可以使用描述符的语义以及它们的语法结构来决定两种描述是否相一致。该比较器可以对描述所涉及的对象搜索(为了使用其特性),引出与一个描述符类型或一个具体模式相关联的专用比较程序,并且引出对一连串含义进行搜索的一个通常的推理过程。
现在来看图10,这里表示一个说明采用并行相联存储器执行推理过程中的一个“识别步”的示意图。以一组存贮在数据库存储器71里的原型70在其最底层上表示要了解的主题域。一个原型代表推理过程中每一种可能的判定,因此原型类似于以规则为基础的知识系统中的规则。
当出现相一致时,与每个原型相关联的就是一组布尔原型状态72、原型模式矢量73、原型半径74以及推理得出的类别描述或结论。因为只有主计算机使用类别描述,所以可以把它们有效地存贮在普通的存储器75之中,同时用由模式识别数作索引的指针模式表76定位。因而,一旦主计算机得到由并行相联存储器选择的一个相一致的原型的PID时,主计算机就能把该PID用作间接地址,从而取得各个类别描述。这种存贮类别描述的方法也容易使若干不同的原型与每个类别描述相关联起来;并且由存贮在模式表76中的指针控制这种关联。换言之,可以把每个原型的指针存贮在数据库存储器71之中作为在识别过程中通过舍弃屏蔽给予屏蔽的原型特征。为了便于存取,该模式表76也可存贮每个模式的位长以及一份半径。
在识别过程中,并行相联存储器试图将一个给定的目标77与一个或多个存贮在数据库存储器中的原型70进行比较。该目标是由检索关键字78、子空间屏蔽79和舍弃屏蔽80确定的。子空间屏蔽79和舍弃屏蔽80把检索关键字的各个部分规定作为对应存贮在数据库存储器71之中的原型状态72和原型模式矢量73的目标状态80和目标模式矢量82。
在识别过程中,把数据库选择信号传送给地址计数器83。该地址计数器83按顺序寻址数据库存储器的选择部分,比较器84将目标状态81与每个寻址到的原型状态70相比较,当目标状态未能与原型状态相一致时,则产生一个用来拒绝原型的信号。相关器85用计算矢量的相关性或标量积的方法将目标模式矢量82与原型模式矢量73进行比较。根据选择标准信号,通过对原型的引力半径有选择地调整其相关性。对于模式识别来说,通常借助于引力半径来调整相关性;但是对于模式分类或学习而言,有时最好是舍弃原型半径,以便确定与最接近原型中心的新目标的距离。以下将结合图11~13作进一步解释。
把来自比较器84的“拒绝原型信号”以及由相关器85计算的值馈送给选择器/分类器86。该选择器/分类器86选择并分类那些未被拒绝的并且与通过相关器85计算的值所指出的那个规定目标接近相一致的原型的指定数。该选择器/分类器86接收选择标准信号。例如,这些标准信号指示所要选择并分类的原型的最大数,并指示选择处理过程中是否应当采用的阀值。一般来讲,应当选用予定阀值零来选择要作分类的原型。对于模式识别而言,选择标准一般规定选择器和分类器86应该仅只选择那些由相关器85计算的值至少是零的原型用来分类。换言之,如果一个原型落在原型引力半径之外,则将拒绝该原型。但是,对于模式分类或学习而言,有时希望找到“最接近邻近值”的原型。在这种情况下,如果相关器85的计算值小于零,则应拒绝这个原型。
图10表示的系统,对于以规则为基础的人工智能应用而言,给出了许多重要的优点。该由原型模式矢量表示的这些规则,实际上通过它们的原型状态就是可寻址的存储信息。因此,“域知识库”易于通过增加或删除一些规则作出修改。应用程序(图1中的11)确定关于什么时候当向并行相联存储器发出“搜索”命令时,产生出用于选择上下关系的规则的控制信息。因此,对于具体的应用而言,“控制知识”与“域知识”是彼此相分隔开的。
选择器/分类器确定给出哪一个规则是更为恰当的规则。应用程序可以调节用来控制推理过程的深度的最大的规则数。把将要应用的规则进行分类,于是应用程序可以首先检查、而后认定或传播该最为恰当的规则的结论。通过距离测量定量分析结论的强度,以此对该结论给出“可靠性系数”。
将给出的每个规则用另外提供的规则进行分类。这些规则是可以确认为共同结论的规则或者认为共同结论是有问题的规则。应用程序不去规定如何解决互相冲突的规则、互相矛盾的结论以及认定结论的方法。把分类知识独立地存贮在模式表76之中,将如何解决互相冲突以及认定各个结论的知识独立地存贮在类别描述表75之中。
应用程序可以解决各种冲突;例如,如果冲突的程度相对比较低,则用组合并传播可靠性系数的方法;如果附加信息能解决这个冲突的话,则用请求输入附加信息的方法;或者引出一些解决冲突的规则来。这些解决冲突的规则可以决定最初采用的规则是不成立的或是不充分的。在这种情况下,这些解决冲突的规则可以引出一些学习规则。该学习规则修改那些最初应用的规则或增加一些附加规则,以便最大限度地减小未来可能出现的一些类似的冲突。
为了执行复杂的推理过程,要求用若干上述推理步骤来建立一个“推断链”。每个推理步骤搜索在数据库存储器71中各个数据库里可使用的原型或规则。换句话说,对于在推理过程中可能出现的上下关系或结果均给出各自的数据库。具体结论的认定可以导致当前要解决的结果,并且为推断链中的下一个结果开始进行搜索。换句话说,具体结论的认定或者未找到任何可应用的规则,均可导致为在推断链中先前的结果开始进行搜索。究竟选择向前链接式的推理过程,还是选择向后链接式的推理过程,最好由应用程序(图1中的11)来规定。
通常希望提供一个数据库表87,用以存贮一些关于每个数据库的信息。这种信息例如包括有数据库存储器中数据库的起始地址、数据库存储器中数据库的终止地址、数据库中的模式或原型的数量、用于数据库的对模式表76的指针、用于数据库的对分类表75的指针。
运行时间库(图1中的15)可以提供用于对数据库表87、模式表76和分类表75的读出和写入的一些子程序。除了在数据库存储器71进行搜索期间存贮所使用的信息之外,这些表还可以对如像数据库名、分类名和模式名这样一些对于论证数据库存储器中的知识的内容与结构以及解释或跟踪推理链都是很有用的自然语言文本信息进行指针存贮。
用图11-13说明原型半径和最接近的邻近值的概念。在图11中,假定每个模式矢量均有三个元素,并且每个元素都由位的相重数来指定。换言之,与按逐位方式作比较的位串模式相反,把图11表示的模式按元素的多位相乘进行比较。实际上,希望提供一个可以有选择地通过相乘的方法执行逐位方式比较或者多位或者逐字节方式比较的相关器。如以下结合图17将进一步描述的那样,可以用屏蔽来指定模式矢量的哪些部分要以逐位方式作比较或者要以逐字节方式进行比较。
通常,应该根据数据的属性进行逐位方式比较或逐字节方式比较之间的选择。对于二进制数据来说,逐位方式比较就足可以了;但对于模拟数据而言,最好进行多位方式或按字节方式的比较。然而,对于在一个模式与另一个模式之间进行区分的过程中,一些模式中的某些位表示比其他模式更为重要的特征的二进制数据来说,最好还是执行多位比较或逐字节方式的比较,以便对那些更为重要的位给出比那些不大重要的位以更大的权重数字。换言之,可以进行逐位方式的比较;但是,可以把与一个重要特征相关联的二进制位的相重数全部置位或者全部清除来表示该重要特征是否存在于目标之中。在这种情况下,对于每个原型,在将其原型与其他原型进行区分当中,可以把这些二进制位各个相重的数给予置位来指示该特征的相对重要性或权重。
由于相关器计算乘积加上一个常数的和,所以它也可以执行对传送与选择的原型相关联的“可靠性系数”是很有用的线性鉴别功能。在原型代表一个“规则”的情况下,该模式矢量的每个元素均代表一个倾向于证实或推翻与该规则相关联的结论的数据。因此,目标模式矢量的每个元素指示与该观测到的数据相关联的“可靠性系数”,而相应的原型模式矢量的元素给出一个指示该数据是否将倾向证实或推翻该结论的权重数字。相关性是试图指示与具体规则相关的结论的强度的一个数字值。引力半径建立用来决定是否认定该结论的阀值。
虽然由相关器执行的计算是线性的,但它也可以用来执行非线性函数。在这种情况下,目标模式矢量82将表示若干独立变量及其方幂和叉积,而原型模式矢量73将表示非线性函数台劳级数的近似值,并包括有零阶系数的原型半径参量。
相关器85也可以执行常规的相关函数,如富立叶分析和信号的检测或滤波。在这种情况下,在给定的频率上,每个原型将代表一个具体的正弦信号或余弦信号,或者代表要被检测的信号的具体相位。例如,对于语言识别来说,模式矢量可以在具体音调上代表具体的语音并用于具体的前后关系。可由原型状态确定该音调和前后关系。例如,该音调可取决于具体说话人的识别上或取决于语言的平均音调。前后关系可取决于次序居先的音调、字或归咎于字的意义。
如图11所示,假定模式矢量是归一化的,因而它们的终点是在确定“模式空间”的球面90上。对于具有单个位元素的矢量来说,由于所有的模式矢量的模值均等于矢量内位数的平方根,所以这些矢量已经被归一化了。
在很多情况下,行数据将具有显著的幅度涨落。某些情况下,溢出取样区间的幅度涨落将不包括有效的信息量,因而可以取样行数据并且可以按常用形式把溢出取样区间的取样矢量归一化。如果溢出取样区间的幅度涨落包括有效的信息量,则应把溢出取样区间的取样矢量加以变换,以取得归一化的模式矢量。其最佳变换将取决于具体的应用。一种变换方法是将该取样矢量向超球面投射,因此该模式矢量具有一个附加的对应取样矢量幅度的维数或元素。例如,该归一化的模式矢量 可以根据以下公式从取样矢量
Figure 881048070_IMG3
中求得:
P=( sinθ,cosθ)其中θ=tan-1(m|
Figure 881048070_IMG5
|)
P=(
Figure 881048070_IMG6
a2 1+a2 2+…+a2 n+m2
在这些方程中,对于目标模式矢量和一组原型矢量来说,系数m是一个常数。选择m的值要考虑到超过m水平的取样矢量的幅度模值要被大大加以压缩的事实。系数m也对与角度信息有关的幅度信息的重要性进行了加权。
一种有时对减少模拟数据很有用的变换是旋转坐标系统。如果可将坐标系统进行旋转,那么所有原型模式矢量的具体元素绝大部分都会变成为零;于是该元素就可以从所有模式矢量中消去了。通过在一对坐标轴的平面内,借助于递增量,反复地旋转该坐标系统,并且经测试当在所有的原型模式中的具体元素值或者全部增加,或者全部减小时,就可寻找到理想的旋转;如果是这样的话,那么在那个平面里递增旋转即可将所有原型模式矢量的那个具体的元素减小到零。该变换本身是一种线性变换,并且通过与包括有递增旋转角的正弦和余弦的相应的旋转变换矩阵列矢量有关的原型模式矢量,就可以取得对每个原型矢量的每个元素的变换值。寻找这种消去矩阵列的旋转变换的一般问题在线性代数里都是公知的。实际上,该变换鉴别那些区别各模式的一些特征。
如图11所示,目标模式矢量K与原型模式矢量Pi的接近程度是按余弦规律正比于相关性或标量积。具体来讲,当这两个模式矢量终端点之间的距离为零时,则其相关性或标量积为最大。由于模式矢量和半径与存贮在数据库存储器中的每个原型相关联,所以该原型在球面模式空间90上限定了一个圆周91。在一般情况下,模式矢量要有许多的元素,因此,这些原型就代表模式空间里的超球面。
如图12进一步所表示的那样,要求相关器计算距离D或测量接近的程度;即对于处在原型圆周91之内的模式来说,D是正的,而对于处在原型圆周91之外的模式来说,D是负的。最好相关器计算出标量积之和以及与原型的实际半径r的平方有关的参量R。
图13表示若干通常规定为代表目标的具体类别的模式。例如,对于光学字符识别来说,每个目标类别可能表示一个字母数字字符。模式分类的一个简单方法是在数据库存储器71中存贮一个用于每个字符的原型模式矢量;因而,每个原型模式矢量将精确对应于该字母数字字符最相象的表象。通过寻找具有最大相关性的原型模式矢量,可对给定的目标进行比较。当事实上某些目标并不能很好地与所有的原型相一致时,就会出现不希望有的将这些目标作为字母字符进行识别的事实。因此,希望使用阀值来确定给定目标模式矢量是否充分接近应指示相一致的给定原型模式矢量。此外,期望将引力半径与每个原型模式相关联,以便更准确地确定介于要与各个模式类别相关联的模式空间区域之间的一些不规则的边界。
为了寻求应当与每个最能代表每个类别的原型相关联的引力半径,就要能找到最能代表另一类别的最邻近的原型的距离;而且可以把这个引力半径选择为该距离的一半。如图13所示,例如,这会形成类别“E”的原型P1,以及类别“F”的模式P2。然而,在这点上,将存在许多并不包括在任何一个原型内的模式空间,但是却应该把它们看作为具体的字母数字字符进行识别。更重要的是,一些在原型之外的模式空间不必要与具有最接近表面的原型相关联。因此,对于每个字母数字字符,都有必要向数据库存储器增加一些原型。
为了更准确地确定介于原型类别之间的边界,对于新原型的引力半径可以介于新原型模式矢量以及与不同类别相关联的最邻近的表面之间的距离为基础。为确定这种信息,期望使用新原型模式矢量作为目标模式矢量,并且期望搜索用于原型的数据库存储器;为此,距离D的计算值就要小于零了。我们将这种搜索称作“对最接近表面的搜索”。
对于许多应用来说,用户具有一组原始的代表要作分类的目标的数据。我们可以把这些目标用作一种“训练系统”。为此,假定如上所述,首先处理数据或者首先变换数据;因而,相关器可以有效地区分属于不同类别的目标。换句话说,期望减少行数据,以至在减少了数据的矢量之间,相对来讲有比较大的距离或比较大的角度。这些减少了数据的矢量代表所谓用户认为是无关的模式或不同类别的模式。
在数据库存储器中,采用训练算法产生并存贮最少的一组可用来正确地将训练系统的目标进行分类的原型。在一般的训练算法中,把每个减少了数据的矢量用作目标模式矢量,并且命令并行相联存储器进行关于把目标模式矢量与在先存贮了的原型相比较的搜索。当目标模式处在原型的超球面之上或之内时,即将出现相一致;换言之,根据原型计算出距离D,并且其目标模式是正的。
对于许多应用而言,要求把每个目标与多个类别相关联。但是,为说明起见,可以假定每个目标或原型至多与一个类别相关联。换句话说,类别是不连贯的。如果对于一个目标模式而言,在数据库中找不到一个与所要求的类别相关联的匹配原型,则或者把一个新的与所要求的类别相关联的原型存贮在数据库中,从而计入该目标模式,或者把现存有的与所要求的类别相关联的原型的半径扩大,从而包括住该目标模式。如果对于一个目标模式而言,在数据库中找到一个与所要求的类别不相关联的匹配原型,则把该匹配原型的半径缩小,从而排除该目标模式。
在将所有的训练系统中减少了数据的矢量反复地与存贮了的原型进行比较之后,这些存贮的原型仍然可能不适当地划分模式空间;因而,把每个目标模式仅包括在所要求的类别的原型之中。这样,相继而来地在现存的原型中就会发生变化;对于一个给定的目标,有可能导致在先被包括了的目标变成从所要求的类别中被排除出去了;或者有可能导致在先被排除的目标变成被包括在一个并非所要求的类别之中了。这个问题可以通过许多方法求得解决。在一个极端的情况下,对整个训练系统不继重复比较的步骤,直到正确的匹配出现为止。在另一个极端情况下,对于一个给定的目标,在该步骤上原型的修改要考虑所有在先经过比较的目标;因而,它们将仍旧适当地从这些原型之中被包括住或被排除掉。另一个解决办法是增加附加特征,用作进一步区分在不同类别中要进行分类的那些目标。
对于很多应用情况,一般的训练算法对整个训练系统重复比较步骤,直到只有正确的匹配出现为止。但是,对于一个给定的目标,当考虑到某些对该给定目标最相邻近的原型时,在这个比较步骤上,通过修改原型就能加速收敛。例如,只要从给定目标模式到所要求的类别的最接近邻近值的原型模式的距离小于从该最接近邻近值的原型模式到一个不同类别的这个最接近邻近值的表面的距离,就将该与所要求的类别相关联的最接近邻近值的原型的半径扩大,从而包括住该给定的目标;否则,当原型模式矢量等于目标模式矢量时,以及当原型半径等于到与所要求的类别不同的类别相关联的最相邻近的最近表面的距离时,就增加一个新的原型。
因此,对于划分来说,要求搜索最接近的邻近值;并且仅包括一个所要求的类别或排除所要求的类别。借助于寻找具有最接近的N个表面的原型,而后检查它们的类别是可以作到这点的。换句话说,对每个原型均可以附加一个鉴别与该原型相关联的类别的标记。通过使用指定类别的子空间屏蔽从而作到包括,就可以找到具体类别的最接近的邻近值。除了那些通过操作选择器/分类器(图10中的86)从而已排除那些与子空间屏蔽相一致的特征标记的一些模式的指定类别之外,同样的搜索均可以找到这个最接近的邻近值;换句话说,可用选择标准信号有选择地补充图10中的“拒绝原型”(REJECT    PROTOTyPE)信号。
本发明的一个具体实施方案是最好用动态随机存取存储器来实现;因为这种存储器目前是在最低的成本上能给出高的存储密度又能给出快的存取速度的最好的互相兼顾。具体实施方案可以用常规的存储器芯片与逻辑电路相连接的方式组建成,或者可以把逻辑电路与动态存储器集成在单个芯片上。第一种情况有利于开发和初级生产,而第二种情况有利于批量生产。一种使用常规动态随机存取存储器芯片与逻辑电路的具体实施例集中说明在图14、15、18和19。该具体实施例类似于在图5中说明的本发明第三个实施方案。然而,该具体实施例用了4个模式存储器的存储体,其中每个存储体每次输出8位数据;与其相比,图5中的第三个实施方案用了3个模式存储器的存储体并且每个存储体一次输出32位数据。
现在来看图14,这里说明的是总线接口以及与用于存贮检索模式和识别模式的存储器相关联的电路。把并行相联存储器通过总线101接到主计算机上。该总线通过读出数据寄存器102和写入数据寄存器103接到用于检索模式和屏蔽的识别模式存储器104和存储器105。总线101是16位的并行总线;因而,读出数据寄存器和写入数据寄存器也是16位的寄存器。寄存器102、103均由两个8位锁存器(器件型号为74LS373)给出。最好把识别模式存储器104组织成4个动态随机存储器的存储体,并且每个存储体均包含有512K字节。例如,该动态随机存储器由16个256K×4DRAM(动态随机存取存储器)芯片给出。但是,用于检索模式和屏蔽的存储器105最好是由含有2K×8RAM芯片(器件型号为2018P)的静态rams给出,一个用于存贮舍弃屏蔽,另一个用于存贮子空间屏蔽,那一个用于存贮检索关键字。
读出数据寄存器102和写入数据寄存器103允许主计算机存取在并行相联存储器中的存储器存储体104、105。主计算机也借助于一组参量寄存器106和结果多路转换器107与并行相联存储器交换信息。这些参量寄存器接收并存贮屏蔽起始地址、控制命令、半径选择、跳跃选择、保留的结果数、屏蔽函数、数据库起始地址、以及字和模式的计数。屏蔽起始地址、数据库起始地址以及字和模式计数都是16位数值。控制命令是6位的数值,包括一个专用位,用于根据当前操作的完成状态去中断主计算机的主控制。半径选择包括两个二进制位;所包括的第一位指示相关性是否要由半径来调节,第二位指示是否使用双倍长的半径。跳跃选择具有两个二进制位;所包括的第一位用于跳跃距离大于或等于零的一些识别模式,第二位用于跳跃距离小于零的一些识别模式。因此,参量寄存器可存贮整个64位,所以可以用八个8位锁存器(器件型号为74LS373)给出这些寄存器。
主计算机可通过结果多路转换器107读出该并行相联存储器的结果。根据总线101上的两个地址选择线的状态,主计算机或者接收所找到的状态、所求得的结果数、用于比较识别模式的距离,或者接收比较识别模式的模式鉴别数。例如,结果多路转换器包括八个2×4多路转换器(器件型号为74LS253)。
为了操作该并行相联存储器,主计算机在总线101上向参量寄存器106送出控制命令。该并行相联存储器具有主控单元108。该主控单元通过执行用于控制命令的控制程序响应该控制命令。该主控单元108包括由2K×8的PROM(器件型号为27S45)给出的顺序状态机。该PROM(可编程序的只读存储器)对每个控制命令均用一个控制顺序进行编程。同时,主控单元108也包括用于主控制的状态寄存器。换言之,该PROM存贮当前状态及用于主控单元的下一个状态表。除PROM之外,主控制还包括四个可编程的逻辑阵列芯片(PLA器件型号为22V10)。该PLA芯片也具有用于把主控制输出和输入与当前状态和下一个状态相关联起来的组合逻辑。
根据控制命令,主控单元或者主计算机去存取存储器存储体104、105,并把存储器命令输送给存储器和累加器控制单元(图15中的109)去寻址在模式存储器104中的所选择了的模式,并把它们传送给主计算机;或者把存储器命令传送给存储器和累加器控制单元(图15中的109)并同时把分类命令传送给分类器控制单元(图19中的110),以便让该并行相联存储器能够找到一个经选择的最相一致的数,然后,再把这个相一致的识别模式的模式鉴别数(PIDN)传送给主计算机。
存储器和累加器控制单元(图15中的109)和分类器控制单元(图19中的110)均是独立的顺序状态机;它们中的每一个都是具有若干可编程的逻辑阵列芯片(器件型号为22V10)。存储器和累加器控制单元致使在识别模式存储器104中的模式槽将按序寻址,并操作累加器电路去计算每一个所寻址的识别模式的距离。但是,在寻址整个模式槽之前,有可能终止寻址和计算,就像由跳跃槽(SKIP    SLOT)信号指示的那样。
当在一个特定模式槽完成计算时,存储器和累加器控制器109把屏蔽剩余(MASK    REM)信号发送到分类器控制器110。作为响应,分类器控制器110接收在模式槽中四个不同模式距离的值,并且用予先选择和分类的模式选择和分类这些模式。如果在下一个模式槽中的距离计算完成前,对一个模式槽的选择和分类还未完成,则通过来自分类器控制器110的暂停(PAUSE)信号禁止存储器和累加器控制器109。用这种方法,分类器将不会以快于能对数据进行选择和分类的速率接收距离数据。
为了响应跳越槽(SKIP    SLOT)信号使一个识别模式槽被立即跳越,图14的寻址电路包括通过把当前槽式长度加到一个模式的当前地址上来计算下一模式的地址的装置。在LIW字从模式存储器104的存储体2和3中读出时,当前长度存储到字长(LIW)锁存器111中。该LIW锁存器111包括例如两个8位寄存器(元件号74LS374)。这些模式中当前一个的地址存储在槽地址寄存器112中。地址寄存器112可以接收来自参数寄存器或来自当前地址计数器113的槽地址,通过多路器114进行选择。多路器114和槽地址寄存器112可以包括在相同的集成电路中。这些电路最好包括五个4×2多路转换D触发器(元件号74LS298)。当前地址计数器113设有19个地址位,包括例如两个8位计数器和一个四位计数器(元件号74AS869和74LS169)。
为了把当前长度加到当前槽地址上,设有19位的加法器115,该加法器可以包括五个四位加法器(元件号74LS283)。当一个槽被跳越时,此和数被装入当前地址计数器113中。为了跳越若干个槽也可以使用加法器115,以便主计算机能对模式存储器中下面的第N个槽进行寻址。为了对进行寻址的字或模式数进行计数,设有字和模式计数器116,它最好是由两个8位计数器(元件号74AS869)组成的一个16位计数器。可将来自LIW锁存器111的当前长度或由参数计数器106提供的字模式(WP)计数装入字和模式计数器117。通过长度多路器117执行选择,该长度多路器包括四个4×2多路器(元件号74LS157)。
当当前地址计数器113顺序地对识别模式存储器104进行寻址时,屏蔽地址计数器118同时对被选检索模式的对应字节地址以及此检索模式和屏蔽存储器105中的屏蔽进行寻址。屏蔽地址计数器118设有11个地址位,包括一个8位计数器和一个4位计数器(元件号74AS869和74LS169)。
当从识别模式存储器104中读识别模式时,通过门电路119检测数据库的结束。同样,通过门电路120检测长度标识字的存在。来自识别模式存储器104的存储体1的剩余屏蔽被接收在剩余锁存器121中。剩余锁存器121是一个8位锁存器(元件号74LS374)。
参见图15,图中示出了比较、累加器和跳越电路。引力参数的半径(R)和存储体使用的标记被暂存在含有四个8位锁存器(元件号74LS374)的数据锁存器131中。为了把检索关键字与识别模式进行比较,设有电路132,该电路可以包括八个程序矩阵逻辑芯片(元件号22V010)。在图16中示出了最佳的逻辑功能。
参见图16,通过“异或门”134对检索关键字和每个识别模式的差异位进行计算。“与”门135用标明已经到达模式结束的MASK    REM信号限定剩余屏蔽。在“与”门136中该限定的屏蔽限定来自“异或”门134的差异位。这些限定的位进一步通过“与”门138用由反相器137提供的舍弃屏蔽的反码信号屏蔽。被屏蔽的差异位总数通过差异位加法电路139进行计算,该加法电路由例如一个512×4位的PROM构成(元件号27S138)。
为了检测何时因子空间屏蔽(Subspace    Mask)指定的部分的不符合,一个模式应该被拒识,通过“与”门140把限定的差异位与子空间屏蔽的不符合的各位检测出来。逻辑“或”门141检测在由子空间屏蔽标志的任何位的位置上是否有位不符合。
除了按位比较之外最好能用乘法执行按字节比较。如图17中所示,可以通过舍弃屏蔽和子空间屏蔽的组合来指定这种选择。要执行的各个比较操作由图16中的专用逻辑电路确定。对于某些应用,可能还要执行各种其他比较操作。这类操作可以通过屏蔽功能(MASKFUNCTION)进行选择。此屏蔽功能可以用于例如拒识其长度与检索关键字长度不同的识别模式。
对于图16的电路,如果在检索关键字和识别模式之间存在位不符合,按位比较的结果将导致一个累加和数的减少。如果其对应的舍弃屏蔽位是0,并且其对应的子空间屏蔽位也是0,就对一个指定的位进行这样的比较。如果对应的舍弃屏蔽位是0,而对应的子空间屏蔽位是1,这时如果在检索关键字和识别模式之间存在不符合,就拒识整个识别模式。如果对应的舍弃屏蔽位是1,而子空间屏蔽位是0,这时如果在检索关键字和识别模式之间存在位不符合,那就什么操作都不执行。
如果舍弃屏蔽位的一个字节的最低有效位(Io)是1,并且子空间屏蔽位对应字节的最低有效位(So)是1,就指定一种特定操作。对于图16的电路,按字节乘法就是这样的一种操作,对于字节的“跳越子空间符合”也是这样的一种特定操作。当最高有效舍弃屏蔽位(I7)是逻辑0时,通过反相器142和“与”门143选择按字节乘法作为特定操作;否则就通过“与”门144选择跳越子空间符合。当子空间屏蔽位So是1,舍弃屏蔽位Io是1,并且屏蔽剩余(MASK REMAINDER)信号为低时,反相器153和“与”门154就发出一个特定操作信号。
当检测出“字节乘法”功能时,认为检索关键字的整个字节要与识别模式的整个字节相乘。通过反相器145和“与”门146禁止对于该字节的任何“字输出”(WORD    OUT)。实际乘法是通过一个8位乘法器147执行的。响应字节乘法(MULTIPLY    BYTE)信号,多路器148选择来自差异位加法器139的差异位和数或来自乘法器147的积作为对于该识别模式当前字节的部分和数。乘法器147可以是一个存储乘法表的64K字存储器。然而如果并行相联存储器被集成化,最好使用一个流水线乘法器。
在一单个模式中将位数据和字节数据相组合应该是完全允许的。但是存在一个问题,就是位数据怎样相对于字节数据被加权。如图16中所示,把位数据与字节数据组合的最好方法是累加各乘积作为带符号的整数,并累加差异位作为减去的差异位的数。因此,在检索关键字和识别模式之间的每一不符合位都将使累加的和数减一。按字节乘法可以递增或递减累加的和数。然而屏蔽功能可以对差异位怎样来改变位乘积累加和数进行选择。例如,如补码电路149所示,屏蔽功能的一个特定值可以促成对差异位数的补码进行计算。换句话说,屏蔽功能可以使补码结果左移规定数量的二进制位,以便选择地调整位差异相对于字节乘积的权。
“跳越子空间符合”,特定操作可以用于执行上述的对不同类别的最近邻域的检索。在这种情况下,包含一个类别认别数的字节长度标识符应该附加到每个存储在数据库中的数据型式上。通过在类别认别数的字节位置上设置子空间屏蔽,并在检索关键字的对应位置上设置所需的类别认别数,来对同一类别的最近邻域进行检索。而通过在舍弃屏蔽的对应字节上设置舍弃屏蔽位,来对不同类别的最近邻域进行检索。“异或”门150将字输出信号反相,以便剔除原先所包含的那些(仅属于同一类别)。
再参见图15,在各个累加器151中累加各部分和数。每个累加器包括有一外加程序矩阵逻辑(元件号22V10)的二进制加法器(例如元件号74F283),该程序矩阵逻辑具有一对二进制加法器的进位输出进行计数的计数器;还包括累加器寄存器和用于选择地装入引力半径的逻辑。半径输出(RAD    OUT)信号从累加值的符号位获得,并馈送到跳越寄存器电路152。如果各个存储体使用的标记没有位置,或当有一个相应的字输出时,根据由跳越选择(SKIP    SELECT)参数指示的跳越选择,或根据累加的距离是正还是负,跳越寄存器电路152产生跳越存储体信号。如果全部四个存储体都要被跳越,跳越寄存器电路还产生跳越槽信号。跳越寄存器电路接收半径长度(RAD    LENGTH)信号,以便当半径长度信号为高时舍弃发生的任何字输出。跳越寄存器电路可以由一单个的程序矩阵逻辑芯片组成(元件号22V10)。
参见图18,图中示出了分类器电路160的原理图,该分类器电路选择未被跳越的识别模式,并根据它们相应的距离对它们进行分类。分类器有一结果锁存器和多路器161,其输入端接收同时从四个存储体(图14中104)的每一个中读出的四个识别模式的各相应距离。结果锁存器161还接收跳越标记,这些跳越标记指示分类器是否舍弃认别模式的各个模式。当结果锁存器接到时钟信号时,来自累加器(图15中151)的全部四个距离和来自跳越寄存器(图15中152)的他们各自的跳越标记都存储在结果锁存器161中。结果锁存器161有一个多路转换三态输出,当其被起动时发送由这些距离中选出的一个及其对应跳越标记。通过结果选择计数器162控制结果锁存器和多路器161的选择输入。
一般地说,当结果锁存器和多路转换器161接到时钟信号时,结果选择计数器162就被清零。对选择的跳越存储体标记进行检查,如果它是逻辑1,那么结果选择计数器162就被时钟触发以选择下一识别模式。否则的话就根据当前距离来对识别模式进行分类,并在分类完成时,结果选择计数器即由时钟控制,来选择下一识别模式。这样地顺序进行直到全部四个距离长度都被跳越或都被分类。然后结果锁存器被时钟控制,而使结果选择计数器清零,以便处理下一组的四个距离长度。结果锁存器和多路器161包括例如由一个2位译码器(元件号74F139)起动的八个延迟触发器(元件号74F374)。结果选择计数器162例如是一个4位计数器(元件号74S169)。
当一个识别模式被选择作分类时,其相应的距离值用一相应模式识别数(PIDN)作标记。此模式识别数是通过把结果选择计数器162的结果选择数附加到由槽计数器163提供的槽数上构成的。此槽计数器包括例如两个8位计数器(元件号74AS869)。当结果锁存器和多路器161被起动以确定距离总线164上一个选择距离值时,模式识别数(PIDN)缓冲器165就被启动,在模式识别数(PIDN)总线166上断定对应的模式识别数。如下面将进一步叙述的那样,在分类处理期间距离值及其相应的模式识别数一起存储在结果缓冲器167中。结果缓冲器的容量确定了可能分类的识别模式的最大数量。结果缓冲器例如可以存储多达16个识别模式的识别数和距离。在这种情况时,结果缓冲器167可以包括四个16×8寄存器堆(元件号74AS870)。
在分类处理期间,从结果锁存器161发送的用于一个新识别模式的距离与先前存储在结果缓冲器167中的至少任一最小距离进行比较。最小距离的数值存储在执行比较的比较器168中。比较器168包括例如两个8位比较器(元件号74AS885)。如果发现这个新的距离比先前存储在结果存储器中的一个距离大,那么结果缓冲器中的这个先前距离就被移走,以便提供用于插入新的距离的空间。为了移动先前存储的距离及其相应的模式识别数,设有一个反馈缓冲器169,它可以接收来自结果缓冲器中一个第一单元的距离值及其相应的模式识别数,并然后把这个距离及相应的模式识别数写回到结果缓冲器167的一个不同的单元中。反馈缓冲器169包括例如四个8位延迟触发器(元件号74LS374)。
为了提供读或写一个距离及其相应的模式识别数的结果缓冲器的地址,设有一个提供结果地址(RES    ADDR)的结果地址计数器170。如下面将进一步叙述的那样,在分类过程期间,必须选择地递增结果地址计数器,递减结果地址计数器,或把结果地址计数器予置到有效PIDN的数值,作为存储结果缓冲器167中的距离项。存储在结果缓冲器中的有效项数由结果计数器171指定。结果计数器171和结果地址计数器170例如可以是四位二进制计数器(元件号74LS169)。在对整个模式数据库检索结束时,结果计数器指明查找出并被存储在结果缓冲器167中的结果数。
因为结果缓冲器的有限容量的原因,被选择用于分类的结果可能比能够存储在结果缓冲器的多。因此,必须在分类过程中确定何时结果缓冲器被填满。此外还为了加速检索过程,有时最好在结果缓冲器中存储的结果数量,选择得少于缓冲器能存储结果的最大数量。因此,为了确定存储在结果缓冲器167中的被选结果的数量到底是最大值还是较低的数量,设有一个最大数量结果比较器172,它将来自结果计数器171的值与一个予选的值进行比较。为了简化最大数量结果比较器172,可以设想要保存的结果数是3、5、9或16。因此要保存的数可以由一个二位的二进制数确定,此最大数量结果比较器172可以由一个2×4多路器组成(元件号74LS253)。
用于图18中分类器电路的控制信号由图19中的分类控制器110提供。分类器控制器的控制逻辑由图20中的流程图180说明。在初始步181结果计数器清零,接着在步182用结果计数器的清零值装入结果地址计数器。然后在步184测试停止条件,以便确定模式存储器(图14中104)中的全部选择的数据是否都已经被检索。例如在数据库是空的,或由于每个模式都产生了规定的跳越条件而使数据库中全部模式都被跳越时,就将产生停止条件184。上述最后一种情况将要求来自跳越寄存器(图15中152)的“跳越槽”信号对模式存储中每个模式槽都有效。
如果在步184未出现停止条件,在步185分类器控制器检验结果锁存器161中是否已经接收到新的结果。当分类器控制器检测一个有效的“屏蔽剩余”(MASK    REM)信号时,就会产生这种情况。这样存储器和累加器控制器(图15中109)起动图18中的选择器/分类器电路,接收新的结果。应该注意到当分类器控制器110正在处理新的结果时,它把一个有效暂停信号送回到存储器和累加器控制器(图15中109)。当分类器控制器等待新的结果时,它发送一个无效暂停信号。换句话说,暂停信号是分类器控制器状态的函数。例如在步181和182中暂停信号是有效的,而在步184和185中,在结果锁存器中接收到新的结果以前暂停信号是无效的。
当接收到结果时,在步186结果选择计数器(图18中162)被清零,以便由第一模式存储体选择结果。接着在步187测试选择的跳越存储体(SELECTED    SKIP    BANK)信号,以便确定结果选择计数器指示的结果是否应该被选择和分类。如果跳越标记未清除,执行就继续进行,以便把结果与先前存储在结果缓冲器(图18中167)中的任一结果进行比较。对于一个特定实例的分类器状态在图21至图44中示出,在流程图180的步186中,结果锁存器和结果缓冲器的内容在图21中示出。假定一个负2的距离和16的PIDN存储在结果锁存器中,并且结果缓冲器是空的。
在步189结果锁存器中由结果选择计数器指示的结果被传送到结果缓冲器中由结果地址计数器指示的项目中。在步190测试最大数量结果比较器(图18中172)的最大结果(MAX    RES)信号,以便确定结果缓冲器是否已经为予选的最大数量项填满。如果没有,则在步191在新的结果装入结果缓冲器前递增结果计数器(图18中171)。在步192将结果计数器的值装入结果地址计数器,而在步193递减结果地址计数器。在步194将由结果地址计数器指示的结果缓冲器的项目装入反馈缓冲器。在步195递增结果地址计数器,在步196结果选择计数器与3进行比较,以便确定在结果锁存器中的全部四个结果是否已经被分类。如果没有,在步197递增结果选择计数器。现在对于结果锁存器中的第一结果分类已经完成。对于这个特定的实例,此时的结果锁存器、反馈缓冲器和结果缓冲器的内容如图22所示。第一结果存储在反馈缓冲和结果缓冲器中,以便辅助分类处理。此外,当结果存储在反馈缓冲器中时,其距离也被时钟控制输入比较器中(图18中186),以便把它与任一后续结果的距离进行比较。例如下一结果的模式识别数为17,其距离为7。该下一结果被存储在结果锁存器中,并由结果选择计数器指示。
在步199中对在结果锁存器中的被指示的结果继续进行分类。对选择的跳越存储体标记加以检验,以便确定这个新的结果是否应该被跳越。如果不,就在步200将结果锁存器中的新的结果存储在反馈缓冲器中的先前结果进行比较。如果新结果的距离比先前结果的距离大,那么该先前结果必须从结果缓冲器中其现行单元移位。因此,在步201反馈缓冲器中的先前结果被传送到由结果地址计数器指定的结果缓冲器的项目中。在步202递减结果地址计数器,并在步203检验最后结果(LAST    RESULT)标记,以确定是否已经到达结果缓冲器的顶端(结果地址=0)。
在这个特定的实例中,此时的结果缓冲器的内容如图23所示。结果地址计数器已经达到最后结果,因此执行转移回到步189。在步189结果锁存器中被指定的结果存储在结果缓冲器的顶端单元。步190至步194的连续执行使结果计数器和结果地址计数器都指向结果结果缓冲器中最后一项的下面,如图24中所示。在步197,在结果锁存器中指示一个新的结果,在步200判定新结果的距离不大于存储在反馈缓冲中的先前结果的距离。因此,执行转移回到步189,并如图25中所示新的结果存储在结果缓冲器的下一单元中。
在步191至步194,结果计数器递增,结果地址计数器被置到结果数并被递减,而结果缓冲器中的最后结果被装入反馈缓冲器。接着,在步195递增结果地址计数器,在步197递增结果选择计数器,从而如图26中所示指定结果锁存器中的第四结果。在这种情况下,在步200对结果进行比较时,即判定新结果的距离大于在反馈缓冲器中先前结果的距离,因此在步201、步202和步203之后,在步204中递减结果地址计数器。图27示出了此时结果缓冲器的状态。
在步205由结果地址计数器指示的结果缓冲器中的项目在这个结果的距离与新结果的距离进行比较之前被转移到反馈缓冲器。接着在步206,在将这两个结果中较小的一个存储在结果缓冲器的新指定的项中之前递增结果地址计数器。此时结果缓冲的状态在图28中示出。
执行转移回到步200,把新结果的距离与反馈缓冲器中结果的距离进行比较。在步200判定新结果的距离又大于反馈缓冲器中先前结果的距离,因此重复201至206。此时结果缓冲器的状态在图30中示出。
执行又转回到步200,判定新结果的距离小于反馈缓冲器中先前结果的距离。因此,执行转移到步189,在结果锁存中的新结果存储在结果缓冲器的第二项中。在步191至步194之后,结果计数器被递减至结果缓冲器中最后项目的下面,结果地址计数器被装载并被递增到指向结果缓冲器中最后项目,如图31中所示。然后在步194结果缓冲器中的最后一项被传送到反馈缓冲器,在步195递增结果地址计数器。
然而此时在步196,结果选择计数器被判定等于3,因此在步208测试停止条件,在步209分类器控制器等待直到在结果锁存器中接收到新的结果。接着在步210递增槽计数器,并把结果选择计数器置0。如图32中所示,一个新的结果出现在结果锁存器中。执行转移到步199,在步200新结果的距离与存储在反馈缓冲器中的先前结果的距离进行比较。在这种情况下新结果的距离较小,因此执行转移回到步189。在步189中新结果存储在结果缓冲器的最后一项中。
在图21至图44所示的特定实例中,为了便于说明假定最大结果数是5。因此在步190执行转移到步211。在步211置入一个最大结果标记,指明已经到达结果的最大数量。如果未置入该标记,所得结果数(NO    OF    RESULTS    FOUND)将指出最后存储在结果缓冲中的结果数。否则,最后存储的结果数将是一个大于所得结果数的数。
在步212,将结果计数器的值装入结果地址计数器,这时不会使结果地址改变。接着在步213,由结果地址指定的结果缓冲器的项目装入反馈缓冲器。此时的结果缓冲器的状态在图33中示出。
在步214递增结果选择计数器,以便如图34中所示在结果锁存器中指示一个新结果。在步216检验选择的跳越存储体之后,在步217把结果锁存器中的新结果与反馈缓冲器中的先前结果进行比较。这时结果锁存中结果的距离大于反馈缓冲器中先前结果的距离,因此执行转移回到步204。递减结果地址,并在步205将由结果地址指示的结果缓冲器的项目装入反馈缓冲器。反馈缓冲器的状态在图35中示出。
在步206递增结果地址计数器,执行转移回到步200作结果比较。又判定新结果的距离大于反馈缓冲器中结果的距离。因此重复步201,使反馈缓冲器中的值置换结果缓冲器中的最后一项。如图36中所示,结果缓冲器的最后一项被“废弃”。
在步200递减结果地址计数器,步203之后在步204中再递减结果地址计数器。此时结果缓冲器的状态在图37中示出。在步205由结果地址指示结果缓冲器的项目被传送到反馈缓冲器。此时的反馈缓冲器状态在图37中示出。
在步206递增结果地址计数器,执行又转移回到200作结果比较。再次发现新结果的距离大于反馈缓冲器中先前结果的距离。因此在步201反馈缓冲器的结果传送到由结果地址指示的结果缓冲器的项目中,如图38中所示。在步202递减结果地址计数器,在步203之后再递减结果地址计数器。此时的结果缓冲器的状态在图40中示出。
在步205由结果地址指示的结果缓冲器的项目被传送到反馈缓冲器,在步206递增结果地址计数器。执行又转移回到步200作结果比较。但此时新结果的距离小于反馈缓冲中先前结果的距离。因此执行转移到步189,而结果锁存器中被指定的新值被存储到由结果地址指示的结果缓冲器的项目中。此时结果缓冲器的状态在图40中示出。
接着在步190,得知结果的最大数量存储在结果缓冲器。因此执行转移到步211,而在步212,用结果计数器的值装入结果地址计数器。在步213,由结果地址指示的结果缓冲器的项目被传送到反馈缓冲器。此时反馈缓冲器的状态在图41中示出。在步214,递增结果选择计数器,从而在结果锁存器指定一个新的结果。在步216检验选择的跳越存储体信号之后,在步217中比较结果。新结果的距离大于反馈缓冲中先前结果的距离,因此执行转移回到步204。递减结果地址计数器,并在步205由结果地址指示的结果缓冲器的项目被传送到反馈缓冲器。此时反馈缓冲器的状态在图43中示出。
在步206递增结果地址计数器,执行转移回到步200以便比较结果。此时判定结果的距离是相等的,因此执行转移到步189。在步189结果锁存器中被指定的结果被传送到由结果地址指示的结果缓冲器的项目中。此时结果缓冲器的状态在图44中示出。
在步190,又判定结果缓冲器正存储着最大数量的结果。因此执行转移到步211,在步213结果缓冲器中的最后一项被传送到反馈缓冲器。此时反馈缓冲器的最后状态在图44中示出。这就完成了对图21至图44所示特定实例的说明。然而应该注意,如果结果要作进一步处理,在步218总会发现结果选择变成等于3。在这种情况下,在步220,分类器控制器将等待结果锁存器接收的新结果,一旦接收到新结果,就在步211将结果选择计数器置0。此后执行将进到步216。
图19的分类器控制器响应来自图19的分类器控制器的“检索N”(Search    N)命令执行图20的分类控制过程。分类器控制器识别若干其他命令,其中包括停止检索操作的命令。例如“清除分类器”(“Clear    Sorter”)命令一般用于检索操作的结束,以便把字计数器163置0,把结果选择计数器162置0,把结果地址计数器170置0,把结果计数器171置0,并把结果缓冲中的第一结果输出到距离总线和模式识别数总线(参见图18)。因此主计算机可以从结果多路器(图14中107)得到第一结果。
为了发送其他结果,主控制器把一个“起动下结果”(“Enable    Next    Result”)命令发送到分类器控制器。响应“起动下一结果”命令,分类器控制器递增结果地址计数器,并把下一结果自结果缓冲器发送到距离总线和模式识别数总线。
在检索一定数量的最接近检索模式的识别模式时,使用图20的分类过程。有时希望查找全部在离检索模式一定距离内的识别模式。为了执行这样一种检索,主控制器首先发送一个“装入距离限制”(“Load    Distance    Constraint)命令到分类器控制器(图19中110)。作为响应,分类器控制器起动一个门电路(图18中173)把来自总线101(图18)的距离限制传送到距离总线(图18中164),并作为比较器(168)接收该距离限制的钟控信号。比较器的这一装载也可以不用门电路173,而把距离限制相继通过写数据寄存器(图14中103)、模式存储器(图14中104)、数据锁存器(图15中131)、累加器(图15中151)和结果锁存器(图18中161)进行传送。
一旦距离限制被装入比较器,主控制器发送一个“检索距离以内全部模式”(“Search    All    Within    Distance”)命令到分类器控制器(图19中110),使分类器控制器执行图45中流程图230所示的检索过程。在总标号为231的第一步中,以由图20中步181至步186所说明的状态,从结果锁存器得到第一结果。接着在步232测试“选择的跳越存储体”信号,以确定第一结果是否应该被跳越。如果不作跳越,则在步233将此结果的距离与已经装入比较器中的距离限制进行比较。如果此结果的距离大于距离限制,即在步234设置一缓冲器填满标记,经由馈送到结果多路器(图14中107)的“状态”(”STATUS”)向主计算机发出信号,指出已经查找到下一结果。然后主计算机可以由距离总线和PIDN总线读此下一结果的距离和PIDN。
在步235分类器控制器等待继续运行的“下一结果”(“Next    Result”)命令。当收到“下一结果”命令时,在步236测试结果选择计数器,以确定第二结果是否被选择。如果未选择,在步237递增结果选择计数器,并执行循环回到步232以测试下一结果。否则,必定从结果锁存器得到一组新的结果。因此在步238检测停止条件而在步239分类器控制器检验结果锁存器是否已经接收到新的结果。如果没有,执行循环回到步238。如果在分类器控制器接收到停止命令之前已经接收新的结果,则在步140递增存储槽计数器,并把结果选择计数器在步232中测试新结果开始之前置0。
为使用距离限制进行检索,步233拒识那些其距离小于或等于规定的距离限制的结果。对于某些应用,最好得到每一个不被跳越的结果。为了得到全部这些结果,主控制器发送“检索全部结果”(“Seach    All”)命令到分类器控制器。响应这个命令,分类器控制器执行图45的检索过程,但不执行步233的比较,而是如果在步232中“选择的跳越存储体”信号没有指明要跳越,代之以继续执行步234。“检索全部结果”命令可以用于例如取得一个指定的检索模式向量与每一个识别模式向量的相关性或向量标量积。此“检索全部结果”命令还可以用于得到包括在由子空间屏蔽定义的一个子空间中的全部识别模式。
除选择或分类结果外,分类器中的槽计数器163还用于在某些存储器操作期间对槽进行计数,以便指示主计算机可以通过读数据寄存器102或写数据寄存器103直接访问哪个槽。为此,主控制器发送一“递增槽计数器”(“Increment    Slot    Counter”)命令到分类器控制器。
图46示出了响应来自主计算机的检索命令,由主控制器(图14中118)执行的总标号为250过程的流程图。在第一步251,主控制器发送“装入数据库起动地址”(Load    Data    Base    StartAddress”)命令到存储器控制器(图15中109)。接着在步252,主控制器发送检索命令到存储器控制器,并且还发送检索命令到分类器控制器(图19中110)。而后在步253,主控制器等待来自存储器控制器的操作结束信号。一旦接收到结束操作信号,在步254主控制器即发送停止或“清除分类器”命令到分类器控制器。
图47A中示出了存储器控制器根据主控制器(图14中108)的存储命令执行的总标号为260的流程图的一半。在第一步261执行转移到视特定存储命令而定的一种状态。对于“装入数据库起动地址”命令,执行转移到步262,在此分类器控制器操作多路器114,并时钟控制槽地址寄存器112(图14),把数据库起动地址装入此槽地址寄存器。对于检索命令,执行转移到步263,在此从槽地址寄存器用选自长度多路器117的0输出装入当前地址计数器(113)。接着在步264将长度多路器117切换,并把当前长度装入字和模式计数器116。
为了读和处理一个新的数据槽,在步265,读当前地址和屏蔽地址的模式和屏蔽存储器104和105。接着在步266如果到达存储器的末端,就执行转移。这时,在步267把操作结束信号发送到主控制器。同样,如果在步268测试出到达数据库末端,也发送操作结束信号。如图14中所示,存储器结束信号是当前地址计数器113或屏蔽地址计数器118的进位输出,而数据库结束信号由来自门电路119的数据库标记的终端指示。接着在步269测试字长(LIW)标记,以确定从存储器读的数据模式是否包括一个LIW字。如果包括有,则在步270将此LIW字装入LIW锁存器111,将屏蔽起动地址装入屏蔽地址计数器118,用当前长度装入字和模式计数器116,并递增当前地址计数器113。接着执行转移回到步265,以便从存储器读下一字数据。
如果在步269未找到LIW节,则如图47B所示继续进行。在步270,测试跳越槽信号,以确定当前的模式槽的全部字是否都应该被跳越。如果是这样,则在步271将槽地址寄存器112和当前长度的值的和数装入当前地址计数器113。并将屏蔽起动地址装入屏蔽地址计数器118。而且用当前长度装入字和模式计数器。
如果在步270未检测出跳越,则在步273检验计数终结。如果计数终结未发生,则在步274对当前的模式槽的处理继续进行。递增当前地址计数器,递增屏蔽地址计数器,并递减字和模式计数器。而且因为此时已从存储器读出该模式的第一字,因而将半径通过数据锁存器131装入累加器151(见图15)。然后在步275,从模式和屏蔽存贮器读取数据的下一字。
在步276,测试当前地址计数器113和屏蔽地址计数器118的进位输出,以确定是否已经到达存贮器末端。如果是,即执行转移回到图47A的步267,发送操作结束信号到主控制器。否则,则在步277测试跳越槽信号,如果表明跳越,就执行转移到步271。否则即在步278检测字和模式计数器的进位输出,以确定是否已经到达计数终点。如果还没有,就在步279递增当前地址,递增屏蔽地址计数器,并递减字和模式计数器。对当前字的字节计算的部分和数被加到累加器寄存器,然后执行转移回到步275,读取下一字的模式和屏蔽数据。
如果在步273检测到计数终结,那么当前字就是当前模式的第一字,而此模式将仅有一个附加字。第一字包含有半径。因此,在步280递增当前地址计数器,递增屏蔽地址,并通过数据锁存器131将此半径装入累加器151。然后在步281读模式和屏蔽存贮器,以便得到该模式的最后一数据字;向在步282测试“跳越槽”信号,以确定模式的当前槽是否应该被跳越。如果不,即在现行循环结束时处理该模式的当前槽的全部数据。但分类器有可能还未准备好接收新的结果。因此在步283检测来自分类器的暂停信号,直到分类器准备好接收新的数据。
当分类器准备好接收新数据,即在步284计算并发送新的数据。具体说,在下一存贮器读数前,递增当前地址计数器,将屏蔽起动地址装入屏蔽地址计数器,并将当前长度装入字和模式计数器。发送屏蔽剩余(MASK    REM)信号,用以处理模式数据的最后字,并向分类器发出接收新结果的信号。通过把最后部分和数加到累加器寄存器,对新的结果进行计算。然后执行转移到图47A中的步265,读模式和屏蔽存贮器,以便得到下一模式槽的数据字。这样就完成了对由存贮器和累加器控制器执行的过程的说明。
比起已经公知的识别系统和相联存贮器来,本发明的并行相联存贮器具有许多优点。本发明并行相联存贮器的一个主要优点是其设计的精巧。对普通随机存取存贮器(RAM)在RAM内部或RAM外部加以改进,并采用并行的体系结构,使其在应用于通常的处理机中时,能大大提高和完善运行性能,尤其是能提供价格低廉的快速模式符合或快速数据检索的优点。各种大小的模式都可以存贮在存贮器中,子空间和舍弃屏蔽使得有可能在检索时考虑或忽略一定范围的信号。本发明可供快速处理,而不缩小识别系统的应用领域。它还使得快速数据检索在将数据模式与存贮器的内容进行比较时,可以进行精确的或不精确的符合。同时因为本发明的并行相联存贮器被设计成一个多层系统的一部分,所以在适当地装入较低层并行相联存贮器之后,该系统的较高层可以独立操作,以便该较高层能执行所需的任何其他操作。
因此,本发明的并行相联存贮器为由规定的识别模式辨识被测得的模式提供了各种应用上和速度上的灵活性,而现有的那些识别模式系统和相联存贮器则无法在实用中实现速度和扩大应用范围的相互结合。

Claims (52)

1、一种并行相联存贮器,包括:
用于接受检索模式的装置;
用于在相应地址存贮和检索多个识别模式的多个可寻址存贮装置;
用于对所述可寻址存贮装置寻址,以便从每个所述可寻址存贮装置同时检索一系列所述被存贮的识别模式的装置;
用于把所述检索模式与从每个所述可寻址存贮装置检索的多个识别模式同时相比较的装置;
用于根据所述比较装置的比较,选择至少一个与所述检索模式密切符合的识别模式的装置;和
用于输出指明由所述选择装置选择的至少一个识别模式的信号的装置。
2、根据权利要求1所述的并行相联存贮器,其特征是:用于接受所述检索模式的所述装置包括有用于在各相应可寻址单元存贮多个检索模式的装置。
3、根据权利要求1所述的并行相联存贮器,其特征是:所述可寻址存贮装置包括用于存贮和检索不同长度的识别模式的装置;所述用于同时比较的装置包括用于把来自所述接收装置的所述检索模式与不同长度的识别模式进行比较的装置。
4、根据权利要求3所述的并行相联存贮器,其特征是:所述用于寻址的装置包括用于通过把当前模式长度加到当前一个模式的地址上来计算下一个模式的地址的装置。
5、根据权利要求1所述的并行相联存贮器,其特征是:所述可寻址存贮装置包括用于存贮和检索对每个识别模式定义一个引力半径的参数的装置;所述比较装置包括用于使检索模式与每个被检索的识别模式相关、并根据相应参数对每个被检索的识别模式的相关性作一定的调整的装置。
6、根据权利要求5所述的并行相联存贮器,其特征是:所述用于调整相关性的装置包括用于把相关性加到定义相应引力半径的参数上计算每个被检索的识别模式的距离量的装置。
7、根据权利要求5所述的并行相联存贮器,其特征是:所述检索模式和所述识别模式包含有多个向量,所述相关性是作为向量标量积进行计算的。
8、根据权利要求5所述的并行相联存贮器,其特征是:所述检索模式和所述识别模式包含许多位串,所述相关性是根据所述位串按位比较进行计算的。
9、根据权利要求5所述的并行相联存贮器,其特征是:所述选择装置包括用于选择其调整后的相关性小于一预定阀限的识别模式的装置。
10、根据权利要求1所述的并行相联存贮器,其特征是:所述寻址装置包括用于对所述可寻址存贮器中被选择的地址区域进行寻址,以便在所述存贮器中检索被选择的所述识别模式的数据库的装置。
11、根据权利要求1所述的并行相联存贮器,其特征是:所述比较装置包括用于执行所述检索模式与每个被检索的识别模式按位比较的装置。
12、根据权利要求11所述的并行相联存贮器,其特征是:还包括用于监测通过所述比较装置在所述检索模式与一给定识别模式按位比较中的差数的装置;以及用于当此差数超过一预定阀值时,使所述比较装置停止所述检索模式与所述给定识别模式进一步比较的装置。
13、根据权利要求11所述的并行相联存贮器,其特征是:还包括用于监测所述检索模式与给定识别模式按位比较中的差数的装置;用于当此差数小于一个预定阀值时使所述比较装置停止所述检索模式与所有还未比较过的识别模式比较的装置。
14、根据权利要求11所述的并行相联存贮器,其特征是:所述比较装置进一步还包括用于接收一个指定那些在检索关键字与每个识别模式进行比较中不予考虑的位单元的“舍弃屏蔽”信号的装置。
15、根据权利要求11所述的并行相联存贮器,其特征是:所述比较装置进一步包括用于接收一个指定那些对于由所述选择装置要选择的识别模式来说检索关键字和每个识别模式必须符合的位单元的“子空间屏蔽”信号的装置。
16、根据权利要求11所述的并行相联存贮器,其特征是:所述比较装置进一步包括用于在所述检索模式和每个被检索的识别模式之间进行向量标量积比较的多位乘法器部件。
17、根据权利要求16所述的并行相联存贮器,其特征是:所述比较装置进一步包括用于接收至少一个屏蔽的装置,所述屏蔽为所述按位比较指定所述检索模式和每个识别模式的一些单元,而为所述向量标量积比较指定所述检索模式和每个识别模式的另一些单元。
18、根据权利要求1所述的并行相联存贮器,其特征是:所述比较装置包括用于提供指明识别模式与检索模式接近程度的相应数值的装置;所述选择装置包括用于识别一定数量的与检索模式最接近的识别模式、并根据它们各自的指示其接近程度的数值对之进行分类的装置。
19、根据权利要求18所述的并行相联存贮器,其特征是:所述可寻址存贮装置包括用于存贮和检索对每个识别模式定义一个引力半径的参数的装置;所述用于提供数值的装置包括用于使检索模式与每个被检索的识别模式相关、并根据相应参数对每个被检索的识别模式的相关性作一定的调整的装置。
20、按权利要求18所述的并行相联存贮器,其特征是:所述选择装置包括拒识那些已与检索模式作过比较并具有表明它们与至少一个预定阀值较接近的相应数值的识别模式的装置。
21、按权利要求18所述的并行相联存贮器,其特征是:所述选择装置包括拒识那些已与检索模式作过比较而具有表明它们与至少一个预定阀值相距较远的相应数值的识别模式的装置。
22、一种并行相联存贮器,包括:
用于输入检索模式的装置;
多个相联存贮器,每个相联存贮器包括:
用于存贮多个识别模式的装置;
用于接收来自所述输入装置的所述检索模式的装置;和
用于输出表明所述存贮装置的多个识别模式中至少一个与所述检索模式紧密相符的识别模式的信号的装置;
用于选择至少一个由所述多个相联存贮器输出指明的最密切地对应所述检索模式的识别模式的装置;和
用于输出表明由所述选择装置选择的所述至少一个识别模式的信号的装置。
23、按权利要求22所述的并行相联存贮器,其特征是:还包括有连接所述输入装置和所述多个相联存贮器的所述接收装置的总线;所述总线使所述多个相联存贮器中每一个的所述接收装置几乎同时地接收所述检索模式,以便所述多个被修正的存贮器同时操作,通过所述多个相联存贮器中每一个的输出装置产生相应的输出。
24、按权利要求22所述的并行相联存贮器,其特征是:所述接受来自所述输入装置的所述检索模式的装置包括用于在各相应可寻址存贮单元存贮多个检索模式的装置。
25、按权利要求22所述的并行相联存贮器,其特征是:所述多个相联存贮器中的每一个进一步包括:
用于把来自所述接收装置的所述检索模式与所述存贮装置中的所述多个识别模式进行比较的装置;和
用于根据通过所述比较装置的比较选择表明至少一个密切符合所述检索模式的识别模式的信号作为所述输出装置的输出装置。
26、按权利要求25所述的并行相联存贮器,其特征是:所述用于存贮多个识别模式的装置包括用于存贮不同位长度的识别模式的装置;所述比较装置包括用于把来自所述接收装置的所述检索模式与不同位长度的识别模式进行比较的装置。
27、按权利要求26所述的并行相联存贮器,其特征是:所述比较装置包括用于把所述检索模式与所述识别模式的终端区段进行比较的装置,所述终端区段具有与所述检索模式的位长度相同的位长度。
28、按权利要求25所述的并行相联存贮器,其特征是:所述比较装置包括把所述检索模式与所述按位方式存贮的装置的所述多个识别模式进行按位比较的装置,以便所述选择装置选择与所述检索模式按位比较产生最小差数的识别模式来作为所述至少一个密切符合所述检索模式的识别模式。
29、按权利要求28所述的并行相联存贮器,其特征是:每个所述相联存贮器进一步包括:
用于监测通过所述比较装置在所述检索模式和给定识别模式按位比较中的差数的装置;和
用于当差数超过一预定阀值时,使所述比较装置停止所述检索模式与所述给定识别模式进一步比较的装置。
30、按权利要求28所述的并行相联存贮器,其特征是:所述相联存贮器进一步包括:
用于监测所述检索模式与给定识别模式按位比较中的差数的装置;和
用于当差数小于一预定阀值时,使所述比较装置停止所述检索模式与还未作比较的任何识别模式进行比较的装置。
31、按权利要求28所述的并行相联存贮器,其特征是:所述比较装置包括用于对所述检索模式与来自所述存贮装置的所述识别模式的至少一个流进行“异或”操作的装置。
32、按权利要求31所述的并行相联存贮器,其特征是:所述存贮装置包括用于同时检索所述识别模式的多个不同的并行流的装置;所述进行“异或”操作的装置包括用于同时接收所述识别模式的所述多个不同的并行流的装置。
33、按权利要求28所述的并行相联存贮器,其特征是:所述比较装置进一步包括用于接收“舍弃屏蔽”和“子空间屏蔽”的装置,所述“舍弃屏蔽”指定那些在检索关键字与每个识别模式作比较时不予考虑的位单元,所述“子空间屏蔽”指定那些对于要由所述选择装置选择的识别模式来说检索关键字和每个识别模式必须符合的位单元。
34、一种用于识别检索模式的系统,所述系统包括:
用于输入检索模式的装置;
用于从一组识别模式中选择至少一个接近的识别模式的多个存贮器装置,所述多个存贮装置中的每一个包括:
用于存贮多个识别模式的装置;
用于接收来自所述输入装置的检索模式的装置;
用于将来自所述接收装置的检索模式与来自所述存贮装置的所述多个识别模式进行比较的装置;和
用于根据由所述比较装置进行的检索模式与所述多个识别模式的比较、从所述多个识别模式中选择至少一个接近的识别模式的装置;
用于从由所述存贮装置选择的所述接近的识别模式中选择至少一个最密切符合的识别模式的判定装置;
用于根据预定的应用将一组识别模式加以划分,并把经划分的识别模式存贮在所述存贮器装置的所述执行存贮的装置中的装置;和
用于根据所述预定的应用使用由所述判定装置选择的所述至少一个最密切符合识别模式的装置。
35、按权利要求34所述的并行相联存贮器,其特征是:还包括有连接所述输入装置和所述多个存贮装置的所述接收装置的总线;所述总线使多个被修正的存贮器中每一个的所述接收装置几乎同时接收所述检索模式,以便所述多个被修正的存贮器同时操作以选择所述接近的识别模式。
36、按权利要求35所述的并行相联存贮器,其特征是:所述比较装置包括有将所述检索模式与所述按位存贮的存贮装置的所述多个识别模式作按位比较的比较方式,以使所述选择装置选择与所述检索模式按位比较产生最小差数的识别模式来作为所述至少一个接近的识别模式。
37、按权利要求36所述的并行相联存贮器,其特征是:每个所述存贮器装置进一步包括:
用于监视通过所述比较装置在所述检索模式与给定识别模式按位比较中的差数的装置;和
用于当差数超过一预定阀值时,使所述比较装置停止所述检索模式与所述给定识别模式进一步比较的装置。
38、按权利要求36所述的并行相联存贮器,其特征是:每个所述存贮器装置进一步包括:
用于监测所述检索模式与给定识别模式按位比较中的差数的装置;和
用于当差数小于一预定阀值时,使所述比较装置停止所述检索模式与还未作比较的任何识别模式比较的装置。
39、一种用于识别模式的方法,包括以下步骤:
在多个存贮器的每一个中存贮多个识别模式;
接收检索模式;
把所述检索模式与所述多个存贮器中每一个的所述多个识别模式进行比较;
选择多个接近的识别模式,所述多个接近的识别模式至少包括存贮在每个所述存贮器中的所述多个识别模式中的一个接近的识别模式;和
从所述多个接近的识别模式中至少选择一个最密切符合所述检索模式的最接近的识别模式。
40、按权利要求39所述的方法,其特征是:所述检索模式几乎同时被输入到所述多个存贮器中;所述比较步骤在所述多个存贮器的每一个中同时发生。
41、按权利要求39所述的方法,其特征是:比较步骤在所述多个存贮器的每一个中进行,并且是将所述检索模式与存贮在每个所述存贮器中的所述多个识别模式的识别模式按位进行比较,还进一步包括以下步骤:
在所述多个存贮器的每一个中监测所述检索模式与相应存贮器的给定识别模式按位比较的差数,如果所述差数超过对该相应存贮器限定的一个阀差值,就停止检索模式与该相应存贮器的所述给定识别模式的按位比较。
42、一种用于识别模式的方法,包括以下步骤:
在多个存贮器的每一个中存贮多个识别模式;
接收检索模式;
把所述检索模式与所述多个存贮器的每一个中的所述多个识别模式进行比较,以确定识别模式的接近程度的有关值;和
检查所述的接近程度值以确认一定数量的最接近的识别模式,并根据其接近程度的有关数值来将所确认的识别模式加以分类。
43、按权利要求42所述的方法,其特征是:所述存贮器存贮对识别模式定义相应引力半径的相应参数,所述比较步骤包括计算检索模式与识别模式之间的相关性,和根据相应参数调整各自的相关性以便得到接近程度的相应值。
44、按权利要求43所述的方法,其特征是:还包括把接近程度的相应值与一个预定的阀值进行比较的步骤,和防止其接近程度值超过所述阀值的识别模式被包括进已被确认和分类的所述一定数量的最接近的识别模式之中的步骤。
45、按权利要求43所述的方法,其特征是:还包括把接近程度的相应值与一个预定的阀值进行比较的步骤,和防止具有未超过所述阀值的接近程度值的识别模式被包括进已被确认和分类的所述一定数量最接近的识别模式之中的步骤。
46、按权利要求45所述的方法,其特征是:还包括根据所述检索模式和至少一个已被确认的和分类的识别模式,把一个新的识别模式存贮在一个所述存贮器中的步骤。
47、按权利要求42所述的方法,其特征是:所述比较步骤包括把所述检索模式的一些位与所述多个存贮器的每一个中的所述多个识别模式的一些位进行比较的步骤;所述方法还进一步包括防止被选择的一些所述识别模式被包括在已被确认和分类的所述一定数量最接近的识别模式之中的步骤,其中所述被选择的一些所述识别模式是根据其与所述检索模式作相应的按位比较加以选择的。
48、按权利要求47所述的方法,其特征是:进一步包括输入至少一个屏蔽,以确认所述检索模式和所述识别模式的所述一些位的步骤。
49、一种用于识别模式的方法,所述方法包括以下步骤:
在至少一个存贮器中存贮多个识别模式;
接收检索模式;
把所述检索模式的一些位与所述多个识别模式的一些位进行比较,并根据按位比较拒识一些识别模式;
使所述检索模式至少要与所述存贮器中未被拒识的所述多个识别模式相关,以便对未被拒识的识别模式确定接近程度的各相应值;
检查所述接近程度的值,以便确认未被拒识的识别模式中的至少一个最接近的识别模式。
50、按权利要求49所述的方法,其特征是:所述检索模式和所述识别模式包含有与所述那些位不同的相应向量区段,通过计算所述检索模式的向量区段与未被拒识的相应识别模式的向量区段的相应标量积来作相关处理。
51、按权利要求49所述的方法,其特征是:所述一些位由至少一个屏蔽指定。
52、按权利要求49所述的方法,其特征是:所述存贮器存贮对识别模式定义相应引力半径的相应参数,所述作相关处理的步骤包括通过相应参数调整相应的相关性来确定未被拒识的识别模式的接近程度的有关值的步骤。
CN88104807A 1987-06-15 1988-06-15 并行相联存储器 Expired CN1019054B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US6247387A 1987-06-15 1987-06-15
US156,542 1988-02-16
US07/156,542 US5014327A (en) 1987-06-15 1988-02-16 Parallel associative memory having improved selection and decision mechanisms for recognizing and sorting relevant patterns
US062,473 1993-05-17

Publications (2)

Publication Number Publication Date
CN1030833A true CN1030833A (zh) 1989-02-01
CN1019054B CN1019054B (zh) 1992-11-11

Family

ID=26742305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN88104807A Expired CN1019054B (zh) 1987-06-15 1988-06-15 并行相联存储器

Country Status (8)

Country Link
US (1) US5014327A (zh)
EP (1) EP0295876A3 (zh)
JP (1) JPH0756756B2 (zh)
KR (1) KR890000976A (zh)
CN (1) CN1019054B (zh)
AU (1) AU592704B2 (zh)
CA (1) CA1312674C (zh)
MX (1) MX168768B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100533405C (zh) * 1999-10-18 2009-08-26 国际商业机器公司 可寻址存储设备的地址卷接功能

Families Citing this family (158)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5321470A (en) * 1988-05-13 1994-06-14 Canon Kabushiki Kaisha Apparatus with anti-forgery provision
ES2089377T3 (es) * 1988-05-13 1996-10-01 Canon Kk Aparato para el proceso de imagenes.
US5131053A (en) * 1988-08-10 1992-07-14 Caere Corporation Optical character recognition method and apparatus
JPH02109160A (ja) * 1988-10-18 1990-04-20 Japan Atom Energy Res Inst ベクトル計算機用演算装置
US5257394A (en) * 1988-10-18 1993-10-26 Japan Atomic Energy Research Institute Logical expression processing pipeline using pushdown stacks for a vector computer
JP2790466B2 (ja) * 1988-10-18 1998-08-27 株式会社日立製作所 文字列検索方法及び装置
CA1311063C (en) * 1988-12-16 1992-12-01 Tokumichi Murakami Digital signal processor
US5093803A (en) * 1988-12-22 1992-03-03 At&T Bell Laboratories Analog decision network
AU624205B2 (en) * 1989-01-23 1992-06-04 General Electric Capital Corporation Variable length string matcher
US5146510A (en) * 1989-02-09 1992-09-08 Philip Morris Incorporated Methods and apparatus for optically determining the acceptability of products
JPH0341519A (ja) * 1989-07-10 1991-02-22 Hitachi Ltd 知識処理システム
JP2978184B2 (ja) * 1989-10-06 1999-11-15 株式会社日立製作所 制御ルール作成装置
JPH03180968A (ja) * 1989-12-08 1991-08-06 Hitachi Ltd データベース検索方法およびこれを用いる書式付き文書出力方法
US5131055A (en) * 1990-02-16 1992-07-14 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Auto and hetero-associative memory using a 2-D optical logic gate
JP3141243B2 (ja) * 1990-09-17 2001-03-05 ミノルタ株式会社 複写機管理装置、及び管理システム
US5615360A (en) * 1990-11-13 1997-03-25 International Business Machines Corporation Method for interfacing applications with a content addressable memory
US5402519A (en) * 1990-11-26 1995-03-28 Hitachi, Ltd. Neural network system adapted for non-linear processing
US5227871A (en) * 1990-11-30 1993-07-13 Canon Kabushiki Kaisha Image processing apparatus capable of discriminating a predetermined image
US5091968A (en) * 1990-12-28 1992-02-25 Ncr Corporation Optical character recognition system and method
US5819248A (en) * 1990-12-31 1998-10-06 Kegan; Daniel L. Persuasion organizer and calculator
CA2052450C (en) * 1991-01-14 1998-08-18 Raymond L. Higgins Ocr system for recognizing user-specified custom fonts in addition to standard fonts
GB2253296B (en) * 1991-02-28 1995-05-24 Toshiba Kk Pattern recognition apparatus
DE69232183T2 (de) * 1991-03-11 2002-06-20 Nippon Telegraph & Telephone Verfahren und Gerät zur Bildverarbeitung
US5222155A (en) * 1991-03-26 1993-06-22 Massachusetts Institute Of Technology Computer apparatus and method for fuzzy template shape matching using a scoring function
WO1992021102A1 (en) * 1991-05-16 1992-11-26 The United States Of America, Represented By The Secretary, United States Department Of Commerce Multiple memory self-organizing pattern recognition network
US5168531A (en) * 1991-06-27 1992-12-01 Digital Equipment Corporation Real-time recognition of pointing information from video
US5237621A (en) * 1991-08-08 1993-08-17 Philip Morris Incorporated Product appearance inspection methods and apparatus employing low variance filter
US5305389A (en) * 1991-08-30 1994-04-19 Digital Equipment Corporation Predictive cache system
CA2077324C (en) * 1991-10-07 1997-06-24 Michael R. Campanelli Image editing system and method having improved automatic object selection
US5299269A (en) * 1991-12-20 1994-03-29 Eastman Kodak Company Character segmentation using an associative memory for optical character recognition
US5903454A (en) 1991-12-23 1999-05-11 Hoffberg; Linda Irene Human-factored interface corporating adaptive pattern recognition based controller apparatus
US10361802B1 (en) 1999-02-01 2019-07-23 Blanding Hovenweep, Llc Adaptive pattern recognition based control system and method
US6400996B1 (en) 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
US8352400B2 (en) 1991-12-23 2013-01-08 Hoffberg Steven M Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US6418424B1 (en) 1991-12-23 2002-07-09 Steven M. Hoffberg Ergonomic man-machine interface incorporating adaptive pattern recognition based control system
US6850252B1 (en) 1999-10-05 2005-02-01 Steven M. Hoffberg Intelligent electronic appliance system and method
US5649066A (en) * 1992-01-03 1997-07-15 The Florida State University For And On Behalf Of The Florida Board Of Regents Method and apparatus for refinement of learning in expert networks
US5245672A (en) * 1992-03-09 1993-09-14 The United States Of America As Represented By The Secretary Of Commerce Object/anti-object neural network segmentation
EP0566015A3 (en) * 1992-04-14 1994-07-06 Eastman Kodak Co Neural network optical character recognition system and method for classifying characters in amoving web
US5408542A (en) * 1992-05-12 1995-04-18 Apple Computer, Inc. Method and apparatus for real-time lossless compression and decompression of image data
US5371808A (en) * 1992-05-14 1994-12-06 The United States Of America As Represented By The Secretary Of Commerce Automated recognition of characters using optical filtering with maximum uncertainty - minimum variance (MUMV) functions
US5590048A (en) * 1992-06-05 1996-12-31 Fujitsu Limited Block exposure pattern data extracting system and method for charged particle beam exposure
US5361311A (en) * 1992-07-14 1994-11-01 The United States Of America As Represented By The Secretary Of Commerce Automated recongition of characters using optical filtering with positive and negative functions encoding pattern and relevance information
JPH06203005A (ja) * 1992-10-27 1994-07-22 Eastman Kodak Co 高速区分化ニューラルネットワーク及びその構築方法
US5440753A (en) * 1992-11-13 1995-08-08 Motorola, Inc. Variable length string matcher
US5528526A (en) * 1993-02-02 1996-06-18 Motorola, Inc. Arbitrary repeating pattern detector
US5568415A (en) * 1993-02-19 1996-10-22 Digital Equipment Corporation Content addressable memory having a pair of memory cells storing don't care states for address translation
US5717908A (en) * 1993-02-25 1998-02-10 Intel Corporation Pattern recognition system using a four address arithmetic logic unit
US5459798A (en) * 1993-03-19 1995-10-17 Intel Corporation System and method of pattern recognition employing a multiprocessing pipelined apparatus with private pattern memory
US5825921A (en) * 1993-03-19 1998-10-20 Intel Corporation Memory transfer apparatus and method useful within a pattern recognition system
JP3549569B2 (ja) * 1993-04-27 2004-08-04 ソニー エレクトロニクス インコーポレイテッド 映像内の目標パターン探知方法
US5390260A (en) * 1993-06-28 1995-02-14 International Business Machines, Corp. Method and apparatus for on-line, real time recognition of stroked hand-drawn characters
CA2124479A1 (en) * 1993-06-30 1994-12-31 Thaddeus Julius Kowalski Methods and apparatus for optimizing decision making
US5524176A (en) * 1993-10-19 1996-06-04 Daido Steel Co., Ltd. Fuzzy expert system learning network
US6167390A (en) * 1993-12-08 2000-12-26 3M Innovative Properties Company Facet classification neural network
US6269363B1 (en) 1994-01-24 2001-07-31 Yossi Matias Method of accessing data using approximate data structures by relaxing the operations that define same
US5649023A (en) * 1994-05-24 1997-07-15 Panasonic Technologies, Inc. Method and apparatus for indexing a plurality of handwritten objects
JPH07319924A (ja) * 1994-05-24 1995-12-08 Matsushita Electric Ind Co Ltd 手書き電子文書のインデックス付けおよび探索方法
US5710916A (en) * 1994-05-24 1998-01-20 Panasonic Technologies, Inc. Method and apparatus for similarity matching of handwritten data objects
EP0694855B1 (en) * 1994-07-28 2002-05-02 International Business Machines Corporation Search/sort circuit for neural networks
US5642444A (en) * 1994-07-28 1997-06-24 Univ North Carolina Specialized image processing system architecture and method for image data arrays
EP0694852B1 (en) * 1994-07-28 2002-06-26 International Business Machines Corporation Innovative neuron circuit architectures
US7103594B1 (en) 1994-09-02 2006-09-05 Wolfe Mark A System and method for information retrieval employing a preloading procedure
US7467137B1 (en) 1994-09-02 2008-12-16 Wolfe Mark A System and method for information retrieval employing a preloading procedure
US5661527A (en) * 1995-07-07 1997-08-26 Tektronix, Inc. Automatic video signal identification
US5661763A (en) * 1995-07-28 1997-08-26 Adtran, Inc. Apparatus and method for detecting programmable length bit pattern in serial digital data stream
US6308148B1 (en) 1996-05-28 2001-10-23 Cisco Technology, Inc. Network flow data export
US5978505A (en) * 1997-03-13 1999-11-02 Massachusetts General Hospital System and method for image regularization in inhomogeneous environments using clustering in neural networks
US8626763B1 (en) 1997-05-22 2014-01-07 Google Inc. Server-side suggestion of preload operations
US6122757A (en) * 1997-06-27 2000-09-19 Agilent Technologies, Inc Code generating system for improved pattern matching in a protocol analyzer
US6178261B1 (en) * 1997-08-05 2001-01-23 The Regents Of The University Of Michigan Method and system for extracting features in a pattern recognition system
US6512766B2 (en) 1997-08-22 2003-01-28 Cisco Systems, Inc. Enhanced internet packet routing lookup
DE19744690A1 (de) * 1997-10-10 1999-04-15 Philips Patentverwaltung Integrierter Abstandsberechner
US7257604B1 (en) 1997-11-17 2007-08-14 Wolfe Mark A System and method for communicating information relating to a network resource
US5936411A (en) * 1997-11-28 1999-08-10 Sarcos L.C. Apparatus and method for measuring strain within a structure
US7904187B2 (en) 1999-02-01 2011-03-08 Hoffberg Steven M Internet appliance system and method
GB2351572B (en) * 1999-06-26 2002-02-06 Univ York Data procesors
US20010049710A1 (en) * 2000-05-16 2001-12-06 Curey Randall K. Partitioned executive structure for real-time programs
DE10027523A1 (de) 2000-06-02 2001-12-20 Nokia Mobile Phones Ltd Verfahren zum Suchen von Daten in zumindest zwei Datenbanken und Datenbanksystem mit zumindest zwei Datenbanken
US6331942B1 (en) 2000-09-09 2001-12-18 Tality, L.P. Content addressable memory cell and design methodology utilizing grounding circuitry
US6400592B1 (en) 2000-09-09 2002-06-04 Cadence Design Systems, Inc. Content addressable memory cell and design methodology
US6963887B2 (en) * 2000-09-22 2005-11-08 Sarnoff Corporation Method and device for performing data pattern matching
CA2332609A1 (en) * 2001-01-29 2002-07-29 Silicon Analog Systems Corporation High speed filter
US7392287B2 (en) * 2001-03-27 2008-06-24 Hemisphere Ii Investment Lp Method and apparatus for sharing information using a handheld device
US7197506B2 (en) * 2001-04-06 2007-03-27 Renar Company, Llc Collection management system
EP1271346A1 (en) * 2001-06-28 2003-01-02 Nokia Corporation Method for searching data in at least two databases
JP2003087712A (ja) * 2001-09-14 2003-03-20 Jisedai Joho Hoso System Kenkyusho:Kk スポーツ映像のダイジェスト作成方法およびダイジェスト作成装置
EP1444605A4 (en) 2001-10-10 2007-04-11 Sony Comp Entertainment Us SYSTEM AND METHOD FOR DYNAMICALLY LOADING GAME SOFTWARE FOR SMOOTH PLAYING
US7219352B2 (en) 2002-04-15 2007-05-15 Microsoft Corporation Methods and apparatuses for facilitating processing of interlaced video images for progressive video displays
JP4718763B2 (ja) * 2002-04-15 2011-07-06 マイクロソフト コーポレーション ビデオ・レンダラーとグラフィックス・デバイス・ドライバの間の相互作用を促進すること
US7451457B2 (en) * 2002-04-15 2008-11-11 Microsoft Corporation Facilitating interaction between video renderers and graphics device drivers
US7643675B2 (en) 2003-08-01 2010-01-05 Microsoft Corporation Strategies for processing image information using a color information data structure
US7158668B2 (en) * 2003-08-01 2007-01-02 Microsoft Corporation Image processing using linear light values and other image processing improvements
JP4502361B2 (ja) * 2003-09-30 2010-07-14 キヤノン株式会社 指標姿勢検出方法および装置
US8133115B2 (en) * 2003-10-22 2012-03-13 Sony Computer Entertainment America Llc System and method for recording and displaying a graphical path in a video game
US7243165B2 (en) * 2004-01-14 2007-07-10 International Business Machines Corporation Parallel pattern detection engine
US7466875B1 (en) * 2004-03-01 2008-12-16 Amazon Technologies, Inc. Method and system for determining the legibility of text in an image
US8938390B2 (en) * 2007-01-23 2015-01-20 Lena Foundation System and method for expressive language and developmental disorder assessment
US9240188B2 (en) 2004-09-16 2016-01-19 Lena Foundation System and method for expressive language, developmental disorder, and emotion assessment
US10223934B2 (en) 2004-09-16 2019-03-05 Lena Foundation Systems and methods for expressive language, developmental disorder, and emotion assessment, and contextual feedback
US9355651B2 (en) 2004-09-16 2016-05-31 Lena Foundation System and method for expressive language, developmental disorder, and emotion assessment
US20060071933A1 (en) 2004-10-06 2006-04-06 Sony Computer Entertainment Inc. Application binary interface for multi-pass shaders
US7260558B1 (en) * 2004-10-25 2007-08-21 Hi/Fn, Inc. Simultaneously searching for a plurality of patterns definable by complex expressions, and efficiently generating data for such searching
US20060215291A1 (en) * 2005-03-24 2006-09-28 Jaquette Glen A Data string searching
US7392351B2 (en) * 2005-03-29 2008-06-24 International Business Machines Corporation Method and apparatus for filtering snoop requests using stream registers
US7373462B2 (en) * 2005-03-29 2008-05-13 International Business Machines Corporation Snoop filter for filtering snoop requests
US7636126B2 (en) 2005-06-22 2009-12-22 Sony Computer Entertainment Inc. Delay matching in audio/video systems
US7880746B2 (en) 2006-05-04 2011-02-01 Sony Computer Entertainment Inc. Bandwidth management through lighting control of a user environment via a display device
US7965859B2 (en) 2006-05-04 2011-06-21 Sony Computer Entertainment Inc. Lighting control of a user environment via a display device
CA2676380C (en) * 2007-01-23 2015-11-24 Infoture, Inc. System and method for detection and analysis of speech
US7917684B2 (en) * 2008-11-05 2011-03-29 Micron Technology, Inc. Bus translator
US20100138575A1 (en) 2008-12-01 2010-06-03 Micron Technology, Inc. Devices, systems, and methods to synchronize simultaneous dma parallel processing of a single data stream by multiple devices
US8140780B2 (en) * 2008-12-31 2012-03-20 Micron Technology, Inc. Systems, methods, and devices for configuring a device
US20100174887A1 (en) 2009-01-07 2010-07-08 Micron Technology Inc. Buses for Pattern-Recognition Processors
CN102292728B (zh) * 2009-01-23 2015-07-22 日本电气株式会社 数据检索设备
US8914149B2 (en) 2009-10-12 2014-12-16 The Boeing Company Platform health monitoring system
US9323994B2 (en) 2009-12-15 2016-04-26 Micron Technology, Inc. Multi-level hierarchical routing matrices for pattern-recognition processors
US10786736B2 (en) 2010-05-11 2020-09-29 Sony Interactive Entertainment LLC Placement of user information in a game space
US9881099B2 (en) 2010-05-24 2018-01-30 International Business Machines Corporation System, method and computer program product for data transfer management
US9342817B2 (en) 2011-07-07 2016-05-17 Sony Interactive Entertainment LLC Auto-creating groups for sharing photos
US9046914B2 (en) * 2011-11-10 2015-06-02 International Business Machines Corporation Object transformation of arrays of formulas and values
US20130275709A1 (en) 2012-04-12 2013-10-17 Micron Technology, Inc. Methods for reading data from a storage buffer including delaying activation of a column select
US8914604B2 (en) 2012-06-12 2014-12-16 The Boeing Company Creating optimal comparison criterion within associative memories
US9524248B2 (en) 2012-07-18 2016-12-20 Micron Technology, Inc. Memory management for a hierarchical memory system
US8935282B2 (en) 2012-07-27 2015-01-13 The Boeing Company Locating relevant differentiators within an associative memory
US9158862B2 (en) 2012-11-29 2015-10-13 The Boeing Company Narrowing comparison results of associative memories
IL224482B (en) 2013-01-29 2018-08-30 Verint Systems Ltd System and method for keyword spotting using representative dictionary
US9703574B2 (en) 2013-03-15 2017-07-11 Micron Technology, Inc. Overflow detection and correction in state machine engines
US9448965B2 (en) 2013-03-15 2016-09-20 Micron Technology, Inc. Receiving data streams in parallel and providing a first portion of data to a first state machine engine and a second portion to a second state machine
US10467235B2 (en) 2013-04-11 2019-11-05 The Boeing Company Identifying contextual results within associative memories
IL226056A (en) * 2013-04-28 2017-06-29 Verint Systems Ltd Keyword Finding Systems and Methods by Adaptive Management of Multiple Template Matching Algorithms
US9195733B2 (en) 2013-08-12 2015-11-24 The Boeing Company Clustering with virtual entities using associative memories
JP6269186B2 (ja) * 2014-03-07 2018-01-31 富士通株式会社 分類方法、分類装置および分類プログラム
JP5873515B2 (ja) * 2014-03-10 2016-03-01 株式会社 ディー・エヌ・エー ゲームプログラム、及び、情報処理装置
US9298269B2 (en) 2014-04-10 2016-03-29 The Boeing Company Identifying movements using a motion sensing device coupled with an associative memory
US9911031B2 (en) 2014-09-05 2018-03-06 The Boeing Company Obtaining metrics for a position using frames classified by an associative memory
US9619039B2 (en) 2014-09-05 2017-04-11 The Boeing Company Obtaining metrics for a position using frames classified by an associative memory
US11366675B2 (en) 2014-12-30 2022-06-21 Micron Technology, Inc. Systems and devices for accessing a state machine
WO2016109571A1 (en) 2014-12-30 2016-07-07 Micron Technology, Inc Devices for time division multiplexing of state machine engine signals
US10430210B2 (en) 2014-12-30 2019-10-01 Micron Technology, Inc. Systems and devices for accessing a state machine
US10977309B2 (en) 2015-10-06 2021-04-13 Micron Technology, Inc. Methods and systems for creating networks
US10691964B2 (en) 2015-10-06 2020-06-23 Micron Technology, Inc. Methods and systems for event reporting
US10846103B2 (en) 2015-10-06 2020-11-24 Micron Technology, Inc. Methods and systems for representing processing resources
IL242218B (en) 2015-10-22 2020-11-30 Verint Systems Ltd A system and method for maintaining a dynamic dictionary
IL242219B (en) 2015-10-22 2020-11-30 Verint Systems Ltd System and method for keyword searching using both static and dynamic dictionaries
CN108351974A (zh) * 2016-07-17 2018-07-31 Gsi 科技公司 在恒定的处理时间内查找k个极值
US10146555B2 (en) 2016-07-21 2018-12-04 Micron Technology, Inc. Adaptive routing to avoid non-repairable memory and logic defects on automata processor
US10186130B2 (en) 2016-07-28 2019-01-22 The Boeing Company Using human motion sensors to detect movement when in the vicinity of hydraulic robots
US10019311B2 (en) 2016-09-29 2018-07-10 Micron Technology, Inc. Validation of a symbol response memory
US10268602B2 (en) 2016-09-29 2019-04-23 Micron Technology, Inc. System and method for individual addressing
US10592450B2 (en) 2016-10-20 2020-03-17 Micron Technology, Inc. Custom compute cores in integrated circuit devices
US10929764B2 (en) 2016-10-20 2021-02-23 Micron Technology, Inc. Boolean satisfiability
CN113961876B (zh) * 2017-01-22 2024-01-30 Gsi 科技公司 关联存储器设备中的稀疏矩阵乘法
US10089856B1 (en) * 2017-05-19 2018-10-02 Motorola Solutions, Inc. Pattern recognition methods to identify component faults
JP6767319B2 (ja) * 2017-07-31 2020-10-14 株式会社ソニー・インタラクティブエンタテインメント 情報処理装置およびファイルコピー方法
WO2019113477A1 (en) 2017-12-07 2019-06-13 Lena Foundation Systems and methods for automatic determination of infant cry and discrimination of cry from fussiness
RU2730179C1 (ru) * 2019-09-06 2020-08-19 Валерий Никонорович Кучуганов Устройство ассоциативного распознавания образов
US11556656B2 (en) * 2019-09-25 2023-01-17 Micron Technology, Inc. Exclusive or engine on random access memory

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3492646A (en) * 1965-04-26 1970-01-27 Ibm Cross correlation and decision making apparatus
USB618016I5 (zh) * 1968-11-29
GB1242039A (en) * 1970-04-30 1971-08-11 Ibm Pattern recognition systems
US3717848A (en) * 1970-06-02 1973-02-20 Recognition Equipment Inc Stored reference code character reader method and system
US3737852A (en) * 1971-03-08 1973-06-05 Ibm Pattern recognition systems using associative memories
US3806889A (en) * 1972-12-19 1974-04-23 Bell Telephone Labor Inc Associative memory including a resolver
US3931612A (en) * 1974-05-10 1976-01-06 Triad Systems Corporation Sort apparatus and data processing system
JPS5822773B2 (ja) * 1974-05-21 1983-05-11 キヤノン株式会社 ジヨウホウケンサクソウチ
US4030077A (en) * 1975-10-16 1977-06-14 The Singer Company Multistage sorter having pushdown stacks for arranging an input list into numerical order
US4031520A (en) * 1975-12-22 1977-06-21 The Singer Company Multistage sorter having pushdown stacks with concurrent access to interstage buffer memories for arranging an input list into numerical order
GB1545117A (en) * 1976-05-25 1979-05-02 Nat Res Dev Comparison apparatus eg for use in character recognition
JPS533030A (en) * 1976-06-30 1978-01-12 Toshiba Corp Memory
US4084260A (en) * 1976-07-12 1978-04-11 Sperry Rand Corporation Best match content addressable memory
US4149262A (en) * 1977-04-19 1979-04-10 Semionics Associates Associative memory device with variable recognition criteria
JPS5549779A (en) * 1978-10-04 1980-04-10 Hajime Sangyo Kk Standard memory take-in method
US4326259A (en) * 1980-03-27 1982-04-20 Nestor Associates Self organizing general pattern class separator and identifier
JPS60711B2 (ja) * 1980-04-22 1985-01-09 日本電気株式会社 図形認識装置
JPS58121483A (ja) * 1982-01-11 1983-07-19 Sanyo Electric Co Ltd 画像処理法
US4593367A (en) * 1984-01-16 1986-06-03 Itt Corporation Probabilistic learning element
JPS60222968A (ja) * 1984-04-20 1985-11-07 Hitachi Ltd 高速連想記憶装置
US4648044A (en) * 1984-06-06 1987-03-03 Teknowledge, Inc. Basic expert system tool
US4670848A (en) * 1985-04-10 1987-06-02 Standard Systems Corporation Artificial intelligence system

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100533405C (zh) * 1999-10-18 2009-08-26 国际商业机器公司 可寻址存储设备的地址卷接功能

Also Published As

Publication number Publication date
EP0295876A3 (en) 1993-02-03
KR890000976A (ko) 1989-03-17
EP0295876A2 (en) 1988-12-21
CN1019054B (zh) 1992-11-11
AU592704B2 (en) 1990-01-18
AU1768288A (en) 1988-12-15
US5014327A (en) 1991-05-07
CA1312674C (en) 1993-01-12
MX168768B (es) 1993-06-07
JPS6488996A (en) 1989-04-03
JPH0756756B2 (ja) 1995-06-14

Similar Documents

Publication Publication Date Title
CN1019054B (zh) 并行相联存储器
Garcia et al. Prototype selection for nearest neighbor classification: Taxonomy and empirical study
CN1145901C (zh) 一种基于信息挖掘的智能决策支持构造方法
US7266548B2 (en) Automated taxonomy generation
US7801836B2 (en) Automated predictive data mining model selection using a genetic algorithm
US7895201B2 (en) Information processing apparatus, methods, and program for searching sets for an element
CN1171162C (zh) 基于字符分类检索字符串的装置和方法
CN1111815C (zh) 在数据库中存储元素和寻找这样存储的元素的方法
Faria et al. Learning to rank for content-based image retrieval
CN1781093A (zh) 用于存储和访问互锁树数据仓库中的数据的系统和方法
KR101481680B1 (ko) 전자적 문서 집합으로부터 질의의 결과를 산출하는 방법, 시스템 및 장치
Milenova et al. SVM in oracle database 10g: removing the barriers to widespread adoption of support vector machines
CN1848162A (zh) 成分信息的可靠性评价方法、系统及程序
CN1584884A (zh) 检索结构化文档的数据的设备和方法
CN113742292B (zh) 基于ai技术的多线程数据检索及所检索数据的访问方法
CN1602487A (zh) 蛋白质立体结构的预测装置及其预测方法
Yu et al. Query classification with multi-objective backoff optimization
US7715631B2 (en) Method and apparatus for extracting feature information, and computer product
Shen et al. Speed up interactive image retrieval
Sarkar et al. Accuracy-based learning classification system
Li et al. Parameters optimization of back propagation neural network based on memetic algorithm coupled with genetic algorithm
Larsen et al. Constructing X-of-N Attributes with a Genetic Algorithm.
Chia et al. Enhancing knowledge discovery via association-based evolution of neural logic networks
CN112465009B (zh) 一种软件崩溃故障位置定位方法
Aung et al. Automatic protein structure classification through structural fingerprinting

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C13 Decision
GR02 Examined patent application
C14 Grant of patent or utility model
GR01 Patent grant
C19 Lapse of patent right due to non-payment of the annual fee
CF01 Termination of patent right due to non-payment of annual fee