DE4205903A1 - Signalverarbeitungsvorrichtung mit neuronalem netzwerk - Google Patents
Signalverarbeitungsvorrichtung mit neuronalem netzwerkInfo
- Publication number
- DE4205903A1 DE4205903A1 DE4205903A DE4205903A DE4205903A1 DE 4205903 A1 DE4205903 A1 DE 4205903A1 DE 4205903 A DE4205903 A DE 4205903A DE 4205903 A DE4205903 A DE 4205903A DE 4205903 A1 DE4205903 A1 DE 4205903A1
- Authority
- DE
- Germany
- Prior art keywords
- signal
- unit
- signals
- analog
- input
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06J—HYBRID COMPUTING ARRANGEMENTS
- G06J1/00—Hybrid computing arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
- G06N3/065—Analogue means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M1/00—Analogue/digital conversion; Digital/analogue conversion
- H03M1/12—Analogue/digital converters
- H03M1/34—Analogue value compared with reference values
- H03M1/36—Analogue value compared with reference values simultaneously only, i.e. parallel type
- H03M1/368—Analogue value compared with reference values simultaneously only, i.e. parallel type having a single comparator per bit, e.g. of the folding type
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Neurology (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
Die Erfindung betrifft eine Vorrichtung, die für die
Vorverarbeitung von Signalen bei z. B. einer Anlagenregelung
oder -steuerung eingesetzt werden kann und eine
Signalverarbeitung, wie das Durchführen einer Cluster-Analyse
(clustering) oder Identifizierung von Signalen,
Umwandlung von einem Analogsignal in ein Digitalsignal
und dgl., mittels eines neuronalen Netzwerks durchgeführt.
Bei der Überwachung und Steuerung verschiedener Anlagen
werden die Temperaturen der betreffenden Anlageneinheiten
mittels Thermoelementen und Temperaturmeßwiderständen
gemessen. Die thermischen elektromotorischen
Werte oder Größen oder Widerstandswerte und die Temperatur
besitzen jedoch keine genaue lineare Beziehung zueinander.
Wenn die thermischen elektromotorischen Kraftwerke
bzw. EMK-Werte oder Widerstandswerte linear in
Temperaturen umgewandelt werden, können keine genauen
Werte erhalten oder abgeleitet werden.
Mittels eines Sensors erfaßte Signale werden entsprechend
ihrer Größe zu Clustern zusammengefaßt, und diese
zu Clustern zusammengefaßten Signale werden einer Temperaturumwandlung
(oder auch -konvertierung) entsprechend
Korrekturformeln unterworfen, die entsprechend
den Klassen, zu denen die Signale gehören, bestimmt
sind.
Bei der Clusteranalyse wird ein Vergleich zwischen Detektionssignalen
und Grenzwerten jeder Klasse für alle
Klassen wiederholt.
Bei der Überwachung oder Führung und Steuerung von
Dampf(kraft)maschinen muß ein Enthalpiewert von z. B.
dem Dampfdruck auf der Grundlage einer Dampftabelle
bekannt sein. In diesem Fall werden Funktionen in Einheiten
von Bereichen von Eingangsvariablen vorgegeben,
wobei ein Vergleich zwischen einer Eingangsvariablen
und einem Bezugswert wiederholt wird, um einen Bereich
zu bestimmen, in welchem die Eingangsvariable liegt.
Danach wird der Enthalpiewert berechnet.
Anlagenführung und -steuerung erfolgen im allgemeinen
mittels Digitalrechnern. Verschiedene Zustandsgrößen
einer Anlage werden hauptsächlich als Analogsignale von
Sensoren ausgegeben. Aus diesem Grund werden A/D-Wandler
zum Umwandeln der Analogsignale in Ditigalsignale
benutzt.
Insbesondere wird (dabei) ein von einem Sensor ausgegebenes
Analogsignal mit einem Analogsignal entsprechend
dem höchstwertigen Bit einer Binärzahl verglichen, um
die Beziehung zwischen ihnen zu bestimmen. Sodann wird
das Analogsignal mit einem Analogsignal entsprechend
dem nächsten Bit der Binärzahl verglichen, um die Beziehung
zwischen diesen zu bestimmen. Diese Verarbeitung
wird bis zum niedrigstwertigen Bit der Binärzahl wiederholt,
wobei das Analogsignal in ein Digitalsignal einer
vorbestimmten Zahl von Bits umgewandelt wird.
Beim Ausführen von Inferenzen in z. B. einem Expertensystem
wird ein Vergleich von Bitmustern wiederholt,
um eine auf diesen Fall anwendbare Produktionenregel zu
ermitteln.
Es ist auch ein System zum Bestimmen eines Synapsekoppelkoeffizienten
und eines Signalerhöhungs-Eingangswerts
eines neurolanen Netzwerks des gegenseitig verkoppelten
(mutual-coupled) Typs auf der Grundlage einer
Energiefunktion bekannt, um ein Analogsignal in ein binäres
Digitalsignal mit einer Anzahl von Bits umzuwandeln.
Um bei den oben erwähnten unterschiedlichen Signalverarbeitungsoperationen
ein Ausgangssignal von einem Temperatursensor
zu linearisieren und damit ein korrektes
Temperatursignal zu erhalten, ein Digitalsignal durch
A/D-Umwandlung zu gewinnen, einen Enthalpiewert zu berechnen
oder eine an eine(n) Zustand oder Bedingung angepaßte
Produktionenregel zu ermitteln, ist eine Wiederholungsverarbeitung
nötig, die bis zu ihrem Abschluß
eine lange Zeitspanne erfordert.
Aus diesem Grund kann eine derartige Signalverarbeitungsmethode
nicht auf Gebieten angewandt werden, auf
denen eine schnelle Verarbeitung nötig ist. Wenn nämlich
ein(e) Alarm(auslösung) verzögert wird, können die
Funktionen der Anlagen erheblich gestört werden, ober
wenn ein Durchlauf verzögert wird, kann die Anlage beschädigt
werden. Wenn die Signalverarbeitungsmethode in
einem (Rückkopplungs-)Regelsystem angewandt wird, ist
deshalb, weil in unerwünschter Weise in einer (Regel-)Schleife
eine Totzeit vorhanden ist, eine Verbesserung
der Regelbarkeit Einschränkungen unterworfen. Wenn insbesondere
eine Regelung mit hoher Geschwindigkeit nötig
ist, ist eine durch Signalverarbeitung herbeigeführte
Totzeit nicht zulässig.
Um bei einem ein herkömmliches neuronales Netzwerk benutzenden
A/D-Wandler eine Synapsenkopplung zu realisieren,
ist eine große Zahl von hochpräzisen Widerständen
unterschiedlicher Widerstandswerte erforderlich.
An diesem Umstand liegt es, daß ein solcher A/D-Wandler
auf Anwendungsgebieten, die einen A/D-Wandler
einer großen Zahl (12-16 Bit) von Stellen auf dem
Gebiet einer Anlageninstrumentierungsregelung benötigen,
schwierig zu realisieren ist. Insbesondere wird
dieser Umstand zu einem Haupthindernis, wenn ein neuronales
Netzwerk in LSI-Technik realisiert werden soll.
Im Hinblick auf die geschilderten Gegebenheiten liegt
der Erfindung damit die Aufgabe zugrunde, eine Signalverarbeitungsvorrichtung
zu schaffen, die wiederholte
Operationen der Signalverarbeitung zu vermeiden oder zu
minimieren und eine mit hoher Geschwindigkeit erfolgende
Signalverarbeitung durch eine Funktion eines gegenseitig
gekoppelten Netzwerkes, das durch Signalunterdrückung
lernt, mit einer Funktion zur Erfassung eines
Maximalwerts zu gewährleisten vermag.
Diese Aufgabe wird durch die im Patentanspruch 1 genannten
Merkmale gelöst.
Gegenstand der Erfindung ist eine Signalverarbeitungsvorrichtung,
umfassend einen Bezugssignalerzeugungsteil
zum Erzeugen einer Anzahl von Bezugssignalen mit jeweils
verschiedenen Signalgrößen oder -werten, einen
Komplementsignalerzeugungsteil zum Abnehmen der Bezugssignale
und eines unbekannten Eingangssignals als zu
verarbeitendes Objekt und zum Erzeugen einer Anzahl von
Komplementsignalen, die Komplementgrößen der Bezugssignale
angeben, einen Multiplizierteil zum Abnehmen
der Bezugssignale und der Komplementsignale und zum
Multiplizieren der betreffenden Komplementsignale mit
den Bezugssignalen sowie ein neuronales Netzwerk, in
welchem eine Vielzahl von Neuronen gegenseitig unterdrückungsverkoppelt
sind, die vom Multiplizierteil erhaltenen
Produktionen den Neuronen eingegeben werden
und das Neuron, welches die Produktion des Maximalwerts
empfängt, ein Reizsignal ausgibt.
Bei Anwendung dieser Anordnung kann ein Bezugsanalogsignal,
dessen Größe einem unbekannten Analogsignal am
nächsten liegt, ohne Durchführung wiederholter Operationen
ermittelt werden.
Im folgenden sind bevorzugte Ausführungsformen der Erfindung
anhand der Zeichnung näher erläutert. Es zeigt
Fig. 1 ein Blockschaltbild einer Anordnung gemäß
einer ersten Ausführungsform der Erfindung,
Fig. 2 ein Blockschaltbild einer bei der Korrekturfunktionsumwandlung
verwendeten Anordnung
gemäß einer zweiten Ausführungsform,
Fig. 3 eine graphische Darstellung zur Erläuterung
einer Korrekturfunktionsumwandlung mittels
der zweiten Ausführungsform,
Fig. 4 ein Blockschaltbild einer bei einer Inferenzregelung
eingesetzten Anordnung gemäß
einer dritten Ausführungsform der Erfindung,
Fig. 5 ein Blockschaltbild einer bei der Durchführung
einer Mustererkennung eingesetzten
Anordnung gemäß einer vierten Ausführungsform
der Erfindung,
Fig. 6A und 6B graphische Darstellungen der Beziehung
zwischen einer Zahl zur Basis N und
einem Bezugsanalogsignal,
Fig. 7 ein Blockschaltbild einer Anordnung gemäß
einer fünften Ausführungsform der Erfindung
zur Eingabevorverarbeitung,
Fig. 8 ein Blockschaltbild einer Anordnung gemäß
der fünften Ausführungsform der Erfindung
für eine A/D-Umwandlung einer M-stelligen
Zahl zur Basis N,
Fig. 9 ein Blockschaltbild einer anderen Anordnung
für eine A/D-Umwandlung einer M-stelligen
Zahl zur Basis N (N-ären) gemäß einer sechsten
Ausführungsform der Erfindung,
Fig. 10 ein Ablaufdiagramm für eine Operation eines
Steuer- oder Regelspeicherelements nach
Fig. 9,
Fig. 11 ein Blockschaltbild einer Anordnung für
eine A/D-Umwandlung einer L-stelligen Zahl
zur Basis 2K (binäre K×L Bit) gemäß einer
siebten Ausführungsform der Erfindung,
Fig. 12 ein Blockschaltbild einer Anordnung für
eine A/D-Umwandlung einer L-stelligen Zahl
zur Basis 2K gemäß einer achten Ausführungsform
der Erfindung,
Fig. 13 ein Ablaufdiagramm für eine Operation eines
Steuer- oder Regelspeicherelements bei der
Ausführungsform nach Fig. 12,
Fig. 14 ein Blockschaltbild eines gegenseitig gekoppelten
neuronalen Netzwerkes, das durch
Signalunterdrückung lernt (suppression-mutual-coupling),
Fig. 15 eine graphische Darstellung der Eingangs/Ausgangskennlinien
eines Verstärkers im
neuronalen Netzwerk und
Fig. 16 ein Blockschaltbild eines neuronalen Netzwerks
für binäre 4-Bit-A/D-Umwandlung.
Fig. 14 veranschaulicht ein mittels analoger elektronischer
Schaltung realisiertes neuronales Netzwerk. In
Fig. 14 entspricht jeder einzelne Verstärker AP₀-APN-1
einer Zelle eines einzelnen Neurons eines lebenden
Körpers. Die Rückkopplungsleitung einer invertierten
Spannung j einer Ausgangsspannung Vj vom j-ten
Verstärker APj ist über einen Widerstand (eines Leitwerts,
da seine Reziprokzahl gleich Tÿ ist) mit der
Eingangsleitung des "i"-ten Verstärkers APi verbunden.
Diese Verbindung oder Verknüpfung entspricht der Hemmungstyp-Synapsekopplung
in einem lebenden Körper.
Bezüglich des i-ten Verstärkers APi wird dessen Eingangsklemme
mit einem Strom, der durch Addieren eines
über den Widerstand eingegebenen Stroms
ΣTÿ · j (= -ΣTÿ · Vj) zu einem extern bzw. von außen
eingegebenen Strom erhalten wird, beaufschlagt, und sie
ist über einen Kondensator Ci und einen Widerstand ri
an Masse gelagert. An den i-ten Verstärker APi wird somit
eine Eingangsspannung Ui angelegt.
Eine Ausgangsfunktion des Verstärkers AP, eine sigmoidförmige
Funktion, die z. B. die statische Eingangs/Ausgangskennlinie
g(Ui) gemäß Fig. 15 definiert, wird dabei
benutzt. Der Verstärker APi gibt daher die Spannung
Vi entsprechend der Eingangsspannung Ui aus.
Es ist zu beachten, daß die statischen Kennlinien g(Ui)
nicht auf die sigmoidförmige Funktion beschränkt sind,
sondern durch andere Funktionen ähnlicher Charakteristika
oder Kennlinien definiert sein können.
Die Charakteristika bzw. Kennlinien des neuronalen Netzes
gemäß Fig. 14 lassen sich durch folgende Gleichungen
(1) bis (4) ausdrücken:
Das neuronale Netz gemäß Fig. 14 dient zur Verminderung
einer durch folgende Gleichung (5) Gegebenen Energiefunktion
(Lyapunov-Funktion), wenn die Synapsenkopplung
symmetrisch ist (Tÿ=Tji und Tii=0). Zudem ist
bekannt, daß das Minimum eines durch Gleichung (5) gegebenen
Energiewerts E einem Attraktor im Gleichgewichtszustand
einer Schaltung entspricht.
Wenn somit die Unterdrückungskopplung (Tÿ<0, wenn
j≠i, und Tÿ=0, wenn j=i) angewandt wird, wird
der erste Terminus oder Ausdruck an der rechten Seite
von Gleichung (5) zu einem Minimalwert 0, wenn die Zahl
der Verstärker, deren Ausgang V="1" ist, 1 oder weniger
beträgt und die anderen Verstärkerausgänge "0"
sind.
Der zweite Ausdruck (-ΣYi · Vi) ist oder wird minimert,
wenn der (das) Ausgang(ssignal) von einem Verstärker,
der einen analogen Strom eines maximalen Stromwerts
empfängt oder abnimmt, gleich "1" ist.
Der dritte Ausdruck kann vernachlässigt werden, weil er
normalerweise ein(e) sehr kleine(r) Wert oder Größe
ist.
Weiterhin sei angenommen, daß die Unterdrückungskopplungs-Wirkleitwerte
Tÿ (i≠j) gleich bleiben und daß
die ersten und zweiten Ausdrücke in Kombination
(zusammen) betrachtet werden, die Energiefunktion E
minimal wird, wenn der Ausgang von dem Verstärker, welcher
den maximalen Analogstrom abnimmt, gleich "1" ist
und die anderen Verstärkerausgänge bzw. -ausgangssignale
"0" betragen, und diese Schaltung in einen Einschwingzustand
gesetzt ist.
Genauer gesagt: Wenn eine Zeitkonstante Ci · Ri der Schaltung
ausreichend klein gesetzt ist, kann das neuronale
Netz unmittelbar ein maximales oder größtes von N Analogeingangssignalen
bestimmen. Durch Kombination dieses
neuronalen Netzes mit anderen Schaltungselementen lassen
sich mithin verschiedene Signalverarbeitungsoperationen
an Eingangssignalen realisieren.
Insbesondere können die folgenden Signalverarbeitungsoperationen
(1) bis (8) mit hoher Geschwindigkeit
durchgeführt werden.
(1) N Bezugsanalogsignalgrößen werden durch
Ai (i=0, 1, . . ., N-1) repräsentiert. Als nächstes
werden Komplemente (2x-ai) der Bezugsanalogsignalwerte
Ai, bezogen auf einen Wert 2X, durch Verdopplung eines
unbekannten Analogeingangssignalwerts X erhalten, berechnet.
Produktionen Yi der ursprünglichen Bezugsanalogsignalwerte
Ai und deren Komplemente (2X-Ai) bestimmen
sich nach Gleichung (6):
Yi = Ai (2X - Ai) = -(Ai - X)² + X² (6)
Gleichung (6) repräsentiert eine nach oben geöffnete
konvexe quadratische Funktion (upward convex) in Zuordnung
zu Ai. Wenn von den N Bezugsanalogsignalwerten
Ai (der Wert) Aj von i=J als am nächsten an X liegend
vorausgesetzt wird, wird aus diesem Grund Yi zu diesem
Zeitpunkt ein Höchstwert YJ.
Wenn daher Yi (i=0, 1, . . ., N-1) einem neuronalen
Netzwerk aus N Neuronen und mit einer Funktion zum Erfassen
eines maximalen Eingangs(signals) eingegeben und
das neuronale Netz betrieben oder betätigt wird, erzeugt
ein J-tes künstliches Neuron Reize. Bei Erfassung
des reizauslösenden künstlichen Neurons kann AJ erfaßt
werden, das dem Eingangssignal X der Vielzahl von
Bezugsanalogsignalen Ai am nächsten liegt.
Wenn Komplemente von Ai in bezug auf X anstelle der
Komplemente von Ai in bezug auf 2X benutzt werden, bestimmt
sich Yi nach (folgender) Gleichung (7):
Yi = Ai (X - Ai) = -{Ai - (X/2)}² + (X/2)² (7)
Anhand von Gleichung (7) kann bestimmt werden, daß ein
einem Eingangssignal X am nächsten liegender Wert 2AJ
von 2Ai ist.
Die Größen der Bezugsanalogsignale werden halbiert, um
die Werte der Komplemente bezogen auf X abzuschätzen,
wobei Yi durch folgende Gleichung (8) gegeben ist:
Yi = Ai {X - (Ai/2)} = -(1/2) · (Ai - X)² + X²/2 (8)
Anhand von Gleichung (8) kann bestimmt werden, daß ein
einem Eingangssignal am nächsten liegender Wert (der
Wert) AJ ist.
(2) Zum Linearisieren der Detektions- oder Meßsignale
(z. B. der Meßsignale von einem Temperatursensor) unter
Verwendung verschiedener Korrektionsformeln entsprechend
den Klassen, zu denen die Meßsignale gehören,
wird ein Korrekturelement zum Wählen einer vorbestimmten
Korrekturformel entsprechend einem Ausgangssignal
vom neutronalen Netz addiert. Wenn jedes Bezugsanalogsignal
auf einen Mittelwert einer entsprechenden Klasse
gesetzt wird, können die Meßsignale vom Temperatursensor
mittels Korrekturformeln entsprechend den Klassen
linearisiert werden.
(3) Wenn verschiedene Produktionenregeln in Einheiten
von Klassen entsprechend den Größen von Analogsignalen
bestimmt werden und eine Inferenz oder eine Regelung
gemäß den Regeln vorgenommen wird, wird ein Inferenz-Regelelement
zum Wählen einer vorbestimmten Produktionenregel
entsprechend dem Ausgangssignal vom neuronalen
Netz addiert. Wenn jedes Bezugsanalogsignal auf
einen Mittelwert einer entsprechenden Klasse gesetzt
wird, wird ein Analogsignal eingegeben, um seine Klasse
zu bestimmen, und es kann eine Inferenz oder Regelung,
bestimmt in Entsprechung zu der Klasse, durchgeführt
werden.
(4) Ein Element zum Empfangen eines Bitmustersignals
einer vorbestimmten Bedeutung und zum Umwandeln
des als binäre Zahl vorausgesetzten Bitmustersignals in
ein Analogsignal wird addiert. Das analoge Ausgangssignal
wird als unbekanntes analoges Eingangssignal einem
Komplementelement eingegeben. Andererseits werden Bezugsanalogsignale,
die durch Voraussetzen von Bezugsbitmustern
als binäre Zahlen erhalten würden, eingegeben.
Mit dieser Anordnung kann das mit dem eingegebenen
Bitmustersignal übereinstimmende Bezugsbitmuster bestimmt
werden.
(5) Die erwähnten Werte "i" sind oder werden als
Zahlen 0, 1, . . ., N-1 zur Basis N definiert, und Bezugsanalogsignalwerte
werden als zu "i" proportionale Werte
Ai als arithmetische Folge definiert. Wenn somit ein unbekanntes
analoges Eingangssignal eingegeben wird, kann
dieses bei Reizbildung eines künstlichen Neurons in
einem Bruchteil-Fortlassungsmodus in ein 1stelliges
Digitalsignal zur Basis N umgewandelt werden.
Wenn das Bezugsanalogsignal als Signal (Ai+Δ) definiert
wird, das durch Addieren, als Signalerhöhung oder
-erniedrigung, eines Werts Δ gleich einer Hälfte
(strenggenommen geringfügig kleiner als die Hälfte)
einer Mindesteinheit zu einem zu i proportionalen Wert
erhalten wird, kann ein unbekanntes Analogsignal in
einem Bruchteil-Fortlassungsmodus in ein 1stelliges Digitalsignal
zur Basis N umgewandelt werden.
Wenn ein Bezugsanalogsignal-Erzeugungselement ein zu i
proportionales Signal Ai erzeugt, wird eine Summe aus
diesem Signal und einer Signalerhöhung oder -erniedrigung
(bias) Δ in einem Komplementelement und einem Multiplizierelement
benutzt.
(6) M Stufen von Elementen zum Umwandeln oder Konvertieren
eines Eingangssignals in ein 1stelliges Digitalsignal
zur Basis N im Bruchteil-Fortlassungsmodus
werden oder sind durch Eingangs-Vorverarbeitungselemente
verbunden. Das Eingangs-Vorverarbeitungselement der
nächsten Stufe überträgt zu einem Komplementelement der
nächsten Stufe als unbekanntes Analogsignal ein Signal
(N(X-AJ), das durch Subtrahieren eines Bezugsanalogsignals
AJ entsprechend J, angezeigt durch ein künstliches
Neuron, das in einem neuronalen Netz der unmittelbar
vorgeschalteten Stufe Reize erzeugt, von einem unbekannten
analogen Eingangssignal X, das einem Komplement
der unmittelbar vorgeschalteten Stufe eingegeben
ist, und Multiplizieren von N mit der Differenz erhalten
wird oder wurde.
Wenn ein Bezugsanalogsignal-Erzeugungselement nicht das
zu J proportionale Analogsignal AJ, sondern ein Analogsignal
AJ* (=AJ+Δ) überträgt, berücksichtigt das Eingangs-Vorverarbeitungselement
die Signalerhöhung Δ,
und es führt eine Berechnung (N(X-AJ*+Δ) zum Ausgeben
eines unbekannten Analogsignals durch.
Auf diese Weise kann ein Digitalsignal entsprechend
einem Wert an bzw. in der nächsten (Ziffern-)Stelle
einer Zahl zur Basis N bei Funkenerzeugung eines künstlichen
Neurons eines neuronalen Netzes der nächsten
Stufe gewonnen werden.
Wenn angenommen wird, daß ein unbekanntes Analogsignal
einem Komplementelement der ersten Stufe eingegeben
wird und (J₁)-te, (J₂)-te, . . ., (JM)-te künstliche Neuronen
in den neuronalen Netzen der ersten, zweiten,
. . ., M-ten Stufen Reize erzeugen, können M-stellige
Digitalsignale zur Basis N J₁, J₂, . . ., JM erhalten
werden.
(7) Ein Element zum Umwandeln eines Eingangssignals
in ein 1stelliges Digitalsignal zur Basis N, ein
Steuer- oder Regelspeicherelement zum wiederholten Betätigen
dieses Element M-mal und ein Eingangs-Vorverarbeitungselement
zum Erzeugen eines Signals N(X-AJ) als
unbekanntes analogen Eingangssignal in der nächsten
Operation auf die gleiche Weise, werden wie oben beschrieben
benutzt. Dabei wird ein Wert an der höchstwertigen
(Ziffern-)Stelle, erhalten durch Umwandlung
eines unbekannten analogen Eingangssignals in ein Digitalsignal
zur Basis N in der ersten Operation bestimmt;
in der nächsten Operation wird ein Wert an der nächsten
Stelle bestimmt. Das analoge Eingangssignal kann auf
diese Weise in ein M-stelliges Digitalsignal zur Basis
N umgewandelt werden.
(8) Für die Umwandlung eines Analogsignals in ein
binäres Digitalsignal unter Verwendung eines neuronalen
Netzes ist eine in Fig. 16 dargestellte Schaltung bekannt.
Bei dieser Schaltung wird eine analoge Eingangsspannung
P einem aus vier künstlichen Neuronen bestehenden neuronalen
Netzes eingespeist; ein 4-Bit-Digitalwert wird
dabei entsprechend der Anordnung von Ausgängen bzw.
Ausgangssignalen V₀ bis V₃ vom neuronalen Netzwerk
wiedergegeben.
Bei dieser Schaltung sind ein durch eine schwarze quadratische
Markierung zwischen "i"-ten und "j"-ten
künstlichen Neuronen angegebener Synapsekopplungswert
(die Reziprokzahl eines Widerstands) Yÿ und ein Eingangswert
Ii mit einer Signalerhöhung zum i-ten Neuron
Werte oder Größen, die sich anhand der Energiefunktion
eindeutig nach folgenden Gleichungen bestimmen:
Tÿ = -2i+j (9)
Ii = (-22i-1 + 2iP) (10)
Wenn K künstliche Neuronen benutzt werden, kann daher
ein binärer K-Bit-A/D-Wandler, der in einem Aufrundungsmodus
betrieben werden kann, gebildet werden.
Ein Signal einer Größe von 1/2 (strenggenommen etwas
kleiner als 1/2) eines Analogsignals entsprechend dem
niedrigstwertigen Bit ist durch repräsentiert; (P-Δ)
wird anstelle der genannten analogen Eingangsspannung P
eingespeist, womit ein binärer K-Bit-A/D-Wandler gebildet
wird, der in einem Bruchteil-Fortlassungsmodus betrieben
werden kann.
Weiterhin wird das durch dieses neuronale Netz analog/digital
umgewandelte oder konvertierte Digitalsignal
durch einen D/A-Wandler in ein Analogsignal B umgewandelt.
Ein Eingangs-Vorverarbeitungselement erzeugt ein
Signal, das durch Subtrahieren des Analogsignals B von
der analogen Eingangsspannung P, Multiplizieren von 2K
mit der Differenz und Subtrahieren von Δ vom Produkt
erhalten wird. Dieses Signal wird dann durch das erwähnte
neuronale Netz A/D-umgewandelt. Damit kann ein
Bruch, der als Wert kleiner als das niedrigstwertige
Bit oder äquivalent (dazu) fortgelassen ist, weiter in
ein K-Bit-Digitalsignal umgesetzt werden.
Auf diese Weise werden der A/D-Wandler zum Umwandeln
eines Eingangssignals in ein binäres K-Bit-Digitalsignal,
der D/A-Wandler zum Umwandeln des Ausgangssignals
vom A/D-Wandler in ein Analogsignal und die L Stufen
der Eingangs-Vorverarbeitungselemente oder eine Kombination
aus einer Stufe des Eingangs-Vorverarbeitungselements
und dem Regel-Speicherelement zum wiederholten
Betätigen des Eingangs-Vorverarbeitungselements angeordnet;
damit wird die A/D-Wandleranordnung zum Umwandeln
eines analogen Eingangssignals in ein L-stelliges
Digitalsignal zur Basis 2K oder binäres K×L-Bit-Digitalsignal
erhalten.
Eine erste Ausführungsform einer Signalverarbeitungsvorrichtung,
welche die oben beschriebene Signalverarbeitung
zu realisieren vermag, ist nachstehend anhand
von Fig. 1 beschrieben.
Die Signalverarbeitungsvorrichtung gemäß der ersten
Ausführungsform umfaßt ein in Fig. 14 gezeigtes neuronales
Netzwerk 1, das gegenseitig verkoppelt ist und
durch Unterdrückung lernt, einen mit den Ausgangsklemmen
(Verstärkerausgangsklemmen) des neuronalen Netzes 1
verbundenes Meß- oder Leseelement 2, ein Bezugsanalogsignal-Erzeugungselement
3 zum Erzeugen (Liefern) von N
Bezugsanalogsignalen Ai (i=0, 1, . . ., N-1), N Komplementelemente
4.0, 4.1, . . ., 4.N-1 sowie N Multiplizierelemente
5.0, 5.1, . . ., 5.N-1.
Das neuronale Netzwerk 1 besteht aus N Neuronen. N Eingangsklemmen
des neuronalen Netzwerkes sind mit den
Multiplizierelementen 5.0, 5.1, . . ., 5.N-1 verbunden,
während N Ausgangsklemmen desselben mit dem Leseelement
2 verbunden sind. Wie vorher erwähnt, besitzt das neuronale
Netzwerk eine Funktion zum augenblicklichen Bestimmen
eines maximalen bzw. größten von N analogen
Eingangssignalen. Bei dieser Ausführungsform gibt das
Neuron, welches das maximale Eingangssignal empfängt
bzw. abnimmt, eine(n) logische(n) Größe oder Wert "1"
aus.
Das Bezugsanalogsignal-Erzeugungselement 3 liefert N
Bezugsanalogsignals Ai jeweils unterschiedlicher Signalwerte
zu den Komplementelementen 4.0, 4.1, . . .,
4.N-1 und den Multiplizierelementen 5.0, 5.1, . . .,
5.N-1.
Jedes der Komplementelemente 4.0, 4.1, . . ., 4.N-1 arbeitet
wie folgt: Jedes Komplementelement nimmt ein unbekanntes
analoges Eingangssignal X von einer externen
Schaltung ab und subtrahiert ein entsprechendes Bezugsanalogsignal
Ai von einem Wert 2X gleich dem Doppelten
des unbekannten analogen Eingangssignals X zur Bildung
eines Komplementwerts. Die Eingangsklemme jedes dieser
Komplementelemente 4.0, 4.1, . . ., 4.N-1 ist an eine
Eingangsklemme eines entsprechenden der Multiplizierelemente
5.0, 5.1, . . ., 5.N-1 angeschlossen. Die durch
die Komplementelemente 4.0, 4.1, . . ., 4.N-1 gebildeten
Komplementwerte werden somit den betreffenden Multiplizierelementen
5.0, 5.1, . . ., 5.N-1 eingegeben.
Jedes der Multiplizierelemente 5.0, 5.1, . . ., 5.N-1
überträgt zur betreffenden Eingangsklemme des neuronalen
Netzwerkes 1 eine(n) durch Größe oder Wert
Yi (= Ai(2X-ai)) durch Multiplizieren des betreffenden
analogen Eingangssignals Ai vom Bezugsanalogsignal-Erzeugungselement
3 mit dem Komplementwert vom betreffenden
der Komplementelemente 4.0, 4.1, . . ., 4.N-1 erhalten
wird.
Das Leseelement 2 besitzt eine Funktion zum Bestimmen
eines Verstärkerausgangs einer logischen "1" vom neuronalen
Netzwerk 1.
Wenn diese Vorrichtung bei Eingang eines unbekannten
analogen Eingangssignals X im neuronalen Netzwerk 1 betätigt
oder betrieben wird, geht ein Ausgang(ssignal)
VJ eines Verstärkers, der ein maximales oder größtes
Eingangssignal YJ (in diesem Fall einen Stromwert) von
Eingangssignalen Yi (i=0, 1, . . ., N-1) empfängt, auf
eine logische "1" (gleich groß oder höher als ein Bezugspegel),
und das andere Verstärkerausgangssignal
geht auf eine logische "0" (niedriger als der Bezugspegel).
Das Leseelement 2 erfaßt ein Ausgangssignal (entsprechend)
einer logischen "1" von den Ausgängen
V₀-VN-1 des neuronalen Netzwerkes 1. Das Leseelement
2 bestimmt die Detektions- oder Erkennungszahl J als
maximale Analogeingangszahl zum neuronalen Netzwerk 1.
Insbesondere überträgt das Leseelement 2 die Erfassungszahl
J als eine am nächsten am unbekannten analogen
Eingangssignal X liegende Zahl des Bezugsanalogsignals
AJ.
Auf diese Weise kann bei der ersten Ausführungsform ein
am nächsten an einem unbekannten analogen Eingangssignal
liegendes Bezugssignal von (aus) N Bezugsanalogsignalen
in einer einzigen Operation ohne wiederholte
Operationen bestimmt werden. Insbesondere kann dabei
eine mit hoher Geschwindigkeit erfolgende Cluster-Analyse
(clustering) eines analogen Eingangssignals durchgeführt
werden.
Als Komplementelemente 4.0, 4.1, . . ., 4.N-1 können Elemente
zum Erzeugen von Komplementwerten (X=Ai) von Ai
in bezug auf X anstelle der Komplementwerte in bezug
auf 2X benutzt werden.
Da in diesem Fall die Zahl J entsprechend einem Bezugsanalogsignal
AJ**, das dem Wert X/2 am nächsten liegt,
gewählt wird, wird dies in der Praxis dahingehend interpretiert,
daß X zu 2AJ** am nächsten liegt. Wahlweise
kann das Bezugsanalogsignal-Erzeugungselement 3 ein
Signal ai einer Größe gleich der Hälfte eines Nennwerts
Ai erzeugen. Auch wenn dabei die Komplementelemente
4.0, 4.1, . . ., 4.N-1 die Elemente zum Erzeugen (Bilden)
von Komplementwerten von ai bezogen auf X umfassen,
kann ein X am nächsten liegender Nennwert AJ detektiert
werden.
Die Multiplizierelemente 5.0, 5.1, . . ., 5.N-1 können
die gleichen Operationen wie bei der obigen Ausführungsform
mit (im voraus vorgesehenen) Widerstandselementen
Ri mit Widerstandswerten, die den Werten der betreffenden
Bezugsanalogsignale Ai proportional oder umgekehrt
proportional sind, durchführen, ohne Signale vom Bezugsanalogsignal-Erzeugungselement
3 abzunehmen. Wenn
nämlich jedes Multiplizierelement bei Empfang eines
Stromsignals I vom betreffenden Komplementelement ein
Spannungssignal V überträgt, kann es V=RI berechnen,
als Berechnung zwischen einem Bezugsanalogsignal und
einem Komplementelementsignal. Wenn jedes Multiplizierelement
bei Empfang eines Spannungssignals V vom betreffenden
Komplementelement ein Stromsignal I überträgt,
kann es I=(1/R) V berechnen, als Berechnung
zwischen einem Bezugsanalogsignal und einem Komplementelementsignal.
Es ist zu erwähnen, daß im neuronalen Netzwerk gemäß
Fig. 14 die Eingangssignale Stromsignals YO, . . ., Yi,
. . ., Yj, . . ., YN-1 sind. Die Erfindung ist jedoch gleichermaßen
auf einen Fall anwendbar, in welchem die Eingangssignale
z. B. Spannungssignale sind. Außerdem sind
auch die Synapsenkoppelelemente nicht auf Widerstände
beschränkt.
Bei der ersten Ausführungsform ist das neuronale Netzwerk
durch eine Analogschaltung gebildet. Anstelle der
Bezugsanalogsignale können z. B. entsprechende Digitalsignale
benutzt werden; ein unbekanntes analoges Eingangssignal
kann mittels eines A/D-Wandlers in ein Digitalsignal
umgewandelt werden, so daß die folgende
Verarbeitung durch eine digitale Rechenschaltung ausgeführt
werden kann.
In diesem Fall wird die Funktion des neuronalen Netzwerkes
unter Verwendung einer Gleichung ausgeführt, die
durch Umwandlung von Differentialgleichung (1) in eine
Differenzengleichung gebildet wurde.
Außerdem sind die Verstärker-Charakteristika nicht auf
diejenigen gemäß Fig. 14 beschränkt.
Beispielsweise braucht der maximale Sättigungswert des
Verstärkerausgangs(signals) nicht immer "1" zu sein. In
diesem Fall wird ein Meß- oder Leseelement zum Erfassen
eines Sättigungswerts der Verstärkerausgänge benutzt.
Darüber hinaus können Verstärker mit Charakteristiken,
die durch eine monoton zunehmende Funktion ohne maximalen
Sättigungswert definiert sind, anstelle der sigmoidförmigen
Funktion nach Fig. 15 benutzt werden. In
diesem Fall wird ein Leseelement zum Erfassen eines
vorbestimmten Werts der Verstärkerausgänge eingesetzt.
Fig. 2 veranschaulicht den Aufbau einer Signalverarbeitungsvorrichtung
gemäß einer zweiten Ausführungsform
der Erfindung.
Diese Ausführungsform umfaßt eine in der oben beschriebenen
Fig. 1 dargestellte Signalverarbeitungsvorrichtung
10 und ein Korrektur- oder Korrektionsfunktions-Umwandlungselement
20.
Das Korrektur- oder Korrekturfunktions-Umwandlungselement
20 umfaßt N-Klassen-Korrekturfunktions-Umwandlungs-
oder auch -Konversionselemente 6.0, 6.1,
. . ., 6.N-1 und ein Relaiselement 21 und zum Steuern der
Zuspeisung eines unbekannten analogen Eingangssignals X
zu diesen Klasse-Korrekturfunktions-Umwandlungselementen.
Das Relaiselement 21 enthält eine Anzahl von normalerweise
offenen Kontakten (Schließern), von denen jeweils
eine Klemme eine unbekanntes analoges Eingangssignal abnimmt,
während die andere Klemme mit dem betreffenden
Klasse-Korrekturfunktions-Umwandlungselement verbunden
ist. Das Relaiselement 21 schließt einen wahlweisen
Kontakt entsprechend einem Wählsignal (oder auch Ansteuersignal),
das von einem Leseelement 2 der Signalverarbeitungsvorrichtung
10 ausgegeben wird. Insbesondere
gibt das Leseelement 2 eine Kennzahl eines Neurons
aus, das ein Bezugsanalogsignal empfängt, welches dem
unbekannten Eingangssignal in einem neuronalen Netzwerk
1 am nächsten liegt, wobei ein dem betreffenden Bezugsanalogsignal
äquivalenter Kontakt geschlossen wird.
Ein von einem Sensor, wie einem Thermoelement(paar)
oder einem Temperaturmeßwiderstand, ausgegebenes Signal
besitzt keine feine (genaue) lineare Beziehung zu einer
physikalischen Größe, wie unsprüngliche bzw. Originaltemperatur.
Genauer gesagt: Gemäß Fig. 3 ist oder wird
eine Kalibrierkurve, welche die Beziehung zwischen
einem Sensorausgangssignal und einer ursprünglichen
physikalischen Größe repräsentiert, durch eine Kurve
definiert. Aus diesem Grund werden Sensorausgangssignale
nach ihren Größen klassifiziert, und die Eichkurve
wird unterteilt und mittels einer Polygonapproximation
angenähert, um die Sensorausgangssignale mittels
Korrektur- oder Korrektionsformeln in Entsprechung
zu Klassen zu linearisieren; damit wird eine ursprüngliche
physikalische Größe gemessen.
Bei dieser Ausführungsform wird ein einer Linearisierung
bedürfendes unbekanntes analoges Eingangssignal X
von der Signalverarbeitungsvorrichtung 10 abgenommen.
Wenn N Bezugsanalogsignals Ai der Signalverarbeitungsvorrichtung
10 auf Zwischenwerte (intermediate values)
der entsprechenden Klassen gesetzt werden oder sind,
erzeugt nur ein künstliches Neuron, das ein einem Bezugsanalogsignal
AJ, welches dem analogen Eingangssignal
X am nächsten liegt, zugeordnetes Signal abnimmt,
Funken, und der entsprechende Verstärkerausgang
VJ erzeugt ein Ausgangssignal einer logischen "1".
Als Ergebnis überträgt das Leseelement 2 die Zahl J des
entsprechenden Bezugsanalogsignals.
Das Relaiselement 21 betätigt Schalt(er)elemente bei
Eingang der Verstärkerausgangssignale Vi (i=0, 1,
. . ., N-1) oder der Zahl J als Ausgangssignal vom Leseelement
2, so daß das unbekannte analoge Eingangssignal
X dem Korrekturfunktions-Umwandlungselement 6.J der
"J"-ten Klasse zugespeist wird. Das Korrekturfunktions-Umwandlungselement
6.J der "J"-ten Klasse führt für das
unbekannte analoge Eingangssignal X eine Korrekturfunktions-Umwandlungsberechnung
(z. B. aX+b - wobei a und
b Koeffizienten sind - im Fall einer Polygonylapproximation),
bestimmt in einer entsprechenden Division,
durch, und das Rechenergebnis wird als ein Ausgang(ssignal)
der Vorrichtung gemäß dieser Ausführungsform bestimmt.
Bei Verwendung der Vorrichtung gemäß dieser Ausführungsform
braucht insbesondere das unbekannte analoge Eingangssignal
X nicht wiederholt mit Grenzwerten der jeweiligen
Klassen verglichen zu werden, um eine Klasse
zu bestimmen, zu der das analoge Eingangssignal gehört.
Eine Klasse kann daher unmittelbar bestimmt werden
(strenggenommen innerhalb einer Operationszeitkonstante
künstlicher Neuronen), und die Linearisierung wird
vervollständigt.
Die Vorrichtung gemäß dieser Ausführungsform ist daher
besonders dann effektiv, wenn die Temperatur an einer
großen Zahl von Stellen in einer Anlage mit hoher Geschwindigkeit
genau gemessen werden muß.
Es ist zu beachten, daß die Vorrichtung gemäß dieser
Ausführungsform nicht auf eine solche für Linearisierung
beschränkt ist, sondern auch auf eine Vorrichtung
angewandt werden kann, die Elemente zur Durchführung
der Funktionsumwandlung, bestimmt durch eine Dampf(druck-)tabelle,
als Korrekturfunktions-Umwandlungselement
benutzt und als Enthalpiewertsignal aus einem
erfaßten oder Meß-Dampfdruckanalogsignal gewinnt.
Fig. 4 veranschaulicht den Aufbau einer Signalverarbeitungsvorrichtung
gemäß einer dritten Ausführungsform
der Erfindung.
Diese Ausführungsform umfaßt N-Klassen-Inferenzsteuer-
oder -regelelemente 7.0, 7.1, . . ., 7.N-1, ein Aktivierelement
31 zum Aktivieren dieser Klassen-Inferenzregelelemente
und eine Signalverarbeitungsvorrichtung 10 mit
dem in Fig. 1 gezeigten genauen Aufbau.
Ein Expertensystem führt normalerweise eine Inferenz
auf der Grundlage verschiedener Produktionenregeln in
Entsprechung zu Klassen nach Maßgabe der Größe von Analogsignalen.
In einigen Fällen werden Operationsgrößen
(-mengen) mit in Einheiten von Klassen bestimmten Größen
mittels einer Tabellennachschlagmethode (in look-up
tables) bestimmt, oder es werden durch einen Steuer-
bzw. Regelalgorithmus bestimmte Operationsgrößen zur
Regelung einer Anlage ausgegeben.
Bei dieser Ausführungsform sind oder werden N Bezugsanalogsignale
Ai der Signalverarbeitungsvorrichtung 10
auf Mittel- oder Zwischenwerte der jeweiligen Klassen
gesetzt. Ein unbekanntes analoges Eingangssignal X wird
von der Signalverarbeitungsvorrichtung 10 abgenommen,
um nur ein künstliches Neuron zur Reizerzeugung zu
bringen, welches ein Signal empfängt, das einem am
nächsten am analogen Eingangssignal X liegenden Bezugsanalogsignal
AJ zugeordnet ist. Ein dem reizerzeugenden
Neuron entsprechender Verstärkerausgang VJ liefert
ein Ausgangssignal einer logischen "1". Ein Meß-
oder Leseelement 2 überträgt eine Zahl J eines entsprechenden
Bezugsanalogsignals.
Das Aktivierelement 31 eines Inferenz-Regelelements 30
aktiviert das Inferenz-Regelelement 7.J der "J"-ten
Klasse für eine Klasse entsprechend dem unbekannten
analogen Eingangssignal X bei Empfang der Verstärkerausgangssignale
Vi (i=0, 1, . . ., N-1) oder der Zahl J
als Ausgangssignal des Leseelements 2.
Das Inferenz-Regelelement 7.J der "J"-ten Klasse überträgt
ein Inferenzergebnis auf der Grundlage einer Produktionenregel,
bestimmt entsprechend einer Klasse J,
oder einen Operationsbetrag einer in Entsprechung zur
Klasse J bestimmten Größe oder einen Operationsbetrag,
der durch einen entsprechend der Klasse J bestimmten
Regelalgorithmus bestimmt ist, als ein Ausgangssignal
von der Vorrichtung gemäß dieser Ausführungsform.
Die Klassen-Inferenz-Regelelemente 7.0, 7.1, . . ., 7.N-1
können nach Bedarf ein unbekanntes analoges Eingangssignal
empfangen und benutzen. Bei Anwendung dieser Ausführungsform
kann insbesondere eine Inferenzregelung
(inference control) mit hoher Geschwindigkeit durchgeführt
werden, ohne daß eine Clusteranalyse mittels herkömmlicher
wiederholter Entscheidungsoperationen erforderlich
ist. Diese Ausführungsform ist speziell dann
zweckmäßig, wenn die Zahl der Klassen groß ist.
Fig. 5 veranschaulicht den Aufbau einer Signalverarbeitungsvorrichtung
gemäß einer vierten Ausführungsform
der Erfindung.
Diese Ausführungsform umfaßt ein D/A-Umwandlungselement
(Wandlerelement) 40 zum Umwandeln eines als binäre Zahl
vorausgesetzten Eingangsbitmustersignals in ein Analogsignal
und eine Signalverarbeitungsvorrichtung 10 des
in Fig. 1 im einzelnen gezeigten Aufbaus zum Abnehmen
des Ausgangssignals vom D/A-Umwandlungselement 40 als
unbekanntes analoges Eingangssignal X.
Wenn bei dieser Ausführungsform ein Eingangsbitmustersignal
dem D/A-Umwandlungselement 40 eingegeben wird,
wandelt dieses das Eingangsbitmustersignal in ein analoges
Eingangssignal X um und speist letzteres der
Signalverarbeitungsvorrichtung 10 ein.
Bei der oben skizzierten Signalverarbeitungsvorrichtung
10 geht ein Verstärkerausgang entsprechend einem künstlichen
Neuron, das ein einem Bezugsanalogsignal AJ
einer Größe, die mit derjenigen des unbekannten analogen
Eingangssignals X übereinstimmt, zugeordnetes Signal
abnimmt oder empfängt, auf eine logische "1" über,
wobei ein Leseelement 2 dessen Zahl J überträgt. Diese
Zahl J bedeutet insbesondere eine Zahl eines mit dem
Eingangsbitmustersignal übereinstimmenden (koinzidierenden)
Bezugsbitmustersignals.
Bei Anwendung dieser Ausführungsform kann mithin die
Bedeutung eines Eingangsbitmustersignals ohne Wiederholung
eines Vergleichs mit Bezugsbitmustersignalen unmittelbar
erfaßt werden. Zudem kann die Vorrichtung
gemäß dieser Ausführungsform mit dem Inferenz-Regelelement
30 nach Fig. 4 verbunden sein. Wenn in diesem Fall
ein Parameter einer Produktionenregel ein Bitmustersymbol
ist, kann zur Durchführung einer Inferenzregelung
eine vorbestimmte Produktionenregel unmittelbar
gestartet werden.
Die Fig. 6A und 6B zeigen Ausgangsformate von Bezugsanalogsignalen,
die durch das Bezugsanalogsignal-Erzeugungselement
(in Fig. 1 mit 3 bezeichnet) erzeugt
werden.
Fig. 6A zeigt einen Fall zum Erzeugen von N Werten in
der Beziehung einer arithmetischen Folge proportional
zu Signalzahlen (Nennwerte, N-ärer 1stelliger Wert) i
(i=0, 1, . . ., N-1). In diesem Fall sei A₀=0 angenommen.
Die auf diese Weise gesetzten oder vorgegebenen
Bezugsanalogsignale werden durch das z. B. in Fig. 1
dargestellte Analogsignal-Erzeugungselement 3 erzeugt,
wobei ein unbekanntes analoges Eingangssignal X der
Signalverarbeitungsvorrichtung 10 eingespeist wird.
Sodann wird unmittelbar das neuronale Netzwerk 1 betätigt,
und ein Verstärkerausgang entsprechend nur einem
künstlichen Neuron, das ein einem dem unbekannten analogen
Eingangssignal X am nächsten liegenden Bezugsanalogsignal
AJ zugeordnetes Signal empfängt, geht auf
eine logische "1" über. Das Leseelement 2 erfaßt das
künstliche Neuron im Zustand der logischen "1" und gibt
dessen Zahl J aus. Das Ausgangssignal J bedeutet einen
1stelligen numerischen Wert J zur Basis N. Wenn insbesondere
gemäß Fig. 6A die Bezugsanalogsignale gesetzt
oder vorgegeben sind, wird ein A/D-Wandler zum Umwandeln
eines Analogsignals in ein N-äres 1stelliges Digitalsignal
mit hoher Geschwindigkeit im Bruchteil-Aufrundungsmodus
ohne Durchführung wiederholter Operationen
realisiert.
Gemäß Fig. 6B kann das Bezugsanalogsignal-Erzeugungselement
3 Ãi=Ai+Δ erzeugen, erhalten oder gebildet
durch Addieren eines Werts Δ gleich der Hälfte (strenggenommen
etwas kleiner als ein halber Wert) eines Analogsignals
entsprechend einer Einheit eines 1stelligen
Digitalsignals zur Basis N zu Werten Ai, die Signalwerten
i proportional sind. In diesem Fall wird ein Hochgeschwindigkeits-
oder Schnell-A/D-Wandler zum Umwandeln
eines Analogsignals in ein 1stelliges Digitalsignal
zur Basis N im Bruchteil-Fortlassungsmodus realisiert.
Das Bezugsanalogsignal-Erzeugungselement 3 kann auf
eines zum Erzeugen von den Signalzahlen i proportionalen
Werten Ai beschränkt sein. In diesem Fall kann eine
Signalerhöhung oder -erniedrigung Δ getrennt zu den
Signalen vom Element 3 addiert werden, wobei Summensignale
den Komplementelementen 4.0, 4.1, . . ., 4.N-1 und
den Multiplizierelementen 5.0, 5.1, . . ., 5.N-1 zugespeist
werden können. Wahlweise können die Komplement-
und Multiplizierelemente die Signalerhöhung Δ zu darin
enthaltenen Signalen addieren. Mit diesen Ausgestaltungen
kann ein Schnell-A/D-Wandler, der die oben beschriebene
Wirkung gewährleistet, realisiert werden.
Ein A/D-Wandler dieser Art eignet sich als Bauelement
eines A/D-Wandlers für weitere A/D-Umsetzung eines
Bruches oder Bruchteils (fraction) für die Bildung eines
Digitalsignals niedriger Stelle.
Da das bei den oben beschriebenen Vorrichtungen benutzte
gegenseitig gekoppelte neuronale Netzwerk 1, das
durch Signalunterdrückung lernt, einen maximalen Wert
erfaßt, brauchen Synapsekoppelwiderstände lediglich Widerstandswerte,
die einander nahezu gleich sind, keine
hohe Genauigkeit aufzuweisen. Aus diesem Grund läßt
sich der folgende Vorteil erzielen: Wenn das neuronale
Netzwerk in der A/D-Umwandlung für die Bildung eines
Digitalsignals eines (einer) großen (Zahl) N benutzt
wird, kann es ohne weiteres durch LSIs realisiert werden.
Fig. 8 veranschaulicht den Aufbau einer Signalverarbeitungsvorrichtung
gemäß einer fünften Ausführungsform
der Erfindung.
Diese Ausführungsform umfaßt ein Bezugsanalogsignal-
Erzeugungselement 3, N Komplementmultiplizierelemente
9.M, 9.M-1, . . ., 9.1, M neuronale Netzwerke 1.M, 1.M-1,
. . ., 1.1, M Meß- oder Leseelemente 2.M, 2.M-1, . . ., 2.1
sowie (M-1) Eingangs-Vorverarbeitungselemente 8.M-1,
8.M-2, . . ., 8.1.
Bei dieser Ausführungsform ist das Bezugsanalogsignal-
Erzeugungselement 3 ein Element zur Erzeugen von N
Bezugsanalogsignalen Ãi = Ai + Δ, die durch Addieren
eines Werts Δ der Hälfte (strenggenommen geringfügig
weniger als der halbe Wert) eines Analogwerts entsprechend
einer Einheit eines 1-stelligen Digitalsignals
zur Basis N zu Signalen Ai (i=0, 1, . . ., N-1, A₀ =
0), die zu Signalzahlen (Nennwerte, n-äre 1stellige
Werte) i proportional sind, gebildet sind und die Beziehung
einer arithmetischen Reihe aufweisen.
Die Komplementmultiplizierelemente 9.M, 9.M-1, . . ., 9.1
umfassen Elemente zum Abnehmen (unbekannter) analoger
Eingangssignale XM, XM-1, . . ., X₁ und der Bezugsanalogsignale
Ãi und zum Erzeugen von Komplementen 2Xm-Ãi der
Bezugsanalogsignale Ãi (i=1, 0, . . ., N-1) bezogen auf
verdoppelte analoge Eingangssignale 2Xm (m=M, M-1,
. . ., 1) sowie Multiplizierelemente zum Multiplizieren
dieser Ausgangssignale mit dem entsprechenden (Signal)
Ãi zum Bilden von Signalen Yi,m = Ãi (2Xm-Ãi) und zum
Zuspeisen dieser Signale zu den betreffenden Eingangsklemmen
der betreffenden neuronalen Netzwerke 1.M,
1.M-1, . . ., 1.1.
Wenn ein Bruch an der niedrigstwertigen Stelle aufgerundet
wird, besteht das Endstellen-Komplementmultiplikationselement
9.1 aus einem Element zum Erzeugen eines
Signals (Ãi-Δ) (2Xi-Ãi+Δ) unter Berücksichtigung von .
Die einzelnen neuronalen Netzwerke 1.M, 1.M-1, . . ., 1.1
entsprechend dem Netz gemäß Fig. 14 sind jeweils vom
gegenseitig verkoppelten Typ der durch Signalunterdrückung
lernt, und besitzen eine Funktion zum Erfassen
eines größten der ihren N Eingangsklemmen eingespeisten
Signale.
Die Leseelemente 2.M, 2M-1, . . ., 2.1 erfassen Verstärkerausgangssignale
Vi,m (m=M, M-1, . . ., 1) einer logischen
"1" von künstlichen Neuronen in den neuronalen
Netzwerken 1.M, 1.M-1, . . ., und gegen entsprechende
Zahlen aus, d. h. N-äre Zahlen JM, JM-1, . . . ., J₁ die in
digitale Werte umgewandelt sind.
Das Eingangs-Vorverarbeitungselement 8.M-1 zum Verarbeiten
einer (M-1)ten Stelle (Ziffer) besitzt den Aufbau
gemäß Fig. 7. Insbesondere umfaßt das Eingangs-Vorverarbeitungselement
8.M-1 ein Wählelement 71 zum Abnehmen
eines N-ären 1stelligen Digitalsignals JM, das
vom Leseelement 2.M übertragen ist, und zum Wählen
eines Bezugsanalogsignals ÃJM entsprechend Jm sowie ein
Bruch-Berechnungselement 71 zum Abnehmen dieses Ausgangssignals
ÃJm und eines unbekannten analogen Eingangssignals
Xm, zum Durchführen einer Berechnung
N(Xm-ÃJm + Δ) und zum Ausgeben des Rechenergebnisses als
unbekanntes analoges Eingangssignal Xm-1 zum Komplementmultiplizierelement
9.M-1 für diese Stelle.
Andere Eingangs-Vorverarbeitungselemente 8.M-2, . . .,
8-1 besitzen den in Fig. 7 dargestellten Aufbau. Genauer
gesagt: jedes dieser Eingangs-Vorverarbeitungselemente
umfaßt ein Wählelement zum Abnehmen eines N-
ären 1stelligen Digitalsignals Jm, das vom Leseelement
2.m (m=M-1, . . ., 2) für eine obere benachbarte Stelle
einer N-ären Zahl übertragen ist, und zum Wählen eines
Jm entsprechenden Bezugsanalogsignals ÃJm sowie ein
Bruchberechnungselement zum Abnehmen dieses Ausgangssignals
Ãjm und eines (zweiten unbekannten) analogen
Eingangssignals Xm für Zuspeisung zum Komplementmultiplizierelement
für eine obere benachbarte Stelle einer
N-ären Zahl, zum Durchführen einer Berechnung
N(Xm-ÃJm+Δ) und zum Ausgeben des Rechenergebnisses als
(zweites unbekanntes) analoges Eingangssignal Xm-1 zum
Komplementmultiplizierelement für diese Stelle.
Wenn dieser Vorrichtung ein unbekanntes analoges Eingangssignal
Xm eingespeist wird, berechnet das Komplementmultiplizierelement
9.M einen Komplementwert eines
Bezugsanalogsignals Ãi in bezug auf 2XM, und es multipliziert
den Komplementwert mit Ai und überträgt Signale
Yi, m (= Ãi(2XM-Ãi), i=0, 1, . . ., N-1). Das neuronale
Netzwerk 1.M nimmt die Signale Yi,m an seinen entsprechenden
Eingangsklemmen ab und arbeitet in einem
Modus zur Minimierung des Energieverbrauchs. Demzufolge
geht nur ein Verstärkerausgangs(ssignal) VJM,M eines
(JM)-ten künstlichen Neurons, das ein Signal einer maximalen
Größe der Signale Yi,M abnimmt, auf eine logische
"1" über.
Das Leseelement 2.M erfaßt das Verstärkerausgangssignal
VJM,M einer logischen "1" und überträgt einen numerischen
Wert JM an der höchstwertigen (M-ten) Stelle, der
durch Umwandlung des unbekannten analogen Eingangssignals
in ein N-äres Digitalsignal erhalten wurde, entsprechend
der Zahl des erfaßten Ausgangssignals.
Das Signal JM wird dem Eingangs-Vorverarbeitungselement
8.M-1 für die (M-1)te Stelle zugespeist und auch zum
Wählen eines (JM)ten Bezugsanalogsignals ÃJM verwendet.
Das Eingangs-Vorverarbeitungselement 8.M-1 subtrahiert
ÃJM vom unbekannten analogen Eingangssignal XM,
addiert einen Signalerhöhungs- bzw. -erniedrigungswert
Δ zur Differenz und multipliziert das Summensignal mit
N (N = 1 für eine N-äre Zahl), um damit ein (unbekanntes)
analoges Eingangssignal Xn-1 zu erzeugen, das dem
Komplement-Multiplizierelement 9.M-1 für die (M-1)te
Stelle zugespeist werden soll. Diese Verarbeitung ist
speziell eine Eingangsverarbeitung zum Multiplizieren
eines Werts, der als Bruch in der M-ten Stelle Digitalumwandlung
des des unbekannten analogen Eingangssignals
XM verarbeitet (worden) ist, mit N und Bilden
eines N-ären (M-1)ten Stelle Digitalsignals mittels
der gleichen Elemente, wie sie bei der M-ten Stelle Digitalumwandlung
eingesetzt werden.
Das Komplementmultiplikationselement 9.M-1 für die
(M-1)te Stelle nimmt dieses (unbekannte) analoge Eingangssignal
Xm-1 und die Bezugsanalogsignale Ai ab und
überträgt Signale Yi,M-1. Das neuronale Netzwerk 1.M-1
wird bei Empfang dieser Signale Yi,M-1 betätigt, und
ein Verstärkerausgang, er ein maximales Eingangssignal
YJM-1,M-1 der Signale Yi,M-1 abnimmt, geht auf eine logische
"1" über. Das Leseelement 2.M-1 erfaßt das Verstärkerausgangssignal
der logischen "1" und überträgt,
als Digitalsignal, einen numerischen Wert JM-1 an der
nächsten (M-1)ten Stelle, erhalten oder gebildet durch
Umwandlung eines analogen Eingangssignals eines Bruchs
an der M-ten Stelle in eine N-äre Zahl.
Die gleiche Verarbeitung wird bis zur ersten Stelle
wiederholt. Auf diese Weise werden Signale JM, JM-1,
. . ., J₁, die durch Umwandlung ursprünglicher unbekannter
analoger Eingangssignale XM in N-äre M-stellige
Digitalsignale erhalten wurden, gewonnen oder gebildet.
Wenn das Komplementmultiplizierelement 9.1 für die
niedrigstwertige Stelle ein Element zur Durchführung
einer Berechnung (Ãi-Δ(2Xi-Ãi+Δ)) verwendet, wird ein
Wert J₁ an der niedrigstwertigen Stelle zu einem im
Bruch-Rundungsmodus gewonnenen Wert.
Da die Vorrichtung gemäß dieser Ausführungsform keine
wiederholten Operationen erfordert, kann auf diese Weise
ein Analogsignal unmittelbar (strenggenommen in
einer Zeit(spanne) entsprechend dem M-fachen einer Operationszeitkonstante
τ von künstlichen Neuronen) in M-
stellige Digitalsignale zur Basis N (N-äre) umgewandelt
werden. Diese Vorrichtung eignet sich daher für einen
Fall, in dem eine mit hoher Geschwindigkeit und hoher
Genauigkeit erfolgende A/D-Umwandlung erforderlich ist.
Da die neuronalen Netzwerke zum Erkennen eines Höchstwerts
verwendet werden, kann eine hochpräzise A/D-Umwandlung
ohne die Verwendung hochpräziser Widerstände
als Synapsenkoppelwiderstände realisiert werden. Aus
diesem Grund eignet sich die Vorrichtung nach dieser
Ausführungsform für die Realisierung in einer LSI-Anordnung.
Fig. 9 zeigt den Aufbau einer Signalverarbeitungsvorrichtung
gemäß einer sechsten Ausführungsform der
Erfindung.
Diese Ausführungsform umfaßt ein Bezugsanalogsignal-
Erzeugungselement 3, ein durch ein Wählelement 71 und
ein Bruch-Berechnungselement 72 gebildetes Eingangs-
Vorverarbeitungselement 8, ein Schalt(er)element 73,
ein Komplementmultiplizierelement 9 aus einem Komplementelement
4 und einem Multiplizierelement 5, ein neuronales
Netzwerk 1, ein Meß- oder Leseelement 2, ein
Verzögerungselement 74 und ein Regel-Speicherelement
70.
Das Schaltelement (oder Umschaltelement) 73 nimmt ein
unbekanntes analoges Eingangssignal XM und ein Ausgangssignal
X vom Bruchberechnungselement 72 ab, es
wählt ein unbekanntes analoges Eingangssignal XM in der
ersten Operation und wählt X in der zweiten und den
folgenden Operationen nach Maßgabe eines Schalt- oder
Umschaltsignals vom Regel-Speicherelement 70. Das Element
73 überträgt das gewählte Ausgangssignal zum
Komplementmultiplizierelement 9 als analoges Eingangssignal
X.
Das Verzögerungselement 74 hält das Ausgangssignal X
vom Schaltelement 73 und gibt das gehaltene Ausgangssignal
X als ein analoges Eingangssignal X-1 einer unmittelbar
vorhergehenden Operation zum Bruchberechnungselement
72 in der nächsten Operation nach Maßgabe
eines Befehls vom Regel-Speicherelement 70 aus.
Das Regelspeicherelement 70 liefert einen Schalt- oder
Umschaltbefehl zum Schaltelement 73, weist das neuronale
Netzwerk 1 zum Rücksetzen und Starten an und empfängt
und speichert ein Digitalsignal J vom Leseelement
2. Weiterhin gibt das Element 70 einen Befehl zum Verzögerungselement
74 aus, um M-stellige Digitalsignale
zur Basis N als Ausgangssignal der Vorrichtung gemäß
dieser Ausführungsform weiterzuleiten. Das Ablaufdiagramm
von Fig. 10 veranschaulicht die grundsätzliche
Funktionsweise des Regel-Speicherelements 70.
Da das Bezugsanalogsignal-Erzeugungselement 3, das
Eingangs-Vorverarbeitungselement 8, das Komplementmultiplizierelement
9, das neuronale Netzwerk 1 und das
Leseelement 2 sämtlich den entsprechenden, vorher beschriebenen
Baueinheiten entsprechen, wird auf eine
(erneute) nähere Erläuterung verzichtet.
Wenn der Vorrichtung gemäß dieser Ausführungsform ein
unbekanntes analoges Eingangssignal XM eingespeist
wird, wird letzteres dem Komplementmultiplizierelement
9 über das Schaltelement 73 als Signal X eingespeist.
Das Komplementmultiplizierelement 9 empfängt auch Bezugsanalogsignale
Ãi (i=0, 1, . . ., N-1) und führt die
Berechnungen Ãi(2X-Ãi) durch. Das Element 9 gibt die
Rechenergebnisse als Signale Yi zum neuronalen Netzwerk
1 aus.
Das neuronale Netzwerk 1 bewirkt das Rücksetzen seiner
Verstärker in Abhängigkeit von einem vom Regel-Speicherelement
70 gelieferten Befehl und wird danach bei
Empfang der Signale Yi an seinen entsprechenden Eingangsklemmen
betätigt. Daher geht nur ein Verstärkerausgang(ssignal)
VJ eines künstlichen Neurons, das ein
größtes der Signale Yi empfängt oder abnimmt, auf eine
logische "1" über.
Das Leseelement 2 erfaßt das Verstärkerausgangssignal
der logischen "1" und überträgt dessen Zahl, d. h. ein
N-äres 1stelliges Digitalsignal J, zum Regel-Speicherelement
70 und zum Wählelement 71.
Das Regel-Speicherelement 70 speichert das Digitalsignal
J als Signal JM an einer Speicheradresse für eine
N-äre höchstwertige (M-te) Stelle. Das Wählelement 71
benutzt das vom Leseelement 2 übertragene Digitalsignal
J als Wählsignal J-1, wählt ein Signal ÃJ-1 an einem
(J-1)ten der Bezugsanalogsignale Ãi und überträgt das
gewählte Signal zum Bruchberechnungselement 72. Gleichzeitig
überträgt das Verzögerungselement 74 das analoge
Eingangssignal X als analoges Eingangssignal X-1
einer unmittelbar vorhergehenden Operation zum Bruchberechnungselement
72 bei Empfang eines Befehls vom Regel-Speicherelement
70.
Das Bruchberechnungselement 72 führt eine Berechnung
N(X-1-ÃJ-1+Δ) bei Eingang des Signals ÃJ-1 und des Signals
X-1 aus und überträgt, als augenblickliches analoges
Eingangssignal XM ein Signal, das durch Multiplizieren
eines Analogsignals, welches als ein Bruch in
der unmittelbar vorhergehenden Digitalumwandlung eines
Analogsignals vernachlässigt (worden) ist, mit N erhalten
wird, zum Schaltelement 73. Danach überträgt das
Schaltelement 73 das Signal XM als Signal X zum Komplementmultiplizierelement
9 und zum Verzögerungselement
74 nach Maßgabe eines Schaltbefehls vom Regel-Speicherelement
70.
Das Komplementmultiplizierelement 9, das neuronale
Netzwerk 1 und das Leseelement 2 arbeiten auf die gleiche
Weise wie in der unmittelbar vorhergehenden Operation,
um dabei ein Digitalsignal J zu übertragen. Das
Regel-Speicherelement 70 empfängt dieses Signal J und
speichert es als Signal JM-1 an einer Speicheradresse
für eine N-äre (M-1)-te Stelle. Die obigen Operationen
werden wiederholt, bis ein Digitalsignal der niedrigstwertigen
(ersten) Stelle erhalten wird; im Regel-Speicherelement
70 gespeicherte N-äre M-stellige Digitalsignale
JM, JM-1, . . ., J₁ werden als Ausgangssignale
der Vorrichtung dieser Ausführungsform übertragen.
Mit dieser Ausführungsform kann durch Verwendung eines
einzigen neuronalen Netzwerkes die gleiche Funktion wie
bei der fünften Ausführungsform realisiert werden.
Es ist anzumerken, daß die Operationszeit bei dieser
Ausführungsform eine für eine Operation im Regel-Speicherelement
70 erforderliche Zeit(spanne) beinhaltet.
Wenn dieses Element 70 jedoch ein Hochgeschwindigkeits
Element umfaßt, kann eine A/D-Umwandlung mit ausreichend
hoher Geschwindigkeit realisiert werden.
Fig. 11 veranschaulicht den Aufbau einer Signalverarbeitungsvorrichtung
gemäß einer siebten Ausführungsform
der Erfindung.
Diese Ausführungsform umfaßt L neuronale Netzwerke
90.L, 90.L-1, . . ., 90.1 (ein neuronales Netzwerk eines
in Fig. 16 gezeigten Typs), L-1 D/A-Umwandlungselemente
91.L, 91.L-1, . . ., 91.2, ein erstes Eingangs-Vorverarbeitungselement
92 und L-1 zweite Vorverarbeitungselemente
93.L-1, 93.L-2, . . ., 93.1.
Die neuronalen Netzwerke besitzen eine Funktion zum
Runden von bei der A/D-Umwandlung des analogen Eingangssignals
Y generierten Brüchen und zum Umwandeln
des Eingangssignals in ein binäres K-Bit-Digitalsignal.
Die D/A-Umwandlungselemente 91.L, 91.L-1 . . ., 91.2
sind Elemente zum Umwandeln binärer K-Bit Ausgangssignale
von den entsprechenden neuronalen Netzwerken
90.L, 90.L-1, . . ., 90.2 in Analogsignale Z₁ (1=L,
L-1, . . ., 2) der ersten Stelle.
Das erste Eingangs-Vorverarbeitungselement 92 empfängt
ein unbekanntes analoges Eingangssignal XL und subtrahiert
von diesem eine kleine Größe Δ entsprechend der
Hälfte (strenggenommen eine Größe, die geringfügig
kleiner ist als die Hälfte) eines Analogwertes entsprechend
dem niedrigstwertigen Bit der Ausgangssignale des
neuronalen Netzwerkes zwecks Bildung eines Signals YL.
Das Element 92 überträgt das Signal YL zum neuronalen
Netzwerk 90.L und zum zweiten Eingangs-Vorverarbeitungselement
93.L-1.
Die zweiten Eingangs-Vorverarbeitungselemente 93.L-1,
93.L-2, . . ., 93.1 empfangen Eingangssignale Y1 (1=L,
L-1, . . ., 2) zu den neuronalen Netzwerken für vorhergehende
Stellen und die Ausgangssignale Z von den D/A-
Umwandlungselementen und führen Berechnungen
2K(Yl+Δ-Zl)-Δ aus. Die Eingangs-Vorverarbeitungsergebnisse
geben die Rechenergebnisse als Signale Yl-1
(l=L, L-1, . . ., 2) zu den neuronalen Netzwerken
90.L-1, 90.L-2, . . ., 90.1 aus.
Es ist zu beachten, daß in einigen Fällen das zweite
Eingangs-Vorverarbeitungselement 93.1 für die letzte
Stelle ein Element zur Durchführung einer Berechnung
2K(Y₂+Δ-Z₂) anstelle einer Berechnung 2K(Y₂+Δ-Z₂)-Δ
sein kann.
Wenn der Vorrichtung gemäß dieser Ausführungsform ein
unbekanntes analoges Eingangssignal XL eingegeben wird,
wird dieses vom ersten Eingangs-Vorverarbeitungselement
92 abgenommen und der genannte (Wert) Δ wird vom Signal
NL subtrahiert, um ein Signal YL zu gewinnen. Das Signal
YL wird zum neuronalen Netzwerk 90.L und zum zweiten
Eingangs-Vorverarbeitungselement 93.L-1 ausgegeben.
Dies dient zum A/D-Umwandeln eines Eingangssignals im
Bruchteil-Fortlassungsmodus, obgleich die neuronalen
Netzwerke 90 für A/D-Umwandlung eines Bruchs im Aufrundungsmodus
benutzt werden. Das neuronale Netzwerk 90.L
wird bei Empfang des Signals YL betätigt. Das neuronale
Netzwerk überträgt binäre K-Bit Signale VK-1, VK-2,
. . ., V₀ der 2K-ären höchstwertigen Stelle (L-te Stelle)
durch A/D-Umwandlung des ursprünglichen analogen
Eingangssignals XL im Bruchteil-Fortlassungsmodus gewonnen,
zu einer externen Vorrichtung als eine der Ausgaben
der Vorrichtung gemäß dieser Ausführungsform, und
es überträgt dieses Signal auch zum D/A-Umwandlungselement
91.L. Letzteres wandelt diese Signale in ein
Analogsignal ZL zum zweiten Eingangs-Vorverarbeitungselement
93.L-1.
Das zweite Eingangs-Vorverarbeitungselement 93.L-1 bildet
zunächst einen nicht-A/D-umgesetzten Bruch
(YL+Δ-ZL) des unbekannten analogen Eingangssignals XL
und multipliziert ihn mit 2K zur Einstellung eines Signalpegels,
der durch das neuronale Netzwerk 90.L-1 mit
dem gleichen Aufbau wie das oben beschriebene neuronale
Netzwerk 90.L für die L-te Stelle verarbeitet werden
kann. Außerdem subtrahiert das Element 93L-1 (den
Wert) vom obigen Signal, so daß das Signal im Bruchteil-
Fortlassungsmodus A/D- umgewandelt werden kann. Danach
überträgt das Element 93.L-1 ein Signal als Signal
YL-1 zur (L-1)-ten Stelle neuronales Netzwerk 90.L-1
und zur (L-2)-ten Stelle zweiten Eingangs-Vorverarbeitungselement
93.L-2.
Das neuronale Netzwerk 90.L-1 für die (L-1)-te Stelle
wird bei Eingang des Signals YL-1 betätigt. Es wandelt
ein Analogsignal, das in der L-ten Stelle der A/D-Umwandlung
als Bruch fortgelassen wurde, in ein Digitalsignal
um und überträgt binäre K-Bit-Signale an der 2K-
ären (L-1)-ten Stelle zu einer externen Vorrichtung und
zum D/A-Umwandlungselement 91.L-1. Sodann werden die
gleichen Operationen, wie oben beschrieben, wiederholt.
Wenn das neuronale Netzwerk 90.1 der ersten Stelle
binäre K-Bit-Digitalausgangssignale an der 2K-ären ersten
Stelle ausgibt, beendet die Vorrichtung gemäß
dieser Ausführungsform ihre Operationen. Wenn die
2K-äre erste Stelle im Bruchrundungsmodus A/D-umgesetzt
werden soll, kann das zweite Eingangs-Vorverarbeitungselement
93.1 der ersten Stelle ein Element zur Durchführung
einer Berechnung 2K(Y₂+Δ-Z₂) enthalten.
Zur Durchführung einer A/D-Umwandlung mit einer Auflösung
von 12 Bits oder mehr, wie dies auf den Prozeßinstrumentierungs-
Regelgebieten unter Verwendung eines
herkömmlichen A/D-Umwandlungs-neuronales Netzwerk erforderlich
ist, sind Widerstände deren Widerstandswerte
eine Auflösung von 211+10 = 221 gemäß Gleichung (9) besitzen,
als Synapsenkoppelwiderstände erforderlich;
hierbei ist es schwierig, einen A/D-Wandler zu realisieren.
Im Gegensatz dazu kann bei der Vorrichtung gemäß dieser
Ausführungsform die Zahl der Bits der in einem einzigen
neuronalen Netzwerk ausgeführten A/D-Umwandlung auf die
Zahl von K Bits herabgesetzt werden, die mit Widerständen
durchführbar ist, deren Auflösung auch mittels LSIs
realisierbar ist. Die Vorrichtung gemäß dieser Ausführungsform
vermag daher eine mit hoher Geschwindigkeit
erfolgende A/D-Umwandlung unter Verwendung von L neuronalen
Netzwerken und damit große praktische Vorteile zu
gewährleisten.
Fig. 12 veranschaulicht den Aufbau einer Signalverarbeitungsvorrichtung
gemäß einer achten Ausführungsform
der Erfindung.
Diese Ausführungsform umfaßt ein neuronales Netzwerk 90
(eines in Fig. 16 dargestellten Typs), ein D/A-Umwandlungselement
91, ein erstes Eingangs-Vorverarbeitungselement
92, ein zweites Eingangs-Vorverarbeitungselement
93, ein Umschalt- oder Schalt(er)element 94, ein
Verzögerungselement 95 und ein Regel-Speicherelement
96.
Das Schaltelement 94 wählt in der ersten Operation ein
Ausgangssignal YL vom ersten Eingangs-Vorverarbeitungselement
92 und in der zweiten und den folgenden Operationen
ein Ausgangssignal YL vom zweiten Eingangs-Vorverarbeitungselement
93. Das Schaltelement 94 überträgt
das gewählte Signal als Signal Y zum neuronalen Netzwerk
90 und zum Verzögerungselement 95.
Das Verzögerungselement 95 hält das Ausgangssignal Y
vom Schaltelement 94 und überträgt das gehaltene Signal
als Signal Y-1 in der nächsten Operation zum zweiten
Eingangs-Vorverarbeitungselement 93 nach Maßgabe eines
Befehls vom Regel-Speicherelement 96.
Das Regel-Speicherelement 96 weist eine Schalt- oder
Umschaltoperation des Schaltelements 94 an, weist das
neuronale Netzwerk zum Rücksetzen und Starten von Verstärkern
an und weist zudem auch das Verzögerungselement
95 für das Übertragen der gehaltenen Daten Y zum
zweiten Eingangs-Vorverarbeitungselement 93 an.
Außerdem empfängt das Regel-Speicherelement 96 in jeder
Operation des neuronalen Netzwerkes 90 ausgegebene
2K-äre 1-Stelle- (binäre K-Bit) Digitalsignale und
speichert diese an einer vorbestimmten Adresse. Wenn
das Regel-Speicherelement 96 2K-äre erste Stellen-Digitalsignale
empfängt, gibt es diese als 2K-äre L-Stellen-
binäre K × L Bit) Digitalsignale aus. Die grundsätzliche
Funktion dieses Elements ist im Ablaufdiagramm
von Fig. 13 dargestellt.
Es ist darauf hinzuweisen, daß das neuronale Netzwerk
90, das D/A-Umwandlungselement 91 und das erste Eingangs-
Vorverarbeitungselement 92 die gleichen Elemente
wie bei der oben beschriebenen siebten Ausführungsform
sind, so daß auf eine nähere Beschreibung verzichtet
werden kann.
Wenn dieser Vorrichtung ein unbekanntes analoges Eingangssignal
XL eingespeist wird, subtrahiert das erste
Eingangs-Vorverarbeitungselement 92 (den Wert) Δ vom
Eingangssignal für A/D-Umwandlung im Bruchteil-Fortlassungsmodus,
und es gibt die Differenz als Signal YL zum
Schaltelement 94 aus. Letzteres wählt dieses Signal YL
nach Maßgabe eines Schalt- oder Umschaltbefehls vom
Regel-Speicherelement 96 und gibt das gewählte Signal
als Signal Y zum neuronalen Netzwerk 90 aus.
Das neuronale Netzwerk 90 setzt seine Verstärker entsprechend
einem Befehl vom Regel-Speicherelement 96
zurück und empfängt das Eingangssignal Y und unterwirft
dieses einer A/D-Umwandlung in binäre K-Bit Digitalsignale.
Das neuronale Netzwerk 90 gibt sodann die binären
K-Bit Digitalsignale VK-1, VK-2, . . ., V₀ zum Regelspeicherelement
96 und zum D/A-Umwandlungselement 91
aus.
Das D/A-Umwandlungselement 91 wandelt diese Digitalsignale
in ein Analogsignal um und gibt dieses als Analogsignal
Z-1 einem L-stelligen Digitalsignal entsprechend
zum zweiten Eingangs-Vorverarbeitungselement 93
aus.
Das Regel-Speicherelement 96 speichert die eingegebenen
Digitalsignale an einer vorbestimmten Adresse für die
L-te Stelle und weit das Verzögerungselement 95 für
die Ausgabe des Ausgangssignals Y vom Schaltelement zum
zweiten Eingangs-Vorverarbeitungselement 93 als Signal
Y-1 an. Das Eingangs-Vorverarbeitungselement 93 addiert
Δ zum Signal Y-1 zwecks Wiederherstellung des ursprünglichen
analogen Eingangssignals XL und subtrahiert das
Analogsignal Z-1 entsprechend dem L-ten Stelle Digitalsignal
vom analogen Eingangssignal XL zwecks Bildung
eines nicht-A/D-umgewandelten Bruchs bzw. Bruchteils
(Y-1+Δ-Z-1) des Signals XL. Das Element 93 multipliziert
den erhaltenen oder gebildeten Wert mit 2K zur
Einstellung eines Signalpegels, der im neuronalen Netzwerk
90 verarbeitbar ist, und subtrahiert ferner Δ vom
Produkt, um eine A/D-Umwandlung im Bruchteil-Fortlassungsmodus
zu erlauben. Das Element 93 überträgt sodann
das Signal als Signal Y zum Schaltelement 94.
Danach wählt das Schaltelement 94 das Ausgangssignal Y
vom zweiten Eingangs-Vorverarbeitungselement 93 entsprechend
dem Schaltbefehl vom Regel-Speicherelement
96, und es gibt es als Signal Y zum neuronalen Netzwerk
90 aus. Letzteres bewirkt bei Eingang des Signals Y
eine A/D-Umwandlung eines Analogsignals, das in einer
unmittelbar vorhergehenden A/D-Umwandlung als Bruch-
(teil) bestimmt (worden) ist, in 2K-äre (L-1)-te stellige
Digitalsignale, um diese Signale auszugeben.
Auf diese Weise werden die angegebenen Operationen wiederholt.
Wenn 2K-äre erst-stellige Digitalsignale erhalten
oder gewonnen werden, überträgt das Regel-Speicherelement
96 2K-äre L-stellige (binäre K × L Bit) Digitalsignale,
durch A/D-Umwandlung des ursprünglichen
analogen Eingangssignals XL erhalten, als Ausgangssignale
der Vorrichtung gemäß dieser Ausführungsform.
Mit dieser Ausführungsform kann mithin in vorteilhafter
Weise die Zahl der neuronalen Netzwerke o. dgl. im Vergleich
zur oben beschriebenen siebten Ausführungsform
auf eines verkleinert werden. Ein Befehl erfordert eine
übermäßige Zeitspanne entsprechend einer Befehlszeit im
Regel-Speicherelement 96. Falls letzteres jedoch ein
Hochgeschwindigkeits-Element umfaßt, kann eine A/D-Umwandlung
mit ausreichend hoher Geschwindigkeit realisiert
werden.
Claims (19)
1. Signalverarbeitungsvorrichtung mit neuronalem Netzwerk,
umfassend
- - eine Bezugssignalerzeugungseinheit zum Erzeugen einer Anzahl von Bezugssignalen jeweils verschiedener Signalwerte,
- - eine Komplementsignalerzeugungseinheit zum Empfangen oder Abnehmen der Bezugssignale und eines unbekannten Eingangssignals als zu verarbeitendes Objekt und zum Erzeugen einer Anzahl von Komplementsignalen zur Angabe vom Komplementwerten der Bezugssignale in bezug auf einen Signalwert, der durch Multiplizieren des unbekannten Eingangssignals mit einer natürlichen Zahl erhalten ist,
- - eine Multiplikationseinheit zum Abnehmen der Bezugssignale und der Komplementsignale und zum Multiplizieren der Bezugssignale mit den betreffenden Komplementsignalen sowie
- - ein neuronales Netzwerk, in welchem zahlreiche Neuronen gegenseitig verkoppelt sind und durch Signalunterdrückung lernen, wobei die Neuronen die von der Multiplikationseinheit gebildeten Produkte abnehmen und die Neuronen, welche das Produkt mit dem größten Wert abnehmen, ein Reizsignal erzeugen.
2. Vorrichtung nach Anspruch 1, dadurch gekennzeichnet,
daß als unbekanntes Eingangssignal ein Analogsignal
eingegeben wird und die Bezugssignalerzeugungseinheit
Analogsignale als Bezugssignale erzeugt.
3. Vorrichtung nach Anspruch 1, gekennzeichnet durch
eine Korrektureinheit, für die eine Anzahl von
als Kriterien bei der Clusteranalyse (clustering)
der unbekannten Eingangssignale dienenden Klassen
gesetzt oder vorgegeben sind, für die im voraus Umwandlungsfunktionen
zur Funktionsumwandlung der unbekannten
Eingangssignale in Einheiten von Klassen
vorgegeben sind und welche die unbekannten Eingangssignale
entsprechend der Umwandlungsfunktion der
Klasse, die entsprechend dem vom neuronalen Netzwerk
ausgegebenen Reizsignal bestimmt, korrigiert.
4. Vorrichtung nach Anspruch 3, dadurch gekennzeichnet,
daß die Korrektureinheit aufweist:
eine Relaiseinheit aus einer Anzahl von normalerweise offenen Kontakten (Schließern), deren eine Klemme jeweils das unbekannte Eingangssignal abnimmt, um den normalerweise offenen Kontakt entsprechend dem reizerzeugenden Neuron des neuronalen Netzwerkes zu schließen, und
eine Anzahl von jeweils mit der anderen Klemme eines entsprechenden der normalerweise offenen Kontakte verbundenen Funktionsumwandlungseinheiten für eine Funktionsumwandlung des über die betreffenden normalerweise offenen Kontakte eingegebenen unbekannten Eingangssignals nach Maßgabe der Umwandlungsfunktionen, die in Entsprechung damit vorgegeben sind.
eine Relaiseinheit aus einer Anzahl von normalerweise offenen Kontakten (Schließern), deren eine Klemme jeweils das unbekannte Eingangssignal abnimmt, um den normalerweise offenen Kontakt entsprechend dem reizerzeugenden Neuron des neuronalen Netzwerkes zu schließen, und
eine Anzahl von jeweils mit der anderen Klemme eines entsprechenden der normalerweise offenen Kontakte verbundenen Funktionsumwandlungseinheiten für eine Funktionsumwandlung des über die betreffenden normalerweise offenen Kontakte eingegebenen unbekannten Eingangssignals nach Maßgabe der Umwandlungsfunktionen, die in Entsprechung damit vorgegeben sind.
5. Vorrichtung nach Anspruch 3, dadurch gekennzeichnet,
daß die Bezugssignalerzeugungseinheit Mittel-
oder Zwischenwerte der jeweiligen Klassen als die
mehreren Bezugssignale erzeugt.
6. Vorrichtung nach Anspruch 1, gekennzeichnet durch
eine Interferenzregeleinheit, für die mehrere als
Kriterien bei der Clusteranalyse der unbekannten
Eingangssignale dienenden Klassen vorgegeben oder
gesetzt sind, für die im voraus Produktionenregeln
in Einheiten von Klassen vorgegeben sind und welche
die Produktionenregel einer spezifischen Klasse der
mehreren Klassen entsprechend dem vom neuronalen
Netzwerk ausgegebenen Reizsignal wählt.
7. Vorrichtung nach Anspruch 6, dadurch gekennzeichnet,
daß die Rückschlußregeleinheit eine Anzahl von
Regelspeichereinheiten, für die im voraus die Produktionenregeln
in Einheiten von Klassen vorgegeben
sind, und eine Aktiviereinheit aufweist, um die
Regelspeichereinheiten zu veranlassen, eine spezifische
Produktionenregel nach Maßgabe eines vom
neuronalen Netzwerk ausgegebenen Reizsignals auszugeben.
8. Vorrichtung nach Anspruch 6, dadurch gekennzeichnet,
daß die Bezugssignalerzeugungseinheit Mittel-
oder Zwischenwerte der jeweiligen Klassen als die
mehreren Bezugssignale erzeugt.
9. Vorrichtung nach Anspruch 1, gekennzeichnet durch
eine D/A-Umwandlungseinheit zum Abnehmen eines Digitalsignals eines vorbestimmten Bitmusters und zum Ausgeben eines durch D/A-Umwandlung des Digitalsignals gewonnen Analogsignals zur Komplementsignalerzeugungseinheit als unbekanntes Signal, sowie dadurch gekennzeichnet, daß die Bezugssignalerzeugungseinheit eine Anzahl von Analogsignalen entsprechend einer Anzahl verschiedener Bezugsbitmuster erzeugt und
das neuronale Netztwerk das Funkensignal von dem Neuron, an das das Analogsignal entsprechend dem Bezugsbitmuster angelegt ist, welches dem Bitmuster des unbekannten Eingangssignals am nächsten angenähert ist, ausgibt.
eine D/A-Umwandlungseinheit zum Abnehmen eines Digitalsignals eines vorbestimmten Bitmusters und zum Ausgeben eines durch D/A-Umwandlung des Digitalsignals gewonnen Analogsignals zur Komplementsignalerzeugungseinheit als unbekanntes Signal, sowie dadurch gekennzeichnet, daß die Bezugssignalerzeugungseinheit eine Anzahl von Analogsignalen entsprechend einer Anzahl verschiedener Bezugsbitmuster erzeugt und
das neuronale Netztwerk das Funkensignal von dem Neuron, an das das Analogsignal entsprechend dem Bezugsbitmuster angelegt ist, welches dem Bitmuster des unbekannten Eingangssignals am nächsten angenähert ist, ausgibt.
10. Vorrichtung nach Anspruch 1, dadurch gekennzeichnet,
daß die Bezugssignalerzeugungseinheit eine
Einheit zum Erzeugen von N Bezugsanalogsignalen,
deren Signalwerte (-größen) eine Beziehung einer
arithmetischen Folge besitzen, aufweist, das neuronale
Netzwerk das Reizsignal von dem Neuron ausgibt,
an welches das Bezugssignal angelegt ist,
welches dem unbekannten analogen Eingangssignal am
nächsten angenähert ist, und
ferner eine Erfassungseinheit zum Erfassen des
das Reizsignal ausgebenden Neurons und zum Umwandeln
des unbekannten Eingangssignals in ein 1-stelliges
Digitalsignal zur Basis N nach Maßgabe des
reizerzeugenden Neurons vorgesehen ist.
11. Vorrichtung nach Anspruch 2, dadurch gekennzeichnet,
daß die Bezugssignalerzeugungseinheit eine
Einheit zum Erzeugen von N Bezugsanalogsignalen,
erhalten durch Addieren einer Signalerhöhung oder
-erniedrigung zu jedem der N Signale, deren Signalwerte
eine Beziehung einer arithmetischen Folge
besitzen, aufweist,
das neuronale Netzwerk das Reizsignal von dem Neuron ausgibt, an welches das Bezugssignal angelegt ist, welches dem unbekannten analogen Eingangssignal am nächsten angenähert ist, und
eine Meß- oder Leseeinheit zum Erfassen des das Funkensignal ausgebenden Neurons und zum Umwandeln des unbekannten Eingangssignals in ein 1stelliges Digitalsignal zur Basis N nach Maßgabe des reizerzeugenden Neurons vorgesehen ist.
das neuronale Netzwerk das Reizsignal von dem Neuron ausgibt, an welches das Bezugssignal angelegt ist, welches dem unbekannten analogen Eingangssignal am nächsten angenähert ist, und
eine Meß- oder Leseeinheit zum Erfassen des das Funkensignal ausgebenden Neurons und zum Umwandeln des unbekannten Eingangssignals in ein 1stelliges Digitalsignal zur Basis N nach Maßgabe des reizerzeugenden Neurons vorgesehen ist.
12. Vorrichtung nach Anspruch 2, dadurch gekennzeichnet,
daß die Bezugssignalerzeugungseinheit eine
Einheit zum Erzeugen von N Bezugsanalogsignalen
aufweist, deren Signalwerte Mittel- oder Zwischenwerte
der Klassen entsprechen und die eine Beziehung
einer arithmetischen Folge aufweisen,
das neuronale Netzwerk das Reizsignal von dem Neuron ausgibt, an welches das Bezugssignal angelegt ist, das dem unbekannten analogen Eingangssignal am nächsten angenähert ist, und
ferner eine Meß- oder Leseeinheit zum Erfassen des das Reizsignal ausgebenden Neurons und zum Umwandeln des unbekannten Eingangssignals in ein 1stelliges Digitalsignal zur Basis N nach Maßgabe des reizerzeugenden Neurons vorgesehen ist.
das neuronale Netzwerk das Reizsignal von dem Neuron ausgibt, an welches das Bezugssignal angelegt ist, das dem unbekannten analogen Eingangssignal am nächsten angenähert ist, und
ferner eine Meß- oder Leseeinheit zum Erfassen des das Reizsignal ausgebenden Neurons und zum Umwandeln des unbekannten Eingangssignals in ein 1stelliges Digitalsignal zur Basis N nach Maßgabe des reizerzeugenden Neurons vorgesehen ist.
13. Vorrichtung nach Anspruch 10, gekennzeichnet durch
(M-1) A/D-Umwandlungs- oder Wandlereinheiten, die
mit der Bezugssignalerzeugungseinheit parallelgeschaltet
sind und zum Umwandeln des unbekannten
analogen Eingangssignals in N-äre M-stellige Digitalsignale
dienen, sowie dadurch gekennzeichnet,
daß
jede A/D-Wandlereinheit eine Eingangs-Vorverarbeitungseinheit, eine zweite Komplementsignalerzeugungseinheit, eine zweite Multiplikationseinheit, ein zweites neuronales Netzwerk und eine zweite Leseeinheit, die miteinander in Reihe geschaltet sind, aufweist,
die Eingangs-Vorverarbeitungseinheit der A/D- Wandlereinheit zum Verarbeiten einer (M-1)-ten Stelle zur Basis N eine Einrichtung zum Wählen des Bezugsanalogsignals, das im neuronalen Netzwerk als dem unbekannten Eingangssignal am weitesten angenähert bestimmt ist, auf der Grundlage der von der Leseeinheit ausgegebenen M-ten Digitalsignalen zur Basis N und eine Einrichtung zum Subtrahieren des gewählten Bezugsanalogsignals vom unbekannten Eingangssignal, Addieren einer Signalerhöhung oder -erniedrigung Δ zur Differenz und Multiplizieren der Summe mit N zwecks Erzeugung eines zweiten unbekannten Eingangssignals umfaßt,
die Eingangs-Vorverarbeitungseinheit jeder restlichen A/D-Wandlereinheit eine Einrichtung zum Wählen des Bezugsanalogsignals, das im zweiten neuronalen Netzwerk der A/D-Wandlereinheit zum Verarbeiten einer oberen benachbarten Stelle als dem zweiten unbekannten Eingangssignal am weitesten angenähert bestimmt ist, auf der Grundlage eines von der Leseeinheit der A/D-Wandlereinheit zum Verarbeiten der oberen benachbarten Stelle und eine Einrichtung zum Subtrahieren des gewählten Bezugsanalogsignals von dem von der A/D-Wandlereinheit zum Verarbeiten der oberen benachbarten Stelle erzeugten zweiten unbekannten Eingangssignal, Addieren einer Signalerhöhung oder -erniedrigung zur Differenz und Multiplizieren der Summe mit N zwecks Erzeugung des zweiten unbekannten Eingangssignals umfaßt,
jeder zweiten Komplementsignalerzeugungseinheiten eine Anzahl von Komplementsignalen aufweist, welche Komplementwerte der betreffenden Bezugsanalogsignale in bezug auf einen Signalwert angeben, der durch Multiplizieren des betreffenden zweiten unbekannten Eingangssignals mit einer natürlichen Zahl erhalten wurde,
jede der zweiten Multiplikationseinheiten die Bezugsanalogsignale und die Komplementsignale abnimmt und die Bezugsanalogsignale mit den betreffenden Komplementsignalen multipliziert,
jedes der zweiten neuronalen Netzwerke eine Vielzahl von Unterdrückungs-verkoppelten Neuronen aufweist, welche die durch die betreffende(n) zweite(n) Multiplikationseinheit(en) gebildeten Produkte abnehmen, wobei die Neuronen, welche die Produkte mit dem größten Wert abnehmen, das Reizsignal ausgeben, und
jede der zweiten Leseeinheiten das das Reizsignal ausgebende Neuron erfaßt und das betreffende zweite unbekannte Eingangssignal in ein N-äres 1stelliges Digitalsignal nach Maßgabe des erfaßten reizerzeugenden Neurons umwandelt.
jede A/D-Wandlereinheit eine Eingangs-Vorverarbeitungseinheit, eine zweite Komplementsignalerzeugungseinheit, eine zweite Multiplikationseinheit, ein zweites neuronales Netzwerk und eine zweite Leseeinheit, die miteinander in Reihe geschaltet sind, aufweist,
die Eingangs-Vorverarbeitungseinheit der A/D- Wandlereinheit zum Verarbeiten einer (M-1)-ten Stelle zur Basis N eine Einrichtung zum Wählen des Bezugsanalogsignals, das im neuronalen Netzwerk als dem unbekannten Eingangssignal am weitesten angenähert bestimmt ist, auf der Grundlage der von der Leseeinheit ausgegebenen M-ten Digitalsignalen zur Basis N und eine Einrichtung zum Subtrahieren des gewählten Bezugsanalogsignals vom unbekannten Eingangssignal, Addieren einer Signalerhöhung oder -erniedrigung Δ zur Differenz und Multiplizieren der Summe mit N zwecks Erzeugung eines zweiten unbekannten Eingangssignals umfaßt,
die Eingangs-Vorverarbeitungseinheit jeder restlichen A/D-Wandlereinheit eine Einrichtung zum Wählen des Bezugsanalogsignals, das im zweiten neuronalen Netzwerk der A/D-Wandlereinheit zum Verarbeiten einer oberen benachbarten Stelle als dem zweiten unbekannten Eingangssignal am weitesten angenähert bestimmt ist, auf der Grundlage eines von der Leseeinheit der A/D-Wandlereinheit zum Verarbeiten der oberen benachbarten Stelle und eine Einrichtung zum Subtrahieren des gewählten Bezugsanalogsignals von dem von der A/D-Wandlereinheit zum Verarbeiten der oberen benachbarten Stelle erzeugten zweiten unbekannten Eingangssignal, Addieren einer Signalerhöhung oder -erniedrigung zur Differenz und Multiplizieren der Summe mit N zwecks Erzeugung des zweiten unbekannten Eingangssignals umfaßt,
jeder zweiten Komplementsignalerzeugungseinheiten eine Anzahl von Komplementsignalen aufweist, welche Komplementwerte der betreffenden Bezugsanalogsignale in bezug auf einen Signalwert angeben, der durch Multiplizieren des betreffenden zweiten unbekannten Eingangssignals mit einer natürlichen Zahl erhalten wurde,
jede der zweiten Multiplikationseinheiten die Bezugsanalogsignale und die Komplementsignale abnimmt und die Bezugsanalogsignale mit den betreffenden Komplementsignalen multipliziert,
jedes der zweiten neuronalen Netzwerke eine Vielzahl von Unterdrückungs-verkoppelten Neuronen aufweist, welche die durch die betreffende(n) zweite(n) Multiplikationseinheit(en) gebildeten Produkte abnehmen, wobei die Neuronen, welche die Produkte mit dem größten Wert abnehmen, das Reizsignal ausgeben, und
jede der zweiten Leseeinheiten das das Reizsignal ausgebende Neuron erfaßt und das betreffende zweite unbekannte Eingangssignal in ein N-äres 1stelliges Digitalsignal nach Maßgabe des erfaßten reizerzeugenden Neurons umwandelt.
14. Vorrichtung nach Anspruch 13, dadurch gekennzeichnet,
daß die mehreren Bezugsanalogsignale durch
Addieren einer Signalerhöhung bzw. -erniedrigung Δ
zu jedem der N Signale, deren Signalwerte die Beziehung
einer arithmetischen Folge besitzen, gebildet
oder erhalten sind bzw. werden.
15. Vorrichtung nach Anspruch 10, dadurch gekennzeichnet,
daß eine Eingangs-Vorverarbeitungseinheit,
eine Schalt(er)einheit (Umschalteinheit) sowie eine
Regel/Speichereinheit zum Umwandeln des unbekannten
analogen Eingangssignals in N-äre m-stellige
Digitalsignale vorgesehen sind,
die Schalteinheit das unbekannte Eingangssignal in einer ersten Operation entsprechend der M-ten Stelle Verarbeitung an die Komplementsignalerzeugungseinheit anlegt und ein Ausgangssignal von der Eingangs-Vorverarbeitungseinheit in zweiten und folgenden Operationen an die Komplementsignalerzeugungseinheit anlegt,
die Eingangs-Vorverarbeitungseinheit eine Einrichtung zum Wählen des Bezugsanalogsignals, das in einer unmittelbar vorhergehenden Operation im neuronalen Netzwerk als dem unbekannten Eingangssignal am weitesten angenähert bestimmt wird, auf der Grundlage des von der Leseeinheit ausgegebenen Digitalsignals und eine Einrichtung zum Abnehmen des über die Schalteinheit an die Komplementsignalerzeugungseinheit anzulegenden Signals, Subtrahieren der gewählten Bezugsanalogsignale vom Eingangssignal, Addieren einer Signalerhöhung bzw. -erniedrigung Δ zur Differenz und Ausgeben eines durch Multiplizieren der Summe mit N gebildeten Signals als ein Ausgangssignal der Eingangs-Vorverarbeitungseinheit umfaßt und
die Regel/Speichereinheit eine Regelung durchgeführt, um das in der unmittelbar vorhergehenden Operation von der Leseeinheit ausgegebene N-äre 1stellige Digitalsignal bis zu einer nächsten Operation zu halten und die Entscheidung oder Bewertung des N-ären 1-stelligen Signals M-mal zu wiederholen.
die Schalteinheit das unbekannte Eingangssignal in einer ersten Operation entsprechend der M-ten Stelle Verarbeitung an die Komplementsignalerzeugungseinheit anlegt und ein Ausgangssignal von der Eingangs-Vorverarbeitungseinheit in zweiten und folgenden Operationen an die Komplementsignalerzeugungseinheit anlegt,
die Eingangs-Vorverarbeitungseinheit eine Einrichtung zum Wählen des Bezugsanalogsignals, das in einer unmittelbar vorhergehenden Operation im neuronalen Netzwerk als dem unbekannten Eingangssignal am weitesten angenähert bestimmt wird, auf der Grundlage des von der Leseeinheit ausgegebenen Digitalsignals und eine Einrichtung zum Abnehmen des über die Schalteinheit an die Komplementsignalerzeugungseinheit anzulegenden Signals, Subtrahieren der gewählten Bezugsanalogsignale vom Eingangssignal, Addieren einer Signalerhöhung bzw. -erniedrigung Δ zur Differenz und Ausgeben eines durch Multiplizieren der Summe mit N gebildeten Signals als ein Ausgangssignal der Eingangs-Vorverarbeitungseinheit umfaßt und
die Regel/Speichereinheit eine Regelung durchgeführt, um das in der unmittelbar vorhergehenden Operation von der Leseeinheit ausgegebene N-äre 1stellige Digitalsignal bis zu einer nächsten Operation zu halten und die Entscheidung oder Bewertung des N-ären 1-stelligen Signals M-mal zu wiederholen.
16. Vorrichtung nach Anspruch 15, dadurch gekennzeichnet,
daß die mehreren Bezugsanalogsignale durch
Addieren einer Signalerhöhung bzw. -erniedrigung Δ
zu jedem der N Signale, deren Signalwerte die Beziehung
einer arithmetischen Reihe besitzen, gebildet
oder erhalten sind bzw. werden.
17. Vorrichtung nach Anspruch 1, dadurch gekennzeichnet,
daß die Komplementsignalerzeugungseinheit
Komplementwerte (2X-Ai) der Bezugssignale Ai
bezogen auf einen Signalwert 2X entsprechend dem
Doppelten eines Signalwerts X des unbekannten
Eingangssignals bildet.
18. Signalverarbeitungsvorrichtung mit neuronalem
Netzwerk, umfassend:
- - einen A/D-Wandlerteil, der durch L miteinander in Reihe geschaltete neuronale Netzwerke gebildet ist, die jeweils ein Eingangsanalogsignal in binäre k-Bit Digitalsignale umwandeln,
- - eine erste Eingangs-Vorverarbeitungseinheit zum Abnehmen eines unbekannten Analogsignals und zum Eingeben eines durch Subtrahieren einer kleinen Größe Δ vom unbekannten analogen Eingangssignal gebildeten analogen Eingangssignals in das neuronale Netzwerk einer ersten Stufe des A/D-Wandlerteils und
- - eine Anzahl von jeweils zwischen zwei benachbarten neuronalen Netzwerken des A/D-Wandlerteils angeordneten zweiten Eingangs-Vorverarbeitungseinheiten, die jeweils ein durch Umwandeln der binären k-Bit-Digitalsignale, durch das neuronale Netzwerk einer unmittelbar vorhergehenden Stufe umgewandelt, in ein Analogsignal gebildetes Signal von einem Summensignal subtrahiert, das durch Addieren einer kleinen Größe Δ zu dem dem neuronalen Netzwerk der unmittelbar vorhergehenden Stufe eingegebenen analogen Eingangssignal gebildet ist, und die jeweils einen Signalwert, der durch Subtrahieren der kleinen Größe Δ von einem durch Multiplizieren der Differenz mit 2k gebildeten Signalwert gebildet ist, in das neuronale Netzwerk einer nächsten Stufe als analoges Eingangssignal eingeben.
19. Signalverarbeitungsvorrichtung mit neuronalem Netzwerk,
umfassend:
- - ein neuronales Netzwerk zum Umwandeln eines Eingangsanalogsignals in binäre k-Bit-Signale,
- - eine erste Eingangs-Vorverarbeitungseinheit zum Abnehmen eines unbekannten Analogsignals und Ausgeben eines analogen Eingangssignals, das durch Subtrahieren einer kleinen Größe vom unbekannten analogen Eingangssignal gebildet ist,
- - eine zweite (Eingangs-)Vorverarbeitungseinheit zum Abnehmen des dem neuronalen Netzwerk in einer unmittelbar vorhergehenden Operation eingegebenen analogen Eingangssignals und eines durch Umwandlung der binären k-Bit Digitalsignale, gebildeten Signals, die vom neuronalen Netzwerk in der unmittelbar vorhergehenden Operation ausgegeben sind, in ein Analogsignal, Subtrahieren des letzteren Signals von einem Signal, das durch Addieren einer kleinen Größe Δ zum ersten Signal gebildet ist, und Ausgeben eines Signals, das durch Subtrahieren der kleinen Größe Δ von einem Signalwert gebildet ist, der (seinerseits) durch Multiplizieren der Differenz mit 2k gebildet ist,
- - ein Schalt(er)einheit zum Eingeben des von der ersten Eingangs-Vorverarbeitungseinheit ausgegebenen Signals in das neuronale Netzwerk in einer ersten Operation und Eingeben des von der zweiten Eingangs-Vorverarbeitungseinheit ausgegebenen Signals in das neuronale Netzwerk in zweiten und fonlgenden Operationen sowie
- - eine Einheit zum Steuern oder Regeln für eine L-malige Wiederholung der binären k-Bit Umwandlung.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3054055A JP2868640B2 (ja) | 1991-02-26 | 1991-02-26 | ニューラル・ネットワークを用いた信号処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4205903A1 true DE4205903A1 (de) | 1992-09-03 |
DE4205903C2 DE4205903C2 (de) | 1997-08-07 |
Family
ID=12959933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4205903A Expired - Fee Related DE4205903C2 (de) | 1991-02-26 | 1992-02-26 | Signalverarbeitungsvorrichtung mit neuronalem Netzwerk |
Country Status (4)
Country | Link |
---|---|
US (1) | US5420963A (de) |
JP (1) | JP2868640B2 (de) |
DE (1) | DE4205903C2 (de) |
GB (1) | GB2253290B (de) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5815394A (en) * | 1996-04-04 | 1998-09-29 | The Ohio State University Research Foundation | Method and apparatus for efficient design automation and optimization, and structure produced thereby |
US6049793A (en) * | 1996-11-15 | 2000-04-11 | Tomita; Kenichi | System for building an artificial neural network |
FI105428B (fi) * | 1998-05-13 | 2000-08-15 | Nokia Mobile Phones Ltd | Menetelmä rinnakkais-A/D-muunnoksen virheen korjaamiseksi, korjain ja rinnakkais-A/D-muunnin |
US6269354B1 (en) * | 1998-11-30 | 2001-07-31 | David W. Arathorn | General purpose recognition e-circuits capable of translation-tolerant recognition, scene segmentation and attention shift, and their application to machine vision |
US6262678B1 (en) * | 1999-09-29 | 2001-07-17 | Lucent Technologies Inc. | Current-mode spike-based analog-to-digital conversion |
US20020013664A1 (en) * | 2000-06-19 | 2002-01-31 | Jens Strackeljan | Rotating equipment diagnostic system and adaptive controller |
EP3535625B1 (de) | 2016-12-07 | 2021-02-24 | Arilou Information Security Technologies Ltd. | System und verfahren zur verwendung von signalwellenformanalyse zur erkennung einer änderung in einem kabelnetzwerk |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0242110A2 (de) * | 1986-04-14 | 1987-10-21 | AT&T Corp. | Neuronales Netzwerk zur Minimierung einer Energiefunktion |
US5142666A (en) * | 1989-03-01 | 1992-08-25 | Fujitsu Limited | Learning system in a neuron computer |
US5167006A (en) * | 1989-12-29 | 1992-11-24 | Ricoh Company, Ltd. | Neuron unit, neural network and signal processing method |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4419544A (en) * | 1982-04-26 | 1983-12-06 | Adelman Roger A | Signal processing apparatus |
US4660166A (en) * | 1985-01-22 | 1987-04-21 | Bell Telephone Laboratories, Incorporated | Electronic network for collective decision based on large number of connections between signals |
US4903226A (en) * | 1987-08-27 | 1990-02-20 | Yannis Tsividis | Switched networks |
US5214745A (en) * | 1988-08-25 | 1993-05-25 | Sutherland John G | Artificial neural device utilizing phase orientation in the complex number domain to encode and decode stimulus response patterns |
US4979124A (en) * | 1988-10-05 | 1990-12-18 | Cornell Research Foundation | Adaptive, neural-based signal processor |
JP2654155B2 (ja) * | 1989-01-05 | 1997-09-17 | 株式会社東芝 | ニューラル・ネットを用いた信号処理回路 |
US5003490A (en) * | 1988-10-07 | 1991-03-26 | Hughes Aircraft Company | Neural network signal processor |
US5130563A (en) * | 1989-11-30 | 1992-07-14 | Washington Research Foundation | Optoelectronic sensory neural network |
US5121231A (en) * | 1990-04-06 | 1992-06-09 | University Of Southern California | Incoherent/coherent multiplexed holographic recording for photonic interconnections and holographic optical elements |
US5039870A (en) * | 1990-05-21 | 1991-08-13 | General Electric Company | Weighted summation circuits having different-weight ranks of capacitive structures |
US5151970A (en) * | 1990-07-02 | 1992-09-29 | General Electric Company | Method of generating, in the analog regime, weighted summations of digital signals |
-
1991
- 1991-02-26 JP JP3054055A patent/JP2868640B2/ja not_active Expired - Fee Related
-
1992
- 1992-02-19 GB GB9203664A patent/GB2253290B/en not_active Expired - Fee Related
- 1992-02-24 US US07/840,269 patent/US5420963A/en not_active Expired - Fee Related
- 1992-02-26 DE DE4205903A patent/DE4205903C2/de not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0242110A2 (de) * | 1986-04-14 | 1987-10-21 | AT&T Corp. | Neuronales Netzwerk zur Minimierung einer Energiefunktion |
US5142666A (en) * | 1989-03-01 | 1992-08-25 | Fujitsu Limited | Learning system in a neuron computer |
US5167006A (en) * | 1989-12-29 | 1992-11-24 | Ricoh Company, Ltd. | Neuron unit, neural network and signal processing method |
Also Published As
Publication number | Publication date |
---|---|
DE4205903C2 (de) | 1997-08-07 |
GB9203664D0 (en) | 1992-04-08 |
JP2868640B2 (ja) | 1999-03-10 |
GB2253290A (en) | 1992-09-02 |
US5420963A (en) | 1995-05-30 |
GB2253290B (en) | 1994-11-30 |
JPH04271459A (ja) | 1992-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102007001025B4 (de) | Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems | |
DE4042139C2 (de) | Neuron-Einheit | |
DE69332980T2 (de) | Betreiben eines neuronalen netzwerks mit fehlenden und/oder inkompletten daten | |
DE102007001024B4 (de) | Verfahren zur rechnergestützten Regelung und/oder Steuerung eines technischen Systems insbesondere einer Gasturbine | |
EP2112568B1 (de) | Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems | |
DE1196410C2 (de) | Lernfaehige Unterscheidungsmatrix fuer Gruppen von analogen Signalen | |
DE4217832C2 (de) | Mustererkennungsgerät | |
DE112018004992T5 (de) | Übertragung synaptischer gewichte zwischen leitfähigkeitspaaren mitpolaritätsumkehr zum verringern fester einheitenasymmetrien | |
DE69815390T2 (de) | Neuronale netzwerke | |
DE4205903A1 (de) | Signalverarbeitungsvorrichtung mit neuronalem netzwerk | |
WO2000008599A2 (de) | Anordnung miteinander verbundener rechenelemente, verfahren zur rechnergestützten ermittlung einer dynamik, die einem dynamischen prozess zugrunde liegt und verfahren zum rechnergestützten trainieren einer anordnung miteinander verbundener rechenelemente | |
EP0750764B1 (de) | Verfahren und anordnung zur fuzzy-regelung | |
DE10201018B4 (de) | Neuronales Netz, Opimierungsverfahren zur Einstellung der Verbindungsgewichte eines neuronalen Netzes sowie Analyseverfahren zur Überwachung eines Optimierungsverfahrens | |
DE2539628A1 (de) | Schaltungsanordnung | |
DE4240789C2 (de) | Verfahren zur Identifizierung von Objekten | |
DE112020005613T5 (de) | Neuromorphe Einheit mit Kreuzschienen-Array-Struktur | |
DE4121453C2 (de) | Näherungsschlußfolgerungsvorrichtung | |
DE19537010C2 (de) | Lernverfahren und -anordnung zur Nachbildung eines dynamischen Prozesses | |
DE10139682A1 (de) | Verfahren zum Generieren von neuronalen Netzen | |
DE3736709A1 (de) | Thermisches anemometer | |
EP0978052B1 (de) | Rechnergestütztes verfahren zur auswahl von trainingsdaten für ein neuronales netz | |
EP0657053B1 (de) | Verfahren zum entwurf eines neuronalen netzes und danach erhaltenes neuronales netz | |
EP0561792B1 (de) | Wissensbasierte steuer- und regeleinrichtung | |
DE1284127B (de) | Funktionsgenerator fuer spezielle Autokorrelationsfunktionen | |
DE1588731B1 (de) | Adaptionsverfahren und -einrichtung fuer Regelkreise |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |