JP2018200627A - 畳み込みニューラルネットワーク - Google Patents
畳み込みニューラルネットワーク Download PDFInfo
- Publication number
- JP2018200627A JP2018200627A JP2017105742A JP2017105742A JP2018200627A JP 2018200627 A JP2018200627 A JP 2018200627A JP 2017105742 A JP2017105742 A JP 2017105742A JP 2017105742 A JP2017105742 A JP 2017105742A JP 2018200627 A JP2018200627 A JP 2018200627A
- Authority
- JP
- Japan
- Prior art keywords
- crossbar circuit
- input
- convolution
- layer
- bars
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
-
- 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
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Neurology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
Abstract
【解決手段】クロスバー回路が、第1クロスバー回路61と第2クロスバー回路62とに分割される。第1クロスバー回路61には、入力データに含まれる特徴マップの内、一部の特徴マップに対して複数のフィルタの畳み込み演算を行う。第2クロスバー回路62には、第1クロスバー回路61にて畳み込み演算の対象とされる一部の特徴マップとは異なる別の一部の特徴マップに対して複数のフィルタの畳み込み演算を行う。第1クロスバー回路61によるフィルタの畳み込み演算結果である特徴マップと、第2クロスバー回路62によるフィルタの畳み込み演算結果である特徴マップが、マージ層63においてマージされる。
【選択図】図8
Description
複数の畳み込み層(21〜27)を含み、その複数の畳み込み層の少なくとも1つは、複数の入力バー(50)と、それら複数の入力バーと交差する複数の出力バー(51、52)と、複数の入力バーと複数の出力バーとの各交点に設けられ、複数の入力バーに入力される各入力信号に対して、畳み込まれる複数のフィルタに対応する重みを付与する複数の重み付与素子(53)とを有するクロスバー回路(44)を有し、それぞれの入力バーに入力された入力信号が重み付与素子によって重みを付与された状態で、各出力バー上で加算されることにより、それぞれの入力信号を含む入力データに対する複数のフィルタの畳み込み演算をアナログ領域で行うものであり、
入力データは、複数の特徴マップを含み、
畳み込み層のクロスバー回路(44)は、複数の特徴マップの内の一部の特徴マップに対して複数のフィルタの畳み込み演算を行う第1クロスバー回路(61)と、第1クロスバー回路とは別個に設けられ、第1クロスバー回路にて畳み込み演算の対象とされる一部の特徴マップとは異なる別の一部の特徴マップに対して複数のフィルタの畳み込み演算を行う第2クロスバー回路(62)とを有し、
第1クロスバー回路による畳み込み演算結果と、第2クロスバー回路による畳み込み演算結果とをマージするマージ層(63)を有する。
(数1)
出力ニューロンの出力電圧=RΣViGi
Claims (7)
- 複数の畳み込み層(21〜27)を含む畳み込みニューラルネットワーク(20)であって、
複数の畳み込み層の少なくとも1つは、複数の入力バー(50)と、それら複数の入力バーと交差する複数の出力バー(51、52)と、複数の入力バーと複数の出力バーとの各交点に設けられ、複数の入力バーに入力される各入力信号に対して、畳み込まれる複数のフィルタに対応する重みを付与する複数の重み付与素子(53)とを有するクロスバー回路(44)を有し、それぞれの入力バーに入力された入力信号が前記重み付与素子によって重みを付与された状態で、各出力バー上で加算されることにより、それぞれの入力信号を含む入力データに対する前記複数のフィルタの畳み込み演算をアナログ領域で行うものであり、
前記入力データは、複数の特徴マップを含み、
前記畳み込み層のクロスバー回路(44)は、前記複数の特徴マップの内の一部の特徴マップに対して複数のフィルタの畳み込み演算を行う第1クロスバー回路(61)と、前記第1クロスバー回路とは別個に設けられ、前記第1クロスバー回路にて畳み込み演算の対象とされる前記一部の特徴マップとは異なる別の一部の特徴マップに対して複数のフィルタの畳み込み演算を行う第2クロスバー回路(62)とを有し、
前記第1クロスバー回路による演算結果と、前記第2クロスバー回路による演算結果とをマージするマージ層(63)を有する畳み込みニューラルネットワーク。 - 前記マージ層は、前記第1クロスバー回路による演算結果と、前記第2クロスバー回路による演算結果との対応する要素同士をマージする請求項1に記載の畳み込みニューラルネットワーク。
- 前記マージ層は、複数の入力バーと、複数の入力バーと交差する複数の出力バーと、複数の入力バーと複数の出力バーとの各交点に設けられ、複数の入力バーに入力されるそれぞれの畳み込み演算結果の各要素に対して、重みを付与する複数の重み付与素子とを有するクロスバー回路(64)を有し、
前記マージ層のクロスバー回路において、前記第1クロスバー回路の畳み込み演算結果と前記第2クロスバー回路の畳み込み演算結果との対応する要素同士が重み付与素子による重みを付与された状態で、各出力バー上で加算される請求項2に記載の畳み込みニューラルネットワーク。 - 前記マージ層は、階層的に設けられた第1マージ層(65、66)と第2マージ層(67)とを有し、
前記第1マージ層は、前記第1クロスバー回路による畳み込み演算結果と、前記第2クロスバー回路による畳み込み演算結果との対応する要素同士をマージしたマージ結果として、複数のマージ結果を出力し、
前記第2マージ層は、前記第1マージ層が出力した複数のマージ結果の対応する要素同士をさらにマージする請求項2又は3に記載の畳み込みニューラルネットワーク。 - 前記第1クロスバー回路は、複数のフィルタの内の一部のフィルタの畳み込み演算を行い、畳み込み演算を行ったフィルタの数に対応する特徴マップを作成するものであり、
前記第2クロスバー回路は、前記第1クロスバー回路にて畳み込み演算を行ったフィルタとは異なる別の一部のフィルタの畳み込み演算を行い、畳み込み演算を行ったフィルタの数に対応する特徴マップを作成するものである請求項1乃至4のいずれかに記載の畳み込みニューラルネットワーク。 - 前記第1クロスバー回路の畳み込み演算結果の各要素の数、前記第2クロスバー回路の畳み込み演算結果の各要素の数、及び前記マージ層によるマージ結果の各要素の数は、同一である請求項1乃至5のいずれかに記載の畳み込みニューラルネットワーク。
- 前記畳み込み層のクロスバー回路における重み付与素子、及び前記マージ層のクロスバー回路における重み付与素子は、外部にて行われる学習結果に基づく重みがそれぞれ設定される請求項3に記載の畳み込みニューラルネットワーク。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017105742A JP6724863B2 (ja) | 2017-05-29 | 2017-05-29 | 畳み込みニューラルネットワーク |
PCT/JP2018/011272 WO2018220957A1 (ja) | 2017-05-29 | 2018-03-22 | 畳み込みニューラルネットワーク |
US16/688,088 US11586888B2 (en) | 2017-05-29 | 2019-11-19 | Convolutional neural network |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017105742A JP6724863B2 (ja) | 2017-05-29 | 2017-05-29 | 畳み込みニューラルネットワーク |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018200627A true JP2018200627A (ja) | 2018-12-20 |
JP6724863B2 JP6724863B2 (ja) | 2020-07-15 |
Family
ID=64456285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017105742A Active JP6724863B2 (ja) | 2017-05-29 | 2017-05-29 | 畳み込みニューラルネットワーク |
Country Status (3)
Country | Link |
---|---|
US (1) | US11586888B2 (ja) |
JP (1) | JP6724863B2 (ja) |
WO (1) | WO2018220957A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022554371A (ja) * | 2019-11-07 | 2022-12-28 | 清華大学 | メモリスタに基づくニューラルネットワークの並列加速方法およびプロセッサ、装置 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6724870B2 (ja) | 2017-06-19 | 2020-07-15 | 株式会社デンソー | 人工ニューラルネットワーク回路の訓練方法、訓練プログラム、及び訓練装置 |
JP6724869B2 (ja) | 2017-06-19 | 2020-07-15 | 株式会社デンソー | 多層ニューラルネットワークのニューロンの出力レベル調整方法 |
CN110000116B (zh) * | 2019-04-19 | 2021-04-23 | 福建铂格智能科技股份公司 | 一种基于深度学习的自由落体果蔬分选方法及系统 |
KR20220010362A (ko) | 2020-07-17 | 2022-01-25 | 삼성전자주식회사 | 뉴럴 네트워크 장치 및 그의 동작 방법 |
WO2022150009A1 (en) * | 2021-01-08 | 2022-07-14 | Agency For Science, Technology And Research | GENERATING AN OUTPUT FOR A RECTIFIED LINEAR UNIT (ReLU)-ACTIVATED NEURON OF A NEURAL NETWORK |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016068953A1 (en) | 2014-10-30 | 2016-05-06 | Hewlett Packard Enterprise Development Lp | Double bias memristive dot product engine for vector processing |
US9934463B2 (en) | 2015-05-15 | 2018-04-03 | Arizona Board Of Regents On Behalf Of Arizona State University | Neuromorphic computational system(s) using resistive synaptic devices |
US10332004B2 (en) | 2015-07-13 | 2019-06-25 | Denso Corporation | Memristive neuromorphic circuit and method for training the memristive neuromorphic circuit |
US10176425B2 (en) * | 2016-07-14 | 2019-01-08 | University Of Dayton | Analog neuromorphic circuits for dot-product operation implementing resistive memories |
US9646243B1 (en) * | 2016-09-12 | 2017-05-09 | International Business Machines Corporation | Convolutional neural networks using resistive processing unit array |
-
2017
- 2017-05-29 JP JP2017105742A patent/JP6724863B2/ja active Active
-
2018
- 2018-03-22 WO PCT/JP2018/011272 patent/WO2018220957A1/ja active Application Filing
-
2019
- 2019-11-19 US US16/688,088 patent/US11586888B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022554371A (ja) * | 2019-11-07 | 2022-12-28 | 清華大学 | メモリスタに基づくニューラルネットワークの並列加速方法およびプロセッサ、装置 |
JP7399517B2 (ja) | 2019-11-07 | 2023-12-18 | 清華大学 | メモリスタに基づくニューラルネットワークの並列加速方法およびプロセッサ、装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6724863B2 (ja) | 2020-07-15 |
WO2018220957A1 (ja) | 2018-12-06 |
US11586888B2 (en) | 2023-02-21 |
US20200082255A1 (en) | 2020-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018220957A1 (ja) | 畳み込みニューラルネットワーク | |
US11501146B2 (en) | Convolutional neural network | |
JP6724869B2 (ja) | 多層ニューラルネットワークのニューロンの出力レベル調整方法 | |
Lin et al. | Exploring context with deep structured models for semantic segmentation | |
US11055608B2 (en) | Convolutional neural network | |
US20180253641A1 (en) | Arithmetic processing apparatus and control method therefor | |
Dong et al. | Neuromorphic extreme learning machines with bimodal memristive synapses | |
US11562215B2 (en) | Artificial neural network circuit | |
JP7196803B2 (ja) | 人工ニューラルネットワーク回路及び人工ニューラルネットワーク回路における学習値切替方法 | |
JP7279921B2 (ja) | ニューラルネットワーク回路装置、ニューラルネットワーク処理方法およびニューラルネットワークの実行プログラム | |
JP2021103441A (ja) | ニューラルネットワーク軽量化装置、ニューラルネットワーク軽量化方法およびプログラム | |
Song et al. | Bayesian non-parametric gradient histogram estimation for texture-enhanced image deblurring | |
CN112668700B (zh) | 一种基于分组注意的宽度图卷积网络模型系统及训练方法 | |
JP7530187B2 (ja) | データ処理装置、データ処理方法 | |
CN112560960A (zh) | 一种高光谱图像分类方法、装置以及计算设备 | |
Zhang et al. | Bort: Towards explainable neural networks with bounded orthogonal constraint | |
Nayak et al. | Reinforcement learning for improving object detection | |
WO2019243910A1 (en) | Segmenting irregular shapes in images using deep region growing | |
CN112907450B (zh) | 三维时序图像处理方法、装置、计算机设备和存储介质 | |
CN107644251A (zh) | 神经元激活方法、装置和系统以及对象分类方法和系统 | |
CN113672612A (zh) | 索引源数组中的元素 | |
Jiang et al. | Optimal filter based on scale-invariance generation of natural images | |
CN109858532A (zh) | 一种用户画像方法、装置、可读存储介质及终端设备 | |
US20230092017A1 (en) | Computing device and method | |
Shao et al. | A unified optimization perspective to single/multi-observation blur-kernel estimation with applications to camera-shake deblurring and nonparametric blind super-resolution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190619 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200526 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200608 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6724863 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |