JP3555773B2 - 信号処理システム - Google Patents
信号処理システム Download PDFInfo
- Publication number
- JP3555773B2 JP3555773B2 JP07565794A JP7565794A JP3555773B2 JP 3555773 B2 JP3555773 B2 JP 3555773B2 JP 07565794 A JP07565794 A JP 07565794A JP 7565794 A JP7565794 A JP 7565794A JP 3555773 B2 JP3555773 B2 JP 3555773B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- signal processing
- input
- processed
- elements
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Description
【０００１】
【産業上の利用分野】
本発明は、例えば、画像や音声の認識、ロボットの適応制御、振動等の時系列信号の予測制御、地震等の予測等のような各種運動の制御に適用可能な、神経回路模倣のニューラルネットワークを用いた信号処理システムに関する。
【０００２】
【従来の技術】
生体の情報処理の基本的な単位である神経細胞（ニューロン）の機能を模倣し、さらに、この「神経細胞模倣素子」をネットワークに構成することで、情報の並列処理を目指したのが、いわゆるニューラルネットワークである。文字認識や連想記憶、運動制御等、生体ではいとも簡単に行われていても、従来のノイマン型コンピュータではなかなか達成しないものが多い。生体の神経系、特に生体特有の機能、即ち並列処理、自己学習等をニューラルネットワークにより模倣して、これらの問題を解決しようとする試みが盛んに行われている。
【０００３】
このようなニューラルネットワークをあるアプリケーションに使用する場合、データに何らかの前処理をするのが一般的である。例えば、画像データの特徴を抽出したり、文字だけを画像データから切り出すような処理がある。これらの処理中にはニューラルネットワークで行うことが可能な処理もあるが、実際に、ニューラルネットワークで処理したいのはその後の認識や分類等の信号処理である。このような前処理（入力データから分類や特徴を求めるための処理）を行うようにしたものとして、特開平３−９５６６４号公報に示されるようなものがある。
【０００４】
【発明が解決しようとする課題】
ところで、ハードウエア構成のニューラルネットワークで処理を行う場合、ハードウエア上の制限から入力ニューロン数（入力要素数）が限られることがあるが、アプリケーション側から見た場合、ニューラルネットワークに入力されるデータ数（信号のデータ要素数）が予め制限を受けるのは不都合である。特に、非線形なデータを扱う場合、ニューロン数に制限があるのは好ましくない。
【０００５】
一方、逆のケースもあり、入力ニューロン数に対して入力されるデータ数が少ない場合には、入力ニューロン数が余ってしまい好ましくない。特に、開発段階で考えると、使用されない入力ニューロンが存在することは学習過程等においてニューラルネットワークの機能を十分に活かせず、改善が必要といえる。
【０００６】
結局、ニューラルネットワークに入力される信号のデータ要素数とニューラルネットワークにおけるハードウエア構成の入力要素数との不一致時には、信号処理システムとして不十分なものとなってしまう。
【０００７】
【課題を解決するための手段】
請求項１記載の信号処理システムは、信号を取り込む入力手段と、この入力手段により取り込まれた信号に対して変換処理を施す変換手段と、この変換手段で処理された信号を入力として認識等の信号処理をハードウエア構成で行う神経回路模倣の信号処理手段とを備えた信号処理システムにおいて、前記変換手段と前記信号処理手段との間に、前記変換手段で処理された信号のデータ要素とこの信号を反転させた信号のデータ要素とからなる信号を入力信号として前記信号処理手段に入力し、前記変換手段で処理された信号のデータ要素数を前記信号処理手段の入力要素数に一致させる前処理手段を設けたものである。
請求項２記載の信号処理システムは、信号を取り込む入力手段と、この入力手段により取り込まれた信号に対して変換処理を施す変換手段と、この変換手段で処理された信号を入力として認識等の信号処理をハードウエア構成で行う神経回路模倣の信号処理手段とを備えた信号処理システムにおいて、前記変換手段と前記信号処理手段との間に、前記変換手段で処理された信号中の複数のデータ要素間の差分をとったデータ要素からなる信号を入力信号として信号処理手段に入力し、前記変換手段で処理された信号のデータ要素数を前記信号処理手段の入力要素数に一致させる前処理手段を設けたものである。
【０００８】
請求項３記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号に演算処理を施して信号処理手段の入力要素数分のデータ要素を選択する演算手段により構成したものである。
【０００９】
請求項４記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施して信号処理手段の入力要素数分のデータ要素を選択する演算手段とにより構成したものである。
【００１０】
請求項５記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号に演算処理を施す演算手段と、この演算手段で処理された信号から信号処理手段の入力要素数分のデータ要素を選択する切替手段とにより構成したものである。
【００１１】
請求項６記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施す演算手段と、この演算手段で処理された信号から信号処理手段の入力要素数分のデータ要素を選択する切替手段とにより構成したものである。
【００１２】
請求項７記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施す演算手段と、前記変換手段で処理された信号を一時的に記憶する一時的記憶手段と、前記演算手段で処理された信号及び前記一時的記憶手段に記憶された信号とから信号処理手段の入力要素数分のデータ要素を選択する切替手段とにより構成したものである。
【００２０】
【作用】
本発明の信号処理ユニットにおいては、変換手段と信号処理手段との間に変換手段で処理された信号のデータ要素数を信号処理手段の入力要素数に一致させる前処理を行う前処理手段を設けたので、信号処理手段に入力する信号のデータ要素数と信号処理手段の入力要素数とが一致しない場合でも入力要素数に合わせることができ、信号を入力させるアプリケーションが入力要素数による制約を受けることなく、かつ、入力要素数に対してデータ要素に過不足を生ずることなく信号処理手段を機能させることができる。
【００２１】
このためにも、請求項３ないし７記載の信号処理ユニットにおいては、前処理手段を、演算手段、記憶手段と演算手段との組合せ、演算手段と切替手段との組合せ、記憶手段と演算手段と切替手段との組合せ、或いは、記憶手段と演算手段と一時的記憶手段と切替手段との組合せることで、容易に実現できるものとなる。
【００２２】
また、請求項１記載の信号処理ユニットにおいては、変換手段からの信号の他にこれを反転させた信号も用いることにより入力信号のデータ要素数を増やして信号処理手段に入力させるので、信号処理手段の入力要素を余すことなく利用できるものとなり、学習過程等の開発段階を含め、信号処理手段の機能を十分に発揮させることができる。
【００２３】
一方、請求項２記載の信号処理ユニットにおいては、変換手段で処理された信号のデータ要素に基づき、これらのデータ要素間の差分をとったデータ要素からなる信号を入力信号として信号処理手段に入力させることにより、入力すべき信号のデータ要素数を入力要素数に合わせて減らしているので、入力要素数による制約を受けることなくアプリケーションを適用できるものとなる。
【００２４】
【実施例】
本発明の一実施例を図１に基づいて説明する。なお、本明細書において、「データ要素数」とは、データが例えば、（ｘ1，ｘ2，…，ｘm ）のようにｍ個のデータ要素で構成される場合のその要素数ｍを意味し、ｍ個のデータ要素からなる１つのデータを「１パターン」と呼ぶものとする。また、「入力要素数」とは、ハードウエア構成のニューラルネットワーク（信号処理手段）における入力段のニューロン数を意味するものとする。
【００２５】
図１は本実施例の信号処理システムの基本構成を示し、あるデータをニューラルネット処理のために取り込む入力手段１と、この入力手段１により取り込まれたデータに対してニューラルネットワーク（信号処理手段）２でデータ処理しやすい信号形態或いは信号状態となるように適宜変換処理を施す変換手段３とが設けられている。ここに、神経回路を模倣したニューラルネットワーク２はハードウエア構成のものとされている。また、入力手段１や変換手段３は、例えば、画像・音声認識システムへの適用例で考えた場合であれば、画像データをＣＣＤカメラで取り込み、このＣＣＤカメラのＣＣＤ上に受像された画像データを直ちに電気信号に変換し、音声データをマイクロフォンで集音して電気信号に変換するように構成される。即ち、入力手段１はＣＣＤカメラ、マイクロフォン等のセンサにより構成され、変換手段３はこれらのセンサ出力を電気信号に変換する電気回路により構成される。
【００２６】
ここに、本実施例の信号処理システムは、変換手段３とニューラルネットワーク２との間に前処理手段４が付加されて構成されている。この前処理手段４は前記変換手段３で処理された信号に対して何らかの前処理を施して、そのデータ要素数をニューラルネットワーク２の入力要素数に一致させるものである。即ち、変換手段３で処理された信号のデータ要素数をｍ個、ニューラルネットワーク２の入力要素数をｎ個としたとき、データ要素数がｎ個になるようにデータ処理してニューラルネットワーク２に出力させるものである。
【００２７】
よって、本実施例の信号処理システムによれば、ニューラルネットワーク２に入力する信号のデータ要素数ｍとニューラルネットワーク２の入力要素数ｎとが一致しない場合であっても、実際に入力させるデータ要素数としては入力要素数ｎに合わせることができる。このため、ニューラルネットワーク２に信号を入力させるアプリケーションがこのニューラルネットワーク２の入力要素数ｎによる制約を受けない。同時に、入力要素数ｎに対してデータ要素に過不足を生ずることなくニューラルネットワーク２を機能させることができる。
【００２８】
つづいて、前処理手段４の具体的構成の一例を示す（請求項７記載の発明に相当）。本実施例は、データ要素数がｍ個、ニューラルネットワーク２の入力要素数がｎ＝１個の場合を想定して構成したものである。まず、変換手段３で処理されたデータ要素数ｍ個の信号を記憶する記憶手段５と一時的に記憶する一時的記憶手段６とが設けられている。また、記憶手段５の出力側には演算手段７が接続されている。さらに、この演算手段７の出力側と前記一時的記憶手段６の出力側とには切替手段８が接続され、この切替手段８の出力がニューラルネットワーク２に対する入力とされている。
【００２９】
このような前処理手段４を電気回路で構成する場合、例えば、記憶手段５はメモリ、一時的記憶手段６はシフトレジスタ、演算手段７はマイクロプロセッサユニット（ＭＰＵ）、切替手段８はセレクタにより構成される。
【００３０】
このような構成において、変換手段３からのデータ要素数ｍ個の信号は、記憶手段５と一時的記憶手段６とに入力される。これらのデータ要素をある量だけ記憶したところで、記憶手段５に記憶されたデータ要素を演算手段７に入力し、このデータ要素に対して何らかの演算処理を施す。この演算手段７の演算結果からデータ要素の内のどのデータ要素を選択するかを決定する。この決定に従って、切替手段８が、一時的記憶手段６に一時的に記憶されている変換手段３からの直接的なデータ要素、又は、演算手段７で演算した結果なるデータ要素の中から、１個のデータ要素のみを選択する。このように選択されたデータ要素数が１個の信号をニューラルネットワーク２の入力ニューロンに与える。
【００３１】
このようにして、データ要素数がｍ個、ニューラルネットワーク２の入力要素数がｎ＝１個の場合の信号処理システムを支障なく構築できる。特に、演算手段７としてＭＰＵを用いた場合には、ソフトウエアで前処理を記述できるので、前処理手段４に関してハードウエアの変更を要せずに様々な前処理を行わせることができる。
【００３２】
なお、図２において、前処理手段４を演算手段７のみで構成し、変換手段３で処理されたデータ要素数ｍ個の信号について個別に適宜演算処理を施し、ニューラルネットワーク２の入力要素数ｎ分のデータ要素を選択するようにしてもよい（請求項３記載の発明に相当する）。
【００３３】
或いは、図２において、前処理手段４を記憶手段５と演算手段７との組合せのみで構成し、変換手段３で処理されたデータ要素数ｍ個の信号を記憶手段５にある程度記憶させた段階で、これらのデータ要素に演算手段７で適宜演算処理を施してニューラルネットワーク２の入力要素数ｎ個分のデータ要素を選択するようにしてもよい（請求項４記載の発明に相当する）。
【００３４】
又は、図２において、前処理手段４を演算手段７と切替手段８との組合せのみで構成し、変換手段３で処理されたデータ要素数ｍ個の信号に演算手段７で適宜演算処理を施した後、この演算結果に基づき切替手段８でニューラルネットワーク２の入力要素数ｎ個分のデータ要素を選択するようにしてもよい（請求項５記載の発明に相当する）。
【００３５】
さらには、図２において、前処理手段４を記憶手段５と演算手段７と切替手段８との組合せにより構成し、変換手段３で処理されたデータ要素数ｍ個の信号を記憶手段５にある程度記憶させた段階で、これらのデータ要素に演算手段７で適宜演算処理を施した後、この演算結果に基づき切替手段８でニューラルネットワーク２の入力要素数ｎ個分のデータ要素を選択するようにしてもよい（請求項６記載の発明に相当する）。
【００３６】
さらに、請求項１記載の発明の一実施例を図３により説明する。本実施例以降の各実施例は、前述した請求項３ないし７記載の各実施例に適用可能なものであり、特に、前処理手段４における信号処理方式を明らかにしたものである。中でも、本実施例は、前処理手段４に入力される信号のデータ要素数ｍよりも、ニューラルネットワーク２の入力要素数ｎのほうが多い場合を想定したものである。より具体的には、ｍ＝３個のデータ要素（ｘ1 〜ｘ3 ）からなる入力信号に対してニューラルネットワーク２がｎ＝６個の入力ニューロンを有する場合に適用したものである。
【００３７】
よって、本実施例の前処理手段４は、図３に示すように、少なくとも３個の入力端子Ｉ１ 〜Ｉ３ と６個の出力端子Ｏ１ 〜Ｏ６ とを有するとともに、各入力端子Ｉ１ 〜Ｉ３ の信号ラインを分岐させ、その一方に各々インバータＩＮＶ１ 〜ＩＮＶ３ を介在させた演算手段７を含むものとして構成されている。これにより、データ要素ｘ１ からはこのデータ要素ｘ１ がデータ要素ｙ１ としてそのまま入力ニューロンに、データ要素ｘ１ をインバータＩＮＶ１ で反転させたデータ要素ｙ２ （ｘ１ の補数）が次の入力ニューロンに各々与えられるように設定されている。例えば、データ要素が０〜１２７なる整数で表されるパルス密度の場合において、このデータ要素ｘ１ がｘ１ ＝５０（＝０１１００１０）のとき、出力されるデータ要素ｙ１ ，ｙ２ は、ｙ１ ＝５０，ｙ２ ＝７７（＝１００１１０１）となる。同様に、データ要素ｘ２ からはこのデータ要素ｘ２ がデータ要素ｙ３ としてそのまま３番目の入力ニューロンに、データ要素ｘ２ をインバータＩＮＶ２ で反転させたデータ要素ｙ４ （ｘ２ の補数）が４番目の入力ニューロンに各々与えられるように設定され、データ要素ｘ３ からはこのデータ要素ｘ３ がデータ要素ｙ５ としてそのまま５番目の入力ニューロンに、データ要素ｘ３ をインバータＩＮＶ３ で反転させたデータ要素ｙ６ （ｘ３ の補数）が６番目の入力ニューロンに各々与えられるように設定されている。即ち、前処理手段４によってデータ要素数が２倍に処理されることになる。
【００３８】
よって、本実施例によれば、ニューラルネットワーク２に入力させるデータ要素数をこのニューラルネットワーク２の入力要素数に合わせて増やしているので、入力ニューロンを余すことなく利用でき、学習過程等の開発段階を含め、ニューラルネットワーク２の機能を十分に発揮させることができる。
【００３９】
なお、本実施例ではインバータＩＮＶ１ 〜ＩＮＶ３ を用いて反転信号を生成するようにしたが、ＭＰＵ等を用いたソフトウエア上での処理で対処するようにしてもよい。また、本実施例ではデータ要素数を２倍して出力させるようにしたが、ハードウエアの制限内（ニューラルネットワーク２の入力要素数）で自由に変えることができる。
【００４０】
ついで、請求項２記載の発明の一実施例を説明する。本実施例及び以降に説明する参考例は、前処理手段４に入力される信号のデータ要素数ｍよりもニューラルネットワーク２の入力要素数ｎのほうが少ない（ｍ＞ｎ）場合を想定した信号処理方式を明らかにしたものである。いま、変換手段３によって変換処理されて前処理手段４に入力される信号のデータ要素を（ｘ1，ｘ2，…，ｘm ）とし、前処理手段４からニューラルネットワーク２の入力ニューロンに与えられる信号のデータ要素を（ｙ1，ｙ2，…，ｙn ）として、本実施例の信号処理を説明する。本実施例では、自己のデータ要素以外のデータ要素との間の差分をとってデータ要素数を減らすことを基本としている。この差分のとり方としては、
（１）のケース
ｙ1 ＝ｘ1−ｘ2
ｙ2 ＝ｘ2−ｘ3
〜
ｙn ＝ｘm-1−ｘm
（２）のケース
ｙ1 ＝ｘ1−ｘ2
ｙ2 ＝ｘ3−ｘ4
〜
ｙn ＝ｘm-1−ｘm
（３）のケース
ｙ1 ＝（ｘ1＋ｘ2）−（ｘ3＋ｘ4）
ｙ2 ＝（ｘ5＋ｘ6）−（ｘ7＋ｘ8）
〜
ｙn ＝（ｘm-3＋ｘm-2）−（ｘm-1＋ｘm ）
などがある。ニューラルネットワーク２の入力要素数ｎがｎ＝ｍ−１のときには（１）のケース、ｎ＝ｍ／２のときには（２）のケース、ｎ＝ｍ／４のときには（３）のケースが適用される。なお、（２）（３）のケースの場合、ｎは整数であるので、小数点以下は切り捨てる。
【００４１】
このような差分をとる処理手段としては、例えば、差分増幅器がある。もっとも、差分のとり方は、上記（１）（２）（３）のケースに示したものに限らず、種々の差分をとることができる。そのための手法としても、単純にニューラルネットワーク２の入力ニューロン数に合わせる方式でもよく、或いは、入力データの特徴が出るように差分をとる手法であってもよい。
【００４２】
第１の参考例を図４により説明する。本参考例は、データ要素毎の標準偏差を利用することによりデータ要素数を減らすように前処理手段４を構成したものである。いま、本実施例では、処理される入力信号が、（ｘ1,1，ｘ1,2，…，ｘm,1），…，（ｘ1,P，ｘ1,P，…，ｘm,P） なるＰパターンであるとする。このようなデータを各データ要素毎に標準偏差σp をとると、次式で表すことができる。
【００４３】
【数１】
【００４４】
上式で求められる各標準偏差σｐ 中、小さいものから順にそのデータ要素を削除することにより、データ要素数を減らす。これは、例えば全データを幾つかのカテゴリーに分ける場合、パターン間でデータ要素の差がなければ、そのデータ要素はカテゴリー分類のデータ要素としてはあまり役に立たないので削除するものである。
【００４５】
ここに、本参考例を実施するための前処理手段４の具体的構成例を図４に示す。この例は、図２に示した構成をより具体的にしたものであり、記憶手段５としてメモリ９、一時的記憶手段６としてシフトレジスタ１０、演算手段７として演算回路１１、切替手段８としてセレクタ回路１２を用いて、データ要素数ｍの信号を入力要素数ｎ＝１のニューラルネットワーク２に入力させる場合への適用例として構成されている。
【００４６】
このような構成において、変換手段３からのデータ要素数ｍ個の信号は、メモリ９とシフトレジスタ１０とに順次記憶され、メモリ９に記憶されたデータが演算回路１１に出力されることにより上記の演算式によって各データ要素毎の標準偏差σＰ が計算される。そして、この演算回路１１で計算された各データ要素毎の標準偏差σＰ に基づき、この演算の間、シフトレジスタ１０中に一時記憶されていたデータ要素中から必要なもの（削除に値しないもの）をセレクタ回路１２によって選択する。これにより、データ要素を１個に減らした信号としてニューラルネットワーク２に入力される。
【００４７】
ついで、第２の参考例を説明する。本参考例は、ニューラルネットワーク２に与えられる入力信号が画像・音声データのような周波数成分を含む場合を想定したものであり、変換手段３で処理されたデータ要素数ｍ個の信号中で、ある帯域の周波数成分（特定の範囲）を有するものだけを選択することによりデータ要素数を減らすように前処理手段４を構成したものである。
【００４８】
本参考例を実施する上で、ある帯域の周波数成分のものを選択するためには、例えば、バンドパスフィルタを用いればよい。このバンドパスフィルタはフィルタ回路を用いて構成する他、演算手段７をなすＭＰＵを使うプログラムにより実現するようにしてもよい。
【００４９】
また、第３の参考例を説明する。本参考例は、変換手段３で処理された信号のデータ要素について少なくとも２つ以上のデータ要素を平均化して１つのデータ要素とすることにより、データ要素数を減らして、ニューラルネットワーク２に入力させるように前処理手段４を構成したものである。このためには、前処理手段４中の演算手段７として平均化演算機能を有するものを用いればよい。
【００５０】
さらに、第４の参考例を説明する。本参考例は、乱数を利用することで、変換手段３で処理されたｍ個のデータ要素の信号中から無作為にデータ要素を選択することにより、データ要素数を減らして、ニューラルネットワーク２に入力させるように前処理手段４を構成したものである。即ち、演算手段７において乱数を発生させ、この乱数の値に基づいてニューラルネットワーク２に出力すべきデータ要素を決定・選択するように構成される。ここに、データ要素毎に乱数を変えて選択させることも可能である。
【００５１】
なお、これらの本発明の実施例及び第１〜第４の参考例に示した信号処理は、上述したような単独の処理に限らず、少なくとも２種以上の処理を組合せた結果、得られるデータ要素をニューラルネットワーク２に対して入力させるように前処理手段４を構成してもよい。即ち、変換手段３で処理されたデータ要素数ｍ個の信号に基づき、これらのデータ要素間の差分をとったデータ要素からなる信号、標準偏差を基準に選択したデータ要素からなる信号、特定の範囲から選択したデータ要素からなる信号、平均化したデータ要素からなる信号及び無作為に選択したデータ要素からなる信号の内、少なくとも２つ以上を組合せてなるデータ要素数ｎ個の信号を選択してニューラルネットワーク２に入力させるものである。
【００５２】
また、本発明を実現する上で、ハードウエア構成のニューラルネットワーク２は、１つのアルゴリズム（学習を含む）に限定されるものではなく、扱う値（データ）の表現形態としても、パルス密度方式、デジタル方式、アナログ方式等の方式を問わず適用し得るものである。さらには、光信号を扱うものであってもよい。
【００５３】
【発明の効果】
本発明の信号処理ユニットによれば、信号を取り込む入力手段と、この入力手段により取り込まれた信号に対して変換処理を施す変換手段と、この変換手段で処理された信号を入力として認識等の信号処理をハードウエア構成で行う神経回路模倣の信号処理手段とを備えた信号処理システムにおいて、変換手段と信号処理手段との間に変換手段で処理された信号のデータ要素数を信号処理手段の入力要素数に一致させる前処理を行う前処理手段を設けたので、信号処理手段に入力する信号のデータ要素数と信号処理手段の入力要素数とが一致しない場合でも入力要素数に合わせることができ、信号を入力させるアプリケーションが入力要素数による制約を受けることなく、かつ、入力要素数に対してデータ要素に過不足を生ずることなく信号処理手段を機能させることができる。
【００５４】
このためにも、請求項３ないし７記載の発明の信号処理ユニットによれば、前処理手段を、演算手段、記憶手段と演算手段との組合せ、演算手段と切替手段との組合せ、記憶手段と演算手段と切替手段との組合せ、或いは、記憶手段と演算手段と一時的記憶手段と切替手段との組合せとして、容易に実現できる。
【００５５】
また、請求項１記載の発明の信号処理ユニットによれば、変換手段からの信号の他にこれを反転させた信号も用いることにより入力信号のデータ要素数を増やして信号処理手段に入力させるようにしたので、信号処理手段の入力要素を余すことなく利用できるものとなり、学習過程等の開発段階を含め、信号処理手段の機能を十分に発揮させることができる。
【００５６】
一方、請求項２記載の発明の信号処理ユニットによれば、変換手段で処理された信号のデータ要素に基づき、これらのデータ要素間の差分をとったデータ要素からなる信号を入力信号として信号処理手段に入力させることにより、入力すべき信号のデータ要素数を入力要素数に合わせて減らすようにしたので、入力要素数による制約を受けることなくアプリケーションを適用できるものとなる。
【図面の簡単な説明】
【図１】本発明の一実施例を示すブロック図である。
【図２】本発明の一実施例を示すブロック図である。
【図３】本発明の一実施例を示す模式図である。
【図４】参考例を示すブロック図である。
【符号の説明】
１ 入力手段
２ 信号処理手段
３ 変換手段
４ 前処理手段
５，９ 記憶手段
６，１０ 一時的記憶手段
７，１１ 演算手段
８，１２ 切替手段
【産業上の利用分野】
本発明は、例えば、画像や音声の認識、ロボットの適応制御、振動等の時系列信号の予測制御、地震等の予測等のような各種運動の制御に適用可能な、神経回路模倣のニューラルネットワークを用いた信号処理システムに関する。
【０００２】
【従来の技術】
生体の情報処理の基本的な単位である神経細胞（ニューロン）の機能を模倣し、さらに、この「神経細胞模倣素子」をネットワークに構成することで、情報の並列処理を目指したのが、いわゆるニューラルネットワークである。文字認識や連想記憶、運動制御等、生体ではいとも簡単に行われていても、従来のノイマン型コンピュータではなかなか達成しないものが多い。生体の神経系、特に生体特有の機能、即ち並列処理、自己学習等をニューラルネットワークにより模倣して、これらの問題を解決しようとする試みが盛んに行われている。
【０００３】
このようなニューラルネットワークをあるアプリケーションに使用する場合、データに何らかの前処理をするのが一般的である。例えば、画像データの特徴を抽出したり、文字だけを画像データから切り出すような処理がある。これらの処理中にはニューラルネットワークで行うことが可能な処理もあるが、実際に、ニューラルネットワークで処理したいのはその後の認識や分類等の信号処理である。このような前処理（入力データから分類や特徴を求めるための処理）を行うようにしたものとして、特開平３−９５６６４号公報に示されるようなものがある。
【０００４】
【発明が解決しようとする課題】
ところで、ハードウエア構成のニューラルネットワークで処理を行う場合、ハードウエア上の制限から入力ニューロン数（入力要素数）が限られることがあるが、アプリケーション側から見た場合、ニューラルネットワークに入力されるデータ数（信号のデータ要素数）が予め制限を受けるのは不都合である。特に、非線形なデータを扱う場合、ニューロン数に制限があるのは好ましくない。
【０００５】
一方、逆のケースもあり、入力ニューロン数に対して入力されるデータ数が少ない場合には、入力ニューロン数が余ってしまい好ましくない。特に、開発段階で考えると、使用されない入力ニューロンが存在することは学習過程等においてニューラルネットワークの機能を十分に活かせず、改善が必要といえる。
【０００６】
結局、ニューラルネットワークに入力される信号のデータ要素数とニューラルネットワークにおけるハードウエア構成の入力要素数との不一致時には、信号処理システムとして不十分なものとなってしまう。
【０００７】
【課題を解決するための手段】
請求項１記載の信号処理システムは、信号を取り込む入力手段と、この入力手段により取り込まれた信号に対して変換処理を施す変換手段と、この変換手段で処理された信号を入力として認識等の信号処理をハードウエア構成で行う神経回路模倣の信号処理手段とを備えた信号処理システムにおいて、前記変換手段と前記信号処理手段との間に、前記変換手段で処理された信号のデータ要素とこの信号を反転させた信号のデータ要素とからなる信号を入力信号として前記信号処理手段に入力し、前記変換手段で処理された信号のデータ要素数を前記信号処理手段の入力要素数に一致させる前処理手段を設けたものである。
請求項２記載の信号処理システムは、信号を取り込む入力手段と、この入力手段により取り込まれた信号に対して変換処理を施す変換手段と、この変換手段で処理された信号を入力として認識等の信号処理をハードウエア構成で行う神経回路模倣の信号処理手段とを備えた信号処理システムにおいて、前記変換手段と前記信号処理手段との間に、前記変換手段で処理された信号中の複数のデータ要素間の差分をとったデータ要素からなる信号を入力信号として信号処理手段に入力し、前記変換手段で処理された信号のデータ要素数を前記信号処理手段の入力要素数に一致させる前処理手段を設けたものである。
【０００８】
請求項３記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号に演算処理を施して信号処理手段の入力要素数分のデータ要素を選択する演算手段により構成したものである。
【０００９】
請求項４記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施して信号処理手段の入力要素数分のデータ要素を選択する演算手段とにより構成したものである。
【００１０】
請求項５記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号に演算処理を施す演算手段と、この演算手段で処理された信号から信号処理手段の入力要素数分のデータ要素を選択する切替手段とにより構成したものである。
【００１１】
請求項６記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施す演算手段と、この演算手段で処理された信号から信号処理手段の入力要素数分のデータ要素を選択する切替手段とにより構成したものである。
【００１２】
請求項７記載の信号処理システムは、請求項１又は２記載の信号処理システム中の前処理手段を、変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施す演算手段と、前記変換手段で処理された信号を一時的に記憶する一時的記憶手段と、前記演算手段で処理された信号及び前記一時的記憶手段に記憶された信号とから信号処理手段の入力要素数分のデータ要素を選択する切替手段とにより構成したものである。
【００２０】
【作用】
本発明の信号処理ユニットにおいては、変換手段と信号処理手段との間に変換手段で処理された信号のデータ要素数を信号処理手段の入力要素数に一致させる前処理を行う前処理手段を設けたので、信号処理手段に入力する信号のデータ要素数と信号処理手段の入力要素数とが一致しない場合でも入力要素数に合わせることができ、信号を入力させるアプリケーションが入力要素数による制約を受けることなく、かつ、入力要素数に対してデータ要素に過不足を生ずることなく信号処理手段を機能させることができる。
【００２１】
このためにも、請求項３ないし７記載の信号処理ユニットにおいては、前処理手段を、演算手段、記憶手段と演算手段との組合せ、演算手段と切替手段との組合せ、記憶手段と演算手段と切替手段との組合せ、或いは、記憶手段と演算手段と一時的記憶手段と切替手段との組合せることで、容易に実現できるものとなる。
【００２２】
また、請求項１記載の信号処理ユニットにおいては、変換手段からの信号の他にこれを反転させた信号も用いることにより入力信号のデータ要素数を増やして信号処理手段に入力させるので、信号処理手段の入力要素を余すことなく利用できるものとなり、学習過程等の開発段階を含め、信号処理手段の機能を十分に発揮させることができる。
【００２３】
一方、請求項２記載の信号処理ユニットにおいては、変換手段で処理された信号のデータ要素に基づき、これらのデータ要素間の差分をとったデータ要素からなる信号を入力信号として信号処理手段に入力させることにより、入力すべき信号のデータ要素数を入力要素数に合わせて減らしているので、入力要素数による制約を受けることなくアプリケーションを適用できるものとなる。
【００２４】
【実施例】
本発明の一実施例を図１に基づいて説明する。なお、本明細書において、「データ要素数」とは、データが例えば、（ｘ1，ｘ2，…，ｘm ）のようにｍ個のデータ要素で構成される場合のその要素数ｍを意味し、ｍ個のデータ要素からなる１つのデータを「１パターン」と呼ぶものとする。また、「入力要素数」とは、ハードウエア構成のニューラルネットワーク（信号処理手段）における入力段のニューロン数を意味するものとする。
【００２５】
図１は本実施例の信号処理システムの基本構成を示し、あるデータをニューラルネット処理のために取り込む入力手段１と、この入力手段１により取り込まれたデータに対してニューラルネットワーク（信号処理手段）２でデータ処理しやすい信号形態或いは信号状態となるように適宜変換処理を施す変換手段３とが設けられている。ここに、神経回路を模倣したニューラルネットワーク２はハードウエア構成のものとされている。また、入力手段１や変換手段３は、例えば、画像・音声認識システムへの適用例で考えた場合であれば、画像データをＣＣＤカメラで取り込み、このＣＣＤカメラのＣＣＤ上に受像された画像データを直ちに電気信号に変換し、音声データをマイクロフォンで集音して電気信号に変換するように構成される。即ち、入力手段１はＣＣＤカメラ、マイクロフォン等のセンサにより構成され、変換手段３はこれらのセンサ出力を電気信号に変換する電気回路により構成される。
【００２６】
ここに、本実施例の信号処理システムは、変換手段３とニューラルネットワーク２との間に前処理手段４が付加されて構成されている。この前処理手段４は前記変換手段３で処理された信号に対して何らかの前処理を施して、そのデータ要素数をニューラルネットワーク２の入力要素数に一致させるものである。即ち、変換手段３で処理された信号のデータ要素数をｍ個、ニューラルネットワーク２の入力要素数をｎ個としたとき、データ要素数がｎ個になるようにデータ処理してニューラルネットワーク２に出力させるものである。
【００２７】
よって、本実施例の信号処理システムによれば、ニューラルネットワーク２に入力する信号のデータ要素数ｍとニューラルネットワーク２の入力要素数ｎとが一致しない場合であっても、実際に入力させるデータ要素数としては入力要素数ｎに合わせることができる。このため、ニューラルネットワーク２に信号を入力させるアプリケーションがこのニューラルネットワーク２の入力要素数ｎによる制約を受けない。同時に、入力要素数ｎに対してデータ要素に過不足を生ずることなくニューラルネットワーク２を機能させることができる。
【００２８】
つづいて、前処理手段４の具体的構成の一例を示す（請求項７記載の発明に相当）。本実施例は、データ要素数がｍ個、ニューラルネットワーク２の入力要素数がｎ＝１個の場合を想定して構成したものである。まず、変換手段３で処理されたデータ要素数ｍ個の信号を記憶する記憶手段５と一時的に記憶する一時的記憶手段６とが設けられている。また、記憶手段５の出力側には演算手段７が接続されている。さらに、この演算手段７の出力側と前記一時的記憶手段６の出力側とには切替手段８が接続され、この切替手段８の出力がニューラルネットワーク２に対する入力とされている。
【００２９】
このような前処理手段４を電気回路で構成する場合、例えば、記憶手段５はメモリ、一時的記憶手段６はシフトレジスタ、演算手段７はマイクロプロセッサユニット（ＭＰＵ）、切替手段８はセレクタにより構成される。
【００３０】
このような構成において、変換手段３からのデータ要素数ｍ個の信号は、記憶手段５と一時的記憶手段６とに入力される。これらのデータ要素をある量だけ記憶したところで、記憶手段５に記憶されたデータ要素を演算手段７に入力し、このデータ要素に対して何らかの演算処理を施す。この演算手段７の演算結果からデータ要素の内のどのデータ要素を選択するかを決定する。この決定に従って、切替手段８が、一時的記憶手段６に一時的に記憶されている変換手段３からの直接的なデータ要素、又は、演算手段７で演算した結果なるデータ要素の中から、１個のデータ要素のみを選択する。このように選択されたデータ要素数が１個の信号をニューラルネットワーク２の入力ニューロンに与える。
【００３１】
このようにして、データ要素数がｍ個、ニューラルネットワーク２の入力要素数がｎ＝１個の場合の信号処理システムを支障なく構築できる。特に、演算手段７としてＭＰＵを用いた場合には、ソフトウエアで前処理を記述できるので、前処理手段４に関してハードウエアの変更を要せずに様々な前処理を行わせることができる。
【００３２】
なお、図２において、前処理手段４を演算手段７のみで構成し、変換手段３で処理されたデータ要素数ｍ個の信号について個別に適宜演算処理を施し、ニューラルネットワーク２の入力要素数ｎ分のデータ要素を選択するようにしてもよい（請求項３記載の発明に相当する）。
【００３３】
或いは、図２において、前処理手段４を記憶手段５と演算手段７との組合せのみで構成し、変換手段３で処理されたデータ要素数ｍ個の信号を記憶手段５にある程度記憶させた段階で、これらのデータ要素に演算手段７で適宜演算処理を施してニューラルネットワーク２の入力要素数ｎ個分のデータ要素を選択するようにしてもよい（請求項４記載の発明に相当する）。
【００３４】
又は、図２において、前処理手段４を演算手段７と切替手段８との組合せのみで構成し、変換手段３で処理されたデータ要素数ｍ個の信号に演算手段７で適宜演算処理を施した後、この演算結果に基づき切替手段８でニューラルネットワーク２の入力要素数ｎ個分のデータ要素を選択するようにしてもよい（請求項５記載の発明に相当する）。
【００３５】
さらには、図２において、前処理手段４を記憶手段５と演算手段７と切替手段８との組合せにより構成し、変換手段３で処理されたデータ要素数ｍ個の信号を記憶手段５にある程度記憶させた段階で、これらのデータ要素に演算手段７で適宜演算処理を施した後、この演算結果に基づき切替手段８でニューラルネットワーク２の入力要素数ｎ個分のデータ要素を選択するようにしてもよい（請求項６記載の発明に相当する）。
【００３６】
さらに、請求項１記載の発明の一実施例を図３により説明する。本実施例以降の各実施例は、前述した請求項３ないし７記載の各実施例に適用可能なものであり、特に、前処理手段４における信号処理方式を明らかにしたものである。中でも、本実施例は、前処理手段４に入力される信号のデータ要素数ｍよりも、ニューラルネットワーク２の入力要素数ｎのほうが多い場合を想定したものである。より具体的には、ｍ＝３個のデータ要素（ｘ1 〜ｘ3 ）からなる入力信号に対してニューラルネットワーク２がｎ＝６個の入力ニューロンを有する場合に適用したものである。
【００３７】
よって、本実施例の前処理手段４は、図３に示すように、少なくとも３個の入力端子Ｉ１ 〜Ｉ３ と６個の出力端子Ｏ１ 〜Ｏ６ とを有するとともに、各入力端子Ｉ１ 〜Ｉ３ の信号ラインを分岐させ、その一方に各々インバータＩＮＶ１ 〜ＩＮＶ３ を介在させた演算手段７を含むものとして構成されている。これにより、データ要素ｘ１ からはこのデータ要素ｘ１ がデータ要素ｙ１ としてそのまま入力ニューロンに、データ要素ｘ１ をインバータＩＮＶ１ で反転させたデータ要素ｙ２ （ｘ１ の補数）が次の入力ニューロンに各々与えられるように設定されている。例えば、データ要素が０〜１２７なる整数で表されるパルス密度の場合において、このデータ要素ｘ１ がｘ１ ＝５０（＝０１１００１０）のとき、出力されるデータ要素ｙ１ ，ｙ２ は、ｙ１ ＝５０，ｙ２ ＝７７（＝１００１１０１）となる。同様に、データ要素ｘ２ からはこのデータ要素ｘ２ がデータ要素ｙ３ としてそのまま３番目の入力ニューロンに、データ要素ｘ２ をインバータＩＮＶ２ で反転させたデータ要素ｙ４ （ｘ２ の補数）が４番目の入力ニューロンに各々与えられるように設定され、データ要素ｘ３ からはこのデータ要素ｘ３ がデータ要素ｙ５ としてそのまま５番目の入力ニューロンに、データ要素ｘ３ をインバータＩＮＶ３ で反転させたデータ要素ｙ６ （ｘ３ の補数）が６番目の入力ニューロンに各々与えられるように設定されている。即ち、前処理手段４によってデータ要素数が２倍に処理されることになる。
【００３８】
よって、本実施例によれば、ニューラルネットワーク２に入力させるデータ要素数をこのニューラルネットワーク２の入力要素数に合わせて増やしているので、入力ニューロンを余すことなく利用でき、学習過程等の開発段階を含め、ニューラルネットワーク２の機能を十分に発揮させることができる。
【００３９】
なお、本実施例ではインバータＩＮＶ１ 〜ＩＮＶ３ を用いて反転信号を生成するようにしたが、ＭＰＵ等を用いたソフトウエア上での処理で対処するようにしてもよい。また、本実施例ではデータ要素数を２倍して出力させるようにしたが、ハードウエアの制限内（ニューラルネットワーク２の入力要素数）で自由に変えることができる。
【００４０】
ついで、請求項２記載の発明の一実施例を説明する。本実施例及び以降に説明する参考例は、前処理手段４に入力される信号のデータ要素数ｍよりもニューラルネットワーク２の入力要素数ｎのほうが少ない（ｍ＞ｎ）場合を想定した信号処理方式を明らかにしたものである。いま、変換手段３によって変換処理されて前処理手段４に入力される信号のデータ要素を（ｘ1，ｘ2，…，ｘm ）とし、前処理手段４からニューラルネットワーク２の入力ニューロンに与えられる信号のデータ要素を（ｙ1，ｙ2，…，ｙn ）として、本実施例の信号処理を説明する。本実施例では、自己のデータ要素以外のデータ要素との間の差分をとってデータ要素数を減らすことを基本としている。この差分のとり方としては、
（１）のケース
ｙ1 ＝ｘ1−ｘ2
ｙ2 ＝ｘ2−ｘ3
〜
ｙn ＝ｘm-1−ｘm
（２）のケース
ｙ1 ＝ｘ1−ｘ2
ｙ2 ＝ｘ3−ｘ4
〜
ｙn ＝ｘm-1−ｘm
（３）のケース
ｙ1 ＝（ｘ1＋ｘ2）−（ｘ3＋ｘ4）
ｙ2 ＝（ｘ5＋ｘ6）−（ｘ7＋ｘ8）
〜
ｙn ＝（ｘm-3＋ｘm-2）−（ｘm-1＋ｘm ）
などがある。ニューラルネットワーク２の入力要素数ｎがｎ＝ｍ−１のときには（１）のケース、ｎ＝ｍ／２のときには（２）のケース、ｎ＝ｍ／４のときには（３）のケースが適用される。なお、（２）（３）のケースの場合、ｎは整数であるので、小数点以下は切り捨てる。
【００４１】
このような差分をとる処理手段としては、例えば、差分増幅器がある。もっとも、差分のとり方は、上記（１）（２）（３）のケースに示したものに限らず、種々の差分をとることができる。そのための手法としても、単純にニューラルネットワーク２の入力ニューロン数に合わせる方式でもよく、或いは、入力データの特徴が出るように差分をとる手法であってもよい。
【００４２】
第１の参考例を図４により説明する。本参考例は、データ要素毎の標準偏差を利用することによりデータ要素数を減らすように前処理手段４を構成したものである。いま、本実施例では、処理される入力信号が、（ｘ1,1，ｘ1,2，…，ｘm,1），…，（ｘ1,P，ｘ1,P，…，ｘm,P） なるＰパターンであるとする。このようなデータを各データ要素毎に標準偏差σp をとると、次式で表すことができる。
【００４３】
【数１】
上式で求められる各標準偏差σｐ 中、小さいものから順にそのデータ要素を削除することにより、データ要素数を減らす。これは、例えば全データを幾つかのカテゴリーに分ける場合、パターン間でデータ要素の差がなければ、そのデータ要素はカテゴリー分類のデータ要素としてはあまり役に立たないので削除するものである。
【００４５】
ここに、本参考例を実施するための前処理手段４の具体的構成例を図４に示す。この例は、図２に示した構成をより具体的にしたものであり、記憶手段５としてメモリ９、一時的記憶手段６としてシフトレジスタ１０、演算手段７として演算回路１１、切替手段８としてセレクタ回路１２を用いて、データ要素数ｍの信号を入力要素数ｎ＝１のニューラルネットワーク２に入力させる場合への適用例として構成されている。
【００４６】
このような構成において、変換手段３からのデータ要素数ｍ個の信号は、メモリ９とシフトレジスタ１０とに順次記憶され、メモリ９に記憶されたデータが演算回路１１に出力されることにより上記の演算式によって各データ要素毎の標準偏差σＰ が計算される。そして、この演算回路１１で計算された各データ要素毎の標準偏差σＰ に基づき、この演算の間、シフトレジスタ１０中に一時記憶されていたデータ要素中から必要なもの（削除に値しないもの）をセレクタ回路１２によって選択する。これにより、データ要素を１個に減らした信号としてニューラルネットワーク２に入力される。
【００４７】
ついで、第２の参考例を説明する。本参考例は、ニューラルネットワーク２に与えられる入力信号が画像・音声データのような周波数成分を含む場合を想定したものであり、変換手段３で処理されたデータ要素数ｍ個の信号中で、ある帯域の周波数成分（特定の範囲）を有するものだけを選択することによりデータ要素数を減らすように前処理手段４を構成したものである。
【００４８】
本参考例を実施する上で、ある帯域の周波数成分のものを選択するためには、例えば、バンドパスフィルタを用いればよい。このバンドパスフィルタはフィルタ回路を用いて構成する他、演算手段７をなすＭＰＵを使うプログラムにより実現するようにしてもよい。
【００４９】
また、第３の参考例を説明する。本参考例は、変換手段３で処理された信号のデータ要素について少なくとも２つ以上のデータ要素を平均化して１つのデータ要素とすることにより、データ要素数を減らして、ニューラルネットワーク２に入力させるように前処理手段４を構成したものである。このためには、前処理手段４中の演算手段７として平均化演算機能を有するものを用いればよい。
【００５０】
さらに、第４の参考例を説明する。本参考例は、乱数を利用することで、変換手段３で処理されたｍ個のデータ要素の信号中から無作為にデータ要素を選択することにより、データ要素数を減らして、ニューラルネットワーク２に入力させるように前処理手段４を構成したものである。即ち、演算手段７において乱数を発生させ、この乱数の値に基づいてニューラルネットワーク２に出力すべきデータ要素を決定・選択するように構成される。ここに、データ要素毎に乱数を変えて選択させることも可能である。
【００５１】
なお、これらの本発明の実施例及び第１〜第４の参考例に示した信号処理は、上述したような単独の処理に限らず、少なくとも２種以上の処理を組合せた結果、得られるデータ要素をニューラルネットワーク２に対して入力させるように前処理手段４を構成してもよい。即ち、変換手段３で処理されたデータ要素数ｍ個の信号に基づき、これらのデータ要素間の差分をとったデータ要素からなる信号、標準偏差を基準に選択したデータ要素からなる信号、特定の範囲から選択したデータ要素からなる信号、平均化したデータ要素からなる信号及び無作為に選択したデータ要素からなる信号の内、少なくとも２つ以上を組合せてなるデータ要素数ｎ個の信号を選択してニューラルネットワーク２に入力させるものである。
【００５２】
また、本発明を実現する上で、ハードウエア構成のニューラルネットワーク２は、１つのアルゴリズム（学習を含む）に限定されるものではなく、扱う値（データ）の表現形態としても、パルス密度方式、デジタル方式、アナログ方式等の方式を問わず適用し得るものである。さらには、光信号を扱うものであってもよい。
【００５３】
【発明の効果】
本発明の信号処理ユニットによれば、信号を取り込む入力手段と、この入力手段により取り込まれた信号に対して変換処理を施す変換手段と、この変換手段で処理された信号を入力として認識等の信号処理をハードウエア構成で行う神経回路模倣の信号処理手段とを備えた信号処理システムにおいて、変換手段と信号処理手段との間に変換手段で処理された信号のデータ要素数を信号処理手段の入力要素数に一致させる前処理を行う前処理手段を設けたので、信号処理手段に入力する信号のデータ要素数と信号処理手段の入力要素数とが一致しない場合でも入力要素数に合わせることができ、信号を入力させるアプリケーションが入力要素数による制約を受けることなく、かつ、入力要素数に対してデータ要素に過不足を生ずることなく信号処理手段を機能させることができる。
【００５４】
このためにも、請求項３ないし７記載の発明の信号処理ユニットによれば、前処理手段を、演算手段、記憶手段と演算手段との組合せ、演算手段と切替手段との組合せ、記憶手段と演算手段と切替手段との組合せ、或いは、記憶手段と演算手段と一時的記憶手段と切替手段との組合せとして、容易に実現できる。
【００５５】
また、請求項１記載の発明の信号処理ユニットによれば、変換手段からの信号の他にこれを反転させた信号も用いることにより入力信号のデータ要素数を増やして信号処理手段に入力させるようにしたので、信号処理手段の入力要素を余すことなく利用できるものとなり、学習過程等の開発段階を含め、信号処理手段の機能を十分に発揮させることができる。
【００５６】
一方、請求項２記載の発明の信号処理ユニットによれば、変換手段で処理された信号のデータ要素に基づき、これらのデータ要素間の差分をとったデータ要素からなる信号を入力信号として信号処理手段に入力させることにより、入力すべき信号のデータ要素数を入力要素数に合わせて減らすようにしたので、入力要素数による制約を受けることなくアプリケーションを適用できるものとなる。
【図面の簡単な説明】
【図１】本発明の一実施例を示すブロック図である。
【図２】本発明の一実施例を示すブロック図である。
【図３】本発明の一実施例を示す模式図である。
【図４】参考例を示すブロック図である。
【符号の説明】
１ 入力手段
２ 信号処理手段
３ 変換手段
４ 前処理手段
５，９ 記憶手段
６，１０ 一時的記憶手段
７，１１ 演算手段
８，１２ 切替手段
Claims (7)
- 信号を取り込む入力手段と、この入力手段により取り込まれた信号に対して変換処理を施す変換手段と、この変換手段で処理された信号を入力として認識等の信号処理をハードウエア構成で行う神経回路模倣の信号処理手段とを備えた信号処理システムにおいて、前記変換手段と前記信号処理手段との間に、前記変換手段で処理された信号のデータ要素とこの信号を反転させた信号のデータ要素とからなる信号を入力信号として前記信号処理手段に入力し、前記変換手段で処理された信号のデータ要素数を前記信号処理手段の入力要素数に一致させる前処理手段を設けたことを特徴とする信号処理システム。
- 信号を取り込む入力手段と、この入力手段により取り込まれた信号に対して変換処理を施す変換手段と、この変換手段で処理された信号を入力として認識等の信号処理をハードウエア構成で行う神経回路模倣の信号処理手段とを備えた信号処理システムにおいて、前記変換手段と前記信号処理手段との間に、前記変換手段で処理された信号中の複数のデータ要素間の差分をとったデータ要素からなる信号を入力信号として信号処理手段に入力し、前記変換手段で処理された信号のデータ要素数を前記信号処理手段の入力要素数に一致させる前処理手段を設けたことを特徴とする信号処理システム。
- 変換手段で処理された信号に演算処理を施して信号処理手段の入力要素数分のデータ要素を選択する演算手段よりなる前処理手段としたことを特徴とする請求項１又は２記載の信号処理システム。
- 変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施して信号処理手段の入力要素数分のデータ要素を選択する演算手段とよりなる前処理手段としたことを特徴とする請求項１又は２記載の信号処理システム。
- 変換手段で処理された信号に演算処理を施す演算手段と、この演算手段で処理された信号から信号処理手段の入力要素数分のデータ要素を選択する切替手段とよりなる前処理手段としたことを特徴とする請求項１又は２記載の信号処理システム。
- 変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施す演算手段と、この演算手段で処理された信号から信号処理手段の入力要素数分のデータ要素を選択する切替手段とよりなる前処理手段としたことを特徴とする請求項１又は２記載の信号処理システム。
- 変換手段で処理された信号を記憶する記憶手段と、この記憶手段に記憶された信号に演算処理を施す演算手段と、前記変換手段で処理された信号を一時的に記憶する一時的記憶手段と、前記演算手段で処理された信号及び前記一時的記憶手段に記憶された信号とから信号処理手段の入力要素数分のデータ要素を選択する切替手段とよりなる前処理手段としたことを特徴とする請求項１又は２記載の信号処理システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP07565794A JP3555773B2 (ja) | 1994-04-14 | 1994-04-14 | 信号処理システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP07565794A JP3555773B2 (ja) | 1994-04-14 | 1994-04-14 | 信号処理システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07282166A JPH07282166A (ja) | 1995-10-27 |
| JP3555773B2 true JP3555773B2 (ja) | 2004-08-18 |
Family
ID=13582530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP07565794A Expired - Fee Related JP3555773B2 (ja) | 1994-04-14 | 1994-04-14 | 信号処理システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3555773B2 (ja) |
-
1994
- 1994-04-14 JP JP07565794A patent/JP3555773B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07282166A (ja) | 1995-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gelenbe et al. | Function approximation with spiked random networks | |
| Irwin et al. | Neural network applications in control | |
| Aoki et al. | An image storage system using complex-valued associative memories | |
| Sandberg et al. | Uniform approximation of multidimensional myopic maps | |
| CN111768795A (zh) | 语音信号的噪声抑制方法、装置、设备及存储介质 | |
| Hasoon et al. | Image enhancement using nonlinear filtering based neural network | |
| JP3555773B2 (ja) | 信号処理システム | |
| Desai | Realization of bilinear stochastic systems | |
| JPH0981723A (ja) | 画像処理装置 | |
| JP3205873B2 (ja) | カオス回路網 | |
| Huang et al. | An experimental study: on reducing RBF input dimension by ICA and PCA | |
| JPH08123486A (ja) | 時系列信号フィルタ及びその学習方法 | |
| JPH07113942B2 (ja) | ニューロチップによる結合器 | |
| JP2860057B2 (ja) | ニューラルネットワークシステム | |
| JPH01321574A (ja) | メモリ装置 | |
| Sadiku et al. | Computing with neural networks | |
| Park et al. | A modified infomax algorithm for blind signal separation | |
| Jutten et al. | Simulation machine and integrated implementation of neural networks: A review of methods, problems and realizations | |
| CN112991415A (zh) | 深度信息确定方法、装置、电子设备和存储介质 | |
| JPH06325010A (ja) | パルス密度型ニューラルネットワークの学習方法及びその装置 | |
| JPH05143094A (ja) | 話者認識システム | |
| Pollack | Language induction by phase transition in dynamical recognizers | |
| Erten et al. | Modified cellular neural network architecture for integrated image sensing and processing | |
| Setiawan et al. | Training an ANN for synthesizing surface roughness of varying scales | |
| JPS60117967A (ja) | 画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040209 |
|
| 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: 20040506 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040507 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080521 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090521 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100521 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |