JP3831150B2 - 再配置可能型セルラニューラルネット - Google Patents
再配置可能型セルラニューラルネット Download PDFInfo
- Publication number
- JP3831150B2 JP3831150B2 JP15946099A JP15946099A JP3831150B2 JP 3831150 B2 JP3831150 B2 JP 3831150B2 JP 15946099 A JP15946099 A JP 15946099A JP 15946099 A JP15946099 A JP 15946099A JP 3831150 B2 JP3831150 B2 JP 3831150B2
- Authority
- JP
- Japan
- Prior art keywords
- cell
- axons
- dendrites
- cells
- state
- 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 - Lifetime
Links
Images
Landscapes
- Semiconductor Memories (AREA)
Description
【発明の属する技術分野】
この発明は再配置可能型セルラニューラルネットに関し、特に、ニューロン数,各ニューロン相互の結合の有無および結合の重みを問題に応じて柔軟に変化させることができ、しかも容易に製作可能な繰返し構造によって構成されるニューロセルラオートマトンを再配置可能な再配置可能型セルラニューラルネットに関する。
【0002】
【従来の技術】
近年人工ニューラルネットによる情報処理技術が発展してきている。人工ニューラルネット(以下、単にニューラルネットと称する)は脳の神経回路網を模倣して、単純で均一な情報処理を行なうユニット(ニューロン)を多数結合してネットワークを構成するものであり、通常のコンピュータと比べて非常に柔軟な処理が行なえると期待されている。
【0003】
ところで、個々のニューロンは単純な情報処理しか行なえないので、ニューラルネットを本来の神経回路網が行なっているような複雑な処理に使おうとすると、極めて多数のニューロンを相互接続しなければならない。
【0004】
ニューラルネットの特徴はその柔軟性である。これはニューロン相互の結合の強さが変えられるという点に由来する。さらに言えばこれはタンパク質などで構成され、自由に変形・成長できる生物の神経回路網を模倣したためである。
【0005】
一方、電子回路などのハードウェアは固体でできており、製作後では変更できないため、調節する必要のある箇所は予め可変デバイスで構成する必要がある。しかし、ニューラルネットの調節点は大規模なネットでは極めて多数となり、それに必要な配線などを考慮すると、予めすべてを組み込んでおくのが困難であるという問題が明らかになった。
【0006】
本願発明者らは、特開平7−105164号公報において、セルラオートマタの上でニューロンを成長させてニューラルネットを形成させるというアイディアを提案した。また、特開平10−283337号公報において、成長情報をセル空間に分布させることで成長をより簡単に実現する方法を提案した。
【0007】
【発明が解決しようとする課題】
しかしながら、上記2つの方法では、成長がランダムに設定された成長情報に基づいて起こるため、無駄な軸索および樹状突起を成長させてしまう可能性がある。上記2つの方法はいずれも遺伝的アルゴリズムを用いて機能を進化的に獲得させるものであるが、無駄な軸索・樹状突起は機能に関係しないので、それを省くことはできない。無駄な軸索・樹状突起があると、たとえば装置をCMOS回路を使って実現した場合にはその分装置の消費電力が増加してしまうという欠点がある。
【0008】
また、無駄な軸索・樹状突起が生成されてしまうと、セルラオートマタ上の空間を効率的に利用できないという問題もある。これらはさらには電子回路などハードウェアでの入力セルラオートマタ装置の実装を図る上で、ニューラルネットの低密度化として反映され、装置の物理的規模の増大,消費電力の増大あるいはニューラルネットの機能の低下という問題につながる。
【0009】
それゆえに、この発明の主たる目的は、機能に関係しない軸索・樹状突起を省き、また進化的手法で得られたニューラルネットを機能を変えずに簡潔化することのできるような再配置可能型セルラニューラルネットを提供することである。
【0010】
【課題を解決するための手段】
請求項1に係る発明は、状態を保持する状態記憶機構をもつセルが多数個格子状に配列され、各々のセルは現在のセルの状態とその近傍のセルの状態をもとに同期して次の状態を更新する状態更新機構を有するセルラオートマタにおいて、その上に1個ないし複数個のセルからなるニューロンを配置し、予め配置した成長情報に基づいてニューロンの軸索および樹状突起に相当するセル群を成長させるセルラニューラルネットであって、ニューラルネットの動作に不必要な軸索および樹状突起を検出する検出手段と、検出された不必要な軸索および樹状突起を除去する除去手段とを備えて構成される。
【0011】
請求項2に係る発明では、さらに不必要な軸索および樹状突起を除去した後の残された軸索および樹状突起の配置を変更する配置変更手段を備えて構成される。
【0012】
請求項3に係る発明では、さらに、配置の変更された軸索および樹状突起を構成するセル以外のセルを利用して新たなニューロンを成長させる手段が設けられる。
【0013】
【発明の実施の形態】
図1はこの発明の一実施形態によるニューロン型オートマトンを用いた再配置可能型セルラニューラルネットの概略ブロック図である。図1を参照して、3つのセルラオートマトン2a,2b,2cによって構成されたセルラオートマトン1が設けられる。各セルラオートマトン2a,2b,2cは、自己のセル30と自己のセル30の周囲に4つのセルとしてのN(北)セル31と、E(東)セル32と、S(南)セル33と、W(西)セル34の状態が入力信号として入力されるように、格子状に相互結合されている。
【0014】
各セル30〜34は、状態記憶手段としての状態保持機構4と状態更新手段としての状態更新機構5とを有している。状態保持機構4は各セルを成長させるための状態を記憶するメモリとそのメモリの内容を書換えるための電子回路を含み、状態更新機構5は自己のセルと近傍のセルの状態に基づいて次の状態を更新する。
【0015】
図2は図1のニューロン型セルラオートマトンの各セルにおける状態導出の原理を示す図である。図2に示すように、自己の現在の状態が9である中央のセルにおいて、自己の状態9とN,E,S,Wのセルの状態18,16,11,5によって自己の次の状態4が導出される。このように、状態を保持するのが状態機構4であり、状態を更新するのが状態更新機構5である。
【0016】
図1において、ある状態になっている各セルラオートマトン2a,2b,2cに対象とする問題を表わす信号7を入力する入出力部6が設けられている。そのため、入出力部6には対象とする問題を表わす信号7が入力されていて、それを各セルラオートマトン2a,2b,2cに出力し、逆に、その出力に応じた各セルラオートマトン2a,2b,2cの出力結果を表わす信号9a,9b,9cが入出力部6に入力されている。また、入出力部6の出力が入力される評価部8が設けられ、各セルラオートマトン2a,2b,2cの出力結果を表わす信号9a,9b,9cと対象とする問題を表わす信号7がこの評価部8に入力される。
【0017】
評価部8では、入力された各セルラオートマトン2a,2b,2cの出力結果を表わす信号9a,9b,9cが対象とする問題7にどの程度適用したかを表わす適用度が演算され、その演算結果である評価値を表わす信号10が評価部8の出力として評価反映部11に入力される。評価反映部11の出力は、入力された評価値を表わす信号10に基づく次の各セルラオートマトンの初期状態ならびに次の状態保持機構4および状態更新機構5の動作が決定された結果を表わす信号12であり、セルラオートマトン2a,2b,2cのそれぞれに入力される。
【0018】
図3は図1に示した状態保持機構を示す図である。図3に示すように、状態保持機構4は非公開用の8ビットと、周囲のN,E,S,Wの4つのそれぞれのセルに対応する公開用の8ビットから構成されている。非公開部分は、セルタイプ部分41が2ビット,ゲート部分42が2ビット,成長情報部分43のための3ビットおよび未使用部分44の1ビットからなっている。非公開部分は、次のように意味づけされている。
【0019】
セルタイプの部分41には、
00=0:空白セル
01=1:軸索セル
10=2:樹状突起セル
11=3:ニューロンセル
が設定される。ここで、空白セルは成長も何も生じないセルであり、軸索セルはニューロンセルから動作信号を送り出す方向に向くセルである。すなわち、軸索セルは、動作信号伝搬の上流となる1つの方向に入力ゲートを有し、残りの3つの方向に出力ゲートを有しており、自己の状態および入力ゲートに入力される状態に応じて、他の3つの方向に動作信号を出力する。また、樹状突起セルは、ニューロンセルに向かって動作信号を集めるセルである。すなわち、樹状突起セルは、動作信号伝搬の上流となる3つの方向に入力ゲートを有し、伝搬先となる方向に1つの出力ゲートを有し、他の3つの方向から動作信号を受け、自己の状態と他の3つのセルの状態に応じて1つの方向に動作信号を出力する。ニューロンセルは、神経細胞の本体となるセルである。
【0020】
また、ゲートの部分42には、
00=0:N
01=1:E
10=2:S
11=3:W
が設定される。ここで、Nは北,Eは東,Sは南,Wは西を表わし、軸索セルの唯一の入力ゲートの方向あるいは樹状突起セルの唯一の出力ゲートの方向を示している。
【0021】
また、成長情報の部分43には、次の情報が設定される。
000=0:成長停止
100=4:左折れ
010=2:直進
001=1:右折れ
110=6:左分岐(左方と前方に分岐)
011=3:右分岐(右方と前方に分岐)
101=5:T字分岐(左方と右方に分岐)
111=7:3方向分岐(左方と前方と右方に分岐)
また、図3の各公開部分45〜48は、次のように意味づけされている。
【0022】
成長モードにおいては、
00=0:成長信号がない。
【0023】
01=1:軸索成長信号
10=2:樹状突起成長信号
11=3:未使用
が設定される。機能動作モードでは、信号の強さを表わす2進数が設定される。
【0024】
図4は図1に示した状態更新機構を示す図である。図4において、状態更新機構5は(a)に示す公開状態更新機構51と、(b)に示す非公開状態更新機構52とから構成されている。公開状態更新機構51は合計24ビットの入力でN,E,S,Wの各セルに対して2ビットを出力するために4個設けられ、非公開状態更新機構52は合計24ビットの入力から8ビットのデータを自己のセルの次の非公開状態とするために1個設けられる。
【0025】
図5はニューロンセルが成長信号を出している様子を示す図であり、図6は図5に示したニューロンセルが軸索および樹状突起を成長させた様子を示す図である。
【0026】
図5に示すように、2個のニューロンセル20,21が配置されているとすると、これらのニューロンセル20,21の状態保持機構4の2ビットのセルタイプ部分41にはニューロンセルを示す11=3が格納されている。
【0027】
また、ニューロンセル20,21以外のセルの状態保持機構4のセルタイプ部分41には空白を示す00=0が格納されている。ニューロンセル以外のセルの状態保持機構4の成長情報部分43には直進を示す010=2などが設定されている。
【0028】
ニューロンセル20,21は図5に示すように成長信号を出力するものとする。すなわち、ニューロンセル21は状態保持機構4の公開部分のNセルおよびSセルの部分45,47に軸索成長信号を示す01=1が設定されており、またEセルおよびWセルの部分46,48には樹状突起成長信号を示す10=2が設定されている。このため、ニューロンセル21は図5に示すように成長信号を出力する。すなわち、ニューロンセル21はN方向およびS方向に軸索成長信号を出力し、E方向およびW方向に樹状突起成長信号を出力する。
【0029】
ニューロンセル21のS側セルが軸索成長信号を受取ると、その状態保持機構4のセルタイプ部分41が空白を示す00=0から軸索を表わす01=1に変わる。また、このセルはN側から成長信号を受取るので、ゲート用の部分42にはNを表わす00=0が設定される。さらに、このセルの成長情報は直進なので、S側セルの公開部分で受取ったと同じ軸索成長情報01を与える。この成長は連鎖的に進む。
【0030】
図6は図5に示したニューロンセルが軸索および樹状突起を成長させた様子を示しており、セルラオートマトン上のすべてのセルは空白,軸索,樹状突起,ニューロンの4つのセルに分類される。この分類は状態保持機構4のセルタイプの部分41の値によって決定される。
【0031】
ところで、図6に示したセルラオートマトンにおいて、軸索22と樹状突起23が接触している箇所はシナプスと呼ばれ、軸索22から樹状突起23へ信号の拡散が起こる。一方、軸索22同士あるいは樹状突起23同士では信号の伝搬は起こらない。樹状突起23に信号を伝搬しない軸索22の部分は不要であり、同様に軸索22から信号を受取らない樹状突起23の部分は不要である。さらには、他のニューロンと信号のやり取りを行なわないニューロンは不要となる。このような不要なニューロン21,軸索22および樹状突起23が形成されるのは、前述のごとくランダムに設定された成長情報に基づいてニューロン21などが成長するためである。そこで、以下に、この発明の実施形態として、不要なニューロンや軸索や樹状突起を削除する方法について説明する。
【0032】
図7〜図11はこの発明の一実施形態の動作を説明するために軸索と樹状突起の配置されたオートマトンを示す図であり、図12は不必要な軸索および樹状突起を検出する動作を示すフローチャートであり、図13は不必要な軸索および樹状突起を除去した後、残された軸索と樹状突起の配置を移動する動作を説明するためのフローチャートである。
【0033】
図7に示したニューラルネットはすべてのニューロン21と軸索22と樹状突起23とを図示したものであり、不要な軸索や樹状突起のセルが含まれている。図8は不要なセル24を横線で示している。このような不要なセル24は図12に示すフローチャートに基づいて検出される。すなわち、図8に示す不要なセル24に対してマークをつける。そして、マークをつけたセルを空白セルに戻し、マークをつけたセルの上流のセル中の分岐情報からマークをつけたセルへの情報を消去する。空白に戻されたマークを外し、上流セルの分岐情報の数が0であればその上流セルにマークをつける。この動作を繰返し、マークのつけられている不要なセルを順次空白セルに戻す。
【0034】
図9は図8に示した不要なセルを除去したニューラルネットを示す。図9に示すように、不要なセルを除去したニューラルネットと、不要なセルが存在する図7に示したニューラルネットを対比すれば明らかなように、不要なセルを除去することによって、ニューラルネットの動作にかかるエネルギー消費が節約されるとともに、セルラオートマタ空間中に空き空間を作りだすことができる。この空き空間を利用して、軸索22と樹状突起23とが再配置される。
【0035】
図10は図9で作りだされた空き空間を利用して、軸索22と樹状突起23のセルを再配置した図であり、図13はセルを再配置するための動作を示すフローチャートであり、図14はその動作を説明するための図である。
【0036】
たとえば、図14に示すように、この樹状のセル30を点線で示すように直線となるように配置する場合、末端のセル31を選択し、そのセル31からニューロンセル21までの経路を検出する。そして、経路中の屈曲点で或る条件を満たす組を検出する。ここで、或る条件とはニューロンセル21から見て右折れ32と右折れ33を有しているかなどであり、これに限らず右折れ−T字分岐,右分岐−右折れ,右分岐−T字分岐を有しているかの条件があり、左折の場合も同様の条件が設定される。
【0037】
図14の右折れ32の直前のセルから右折れ33の直後のセルへの直線経路(図14の点線で示す経路34)を調べ、ニューロンセルや軸索や樹状突起がなければ、すなわち空白セルであれば、旧経路および新経路上のセルの分岐情報を適切に変更する。すなわち、図14に示した例では、右折れ32の直前のセルに点線で示す直線経路34方向の分岐情報を加えかつ右折れセルへの分岐情報を外す。そして、直線経路34上のセルの分岐情報をすべて直線経路方向に設定する。この一連の動作を繰返すことによって、図9に示す迂回しているセルを直線のセルに配置換えすることができる。図9に示すセルを配置換えして示したのが図10のセルラオートマタである。
【0038】
図11はこれまでの操作によって確保された空間に2個の新たなニューロンを配置し、軸索22と樹状突起23とを成長させたものである。この場合、分岐情報を増加させることによってセルを成長させることができる。たとえば、当該セルが右折れであれば右分岐あるいはT字分岐などに変更することによってセルを成長させることができる。また、再度最初からニューラルネットの成長を行なえばネットワークの付加になる。
【0039】
上述のごとく、この実施形態によれば、ニューラルネット中の不要な軸索と樹状突起を検出してニューラルネット中から取除き、最後に残ったニューロンと軸索と樹状突起を再配置し、セルラオートマタ空間中の空き領域において新たなニューロンを成長させることができる。それによって、不要な軸索や樹状突起の動作にかかるエネルギー消費を節約でき、不要な軸索や樹状突起を取除いた空き空間を利用してニューロンや軸索や樹状突起を再配置することにより、新たなニューロンおよび成長情報を分布させることができ、ニューラルネットワークのさらなる高機能化を図ることができる。
【0040】
なお、今回開示された実施の形態は全ての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
【0041】
【発明の効果】
以上のように、この発明によれば、ニューラルネットの動作に不必要な軸索および樹状突起を検出して除去することにより、ニューラルネットの機能を変えずに簡潔化することができる。
【図面の簡単な説明】
【図1】この発明の一実施形態によるニューロン型セルラオートマトンの概略ブロック図である。
【図2】図1のニューロン型セルラオートマトンの各セルにおける状態導出の原理を示す図である。
【図3】図1に示した状態保持機構を示す図である。
【図4】図1に示した状態更新機構を示す図である。
【図5】ニューロンセルが成長信号を出している様子を示す図である。
【図6】図5に示したニューロンセルが軸索および樹状突起を成長させた様子を示す図である。
【図7】不必要な軸索と樹状突起の配置されたセルラオートマトンを示す図である。
【図8】不必要な軸索と樹状突起を検出したセルラオートマトンを示す図である。
【図9】不必要な軸索と樹状突起を除去したオートマトンを示す図である。
【図10】不必要な軸索と樹状突起を除去した後、残された軸索と樹状突起を再配置したオートマトンを示す図である。
【図11】図7〜図10の操作で確保された空き領域を利用してさらに2個のニューロンを配置して軸索と樹状突起を成長させたオートマトンを示す図である。
【図12】不必要な軸索と樹状突起を検出する動作を示すフローチャートである。
【図13】軸索と樹状突起を再配置する動作を示すフローチャートである。
【図14】セルを再配置する動作を説明するための図である。
【符号の説明】
2a,2b,2c セルラオートマトン
3 セル
4 成長状態導出機構
5 安定期状態導出機構
6 入出力部
8 評価部
11 評価反映部
20,21 ニューロンセル
22 軸索セル
23 樹状突起セル
24 空白セル
Claims (2)
- 状態を保持する状態記憶機構をもつセルが多数個格子状に配列され、各々のセルは現在のセルの状態とその近傍のセルの状態をもとに同期して次の状態を更新する状態更新機構を有するセルラオートマタにおいて、
その上に配置された1個ないし複数個のセルからなるニューロンを基点として、予め各セルに設定された各セルとその近傍のセルとの間の動作信号伝搬を規定する成長情報に基づいてニューロンの軸索および樹状突起に相当するセル群が成長するセルラニューラルネットであって、
動作信号の相互伝搬が生じず、ニューラルネットの動作に不必要な軸索および樹状突起を検出する検出手段と、
前記検出手段によって検出された不必要な軸索および樹状突起を除去する除去手段と、
前記不必要な軸索および樹状突起を除去した後の残された軸索および樹状突起の配置を変更する配置変更手段とを備えた、再配置可能型セルラニューラルネット。 - さらに、前記配置変更手段によって配置の変更された軸索および樹状突起を構成するセル以外のセルを利用して新たなニューロンを成長させる手段を備えた、請求項1に記載の再配置可能型セルラニューラルネット。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP15946099A JP3831150B2 (ja) | 1999-06-07 | 1999-06-07 | 再配置可能型セルラニューラルネット |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP15946099A JP3831150B2 (ja) | 1999-06-07 | 1999-06-07 | 再配置可能型セルラニューラルネット |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2000348009A JP2000348009A (ja) | 2000-12-15 |
JP3831150B2 true JP3831150B2 (ja) | 2006-10-11 |
Family
ID=15694257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP15946099A Expired - Lifetime JP3831150B2 (ja) | 1999-06-07 | 1999-06-07 | 再配置可能型セルラニューラルネット |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3831150B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024047804A1 (ja) * | 2022-08-31 | 2024-03-07 | ソフトバンク株式会社 | Nn成長装置、情報処理装置、ニューラル・ネットワーク情報の生産方法、およびプログラム |
-
1999
- 1999-06-07 JP JP15946099A patent/JP3831150B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JP2000348009A (ja) | 2000-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0465489B1 (en) | Genetic synthesis of neural networks | |
US9183495B2 (en) | Structural plasticity in spiking neural networks with symmetric dual of an electronic neuron | |
Haddow et al. | Shrinking the Genotype: L-systems for EHW? | |
TWI509538B (zh) | 小型認知突觸運算電路 | |
CN103201610A (zh) | 带有使用模拟学习的突触权重的神经形态-突触器脉冲神经网络 | |
WO1988010463A2 (en) | Neurocomputer system for solving optimization problems | |
Gers et al. | CoDi-1Bit: A simplified cellular automata based neuron model | |
Akter et al. | A new crossover technique to improve genetic algorithm and its application to TSP | |
JP3831150B2 (ja) | 再配置可能型セルラニューラルネット | |
Shayani et al. | Hardware implementation of a bio-plausible neuron model for evolution and growth of spiking neural networks on FPGA | |
Hsu et al. | A study of feature-mapped approach to the multiple travelling salesmen problem | |
US20070011111A1 (en) | Method and device for the genetic representation and evolution of networks | |
Sayama | Generative network automata: A generalized framework for modeling complex dynamical systems with autonomously varying topologies | |
JPH10283337A (ja) | ニューロセルラオートマトンおよび最適化装置 | |
Karafyllidis | Acceleration of cellular automata algorithms using genetic algorithms | |
de Garis et al. | “CAM-brain” ATR's billion neuron artificial brain project: A three-year progress report | |
de Garis et al. | ATR's artificial brain (" CAM-Brain") project: A sample of what individual" CoDi-1 Bit" model evolved neural net modules can do with digital and analog I/O | |
Sipper et al. | The POE model of bio-inspired hardware systems | |
JP4160677B2 (ja) | 分散学習機能を有するコンピュータシステム | |
Smeda et al. | Application of Hopfield neural network in routing for computer networks | |
de Garis et al. | Evolution of neural network modules: ATR's artificial brain project | |
JPH0883260A (ja) | 自己組織化装置 | |
Kadjinicolaou et al. | Structured analysis for neural networks using Petri nets | |
Murata et al. | Performance of genetic network programming for learning agents on perceptual aliasing problem | |
Ediger et al. | Evolving 6-state automata for optimal behaviors of creatures compared to exhaustive search |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040917 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20051206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060126 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060411 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060606 |
|
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: 20060704 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060713 |
|
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: 20100721 Year of fee payment: 4 |