JP4687199B2 - 連想記憶装置とそのソフトウェア - Google Patents
連想記憶装置とそのソフトウェア Download PDFInfo
- Publication number
- JP4687199B2 JP4687199B2 JP2005102707A JP2005102707A JP4687199B2 JP 4687199 B2 JP4687199 B2 JP 4687199B2 JP 2005102707 A JP2005102707 A JP 2005102707A JP 2005102707 A JP2005102707 A JP 2005102707A JP 4687199 B2 JP4687199 B2 JP 4687199B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- attractor
- input data
- neural network
- associative
- 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
Landscapes
- Image Analysis (AREA)
- Feedback Control In General (AREA)
Description
先ず、最初に連想ループ制御処理部35からの制御のもとに、入力端子11からの連想入力信号が、入力切替スイッチ4及び入力端子12を介して自己連想用ニューラルネットワーク33に入力されるとともに、アトラクタ収束検出処理部34に入力記憶される。自己連想用ニューラルネットワーク33としての学習済み2層ニューラルネットワークの出力信号が出力端子13に得られると、これを、連想ループ制御処理部35の制御の基に、入力切替スイッチ4を介して該自己連想用ニューラルネットワーク33の入力端子12にフィードバックする。この為、入力層ユニット数と出力層ユニット数は同一の構成となっている。 従って、学習入力データ(学習アトラクタ)と教師信号が同一で、これらを事前に学習させている。ここで、2層ニューラルネットワークを用いた学習では、多くの場合、重み係数は計算によって求められ設定される。
ここで、連想ループ回数jに於ける入力端子12の自己連想用ニューラルネットワーク33の入力層への入力信号をX(j)とし、自己連想用ニューラルネットワーク33の出力信号をX(j+1)とし、連想ループ回数j+1の連想ループ処理に於いて、X(j+1)が入力端子12へ再度フィードバックされる。
収束し得られたアトラクタは、連想入力信号に最も近い特徴を持った学習入力データである学習アトラクタとなる場合と、スプリアス・アトラクタ(偽りのアトラクタ)となる場合とがある。スプリアス・アトラクタは、学習入力データではなく、殆どの場合は、多くの雑音を含んだデータから構成されており明確な特徴を持っていない。
ここで、X(0)が学習入力データ、即ち学習アトラクタであると、X(0)とその出力信号X(1)は等しくなり、直ちに平衡状態のアトラクタ収束状態となり、アトラクタ収束検出処理部34にて検出される。
連想ループ制御処理部35では、連想ループ処理要求信号を受信すると、予め指定された連想ループ最大回数J未満であれば、連想ループ回数j=j+1として、連想ループ処理を再度実行するため、出力信号X(j+1)を、入力切替スイッチ4を介して入力端子12へフィードバックする。一方、連想ループ処理完了信号を受信した場合、或いは連想ループ回数jが連想ループ最大回数Jとなると、連想ループ処理を完了する。
この状態は、連想ループ回数jが指定された最大回数Jとなっても、アトラクタ収束検出処理部34に於いて、X(J)とX(J+1)との一致状態が得られない状態を意味する。このアトラクタ発散識別状態は、不想起状態と呼ばれる。
更に、互いに似た学習入力データを学習させると、互いの干渉からアトラクタ収束状態が得にくくなるなどの欠点もある。また、誤って想起されるアトラクタ収束状態でのスプリアス・アトラクタを少なくするためには、記憶容量が更に少なくなる。このように、学習入力データ数が理論的限界に近づくとアトラクタ収束が一段と困難となってくる。
このような従来方式では、このスプリアス・アトラクタ出力信号は、記憶している全ての学習アトラクタと比較しない限り、学習アトラクタかスプリアス・アトラクタかの区別はできず、多くの処理量を要する。
また、お互いの距離が離れた相関の小さい学習アトラクタを学習させた前進ニューラルネットワークを用いた相互連想メモリの場合には、汎化能力を高くできず、優れた連想特性が得られない欠点を持っている。
更に、互いに距離が離れた相関の小さい学習アトラクタを多く学習した前進ニューラルネットワークでは、汎化能力が低くなることから、これを用いた相互連想メモリは、優れた連想能力を実現できない欠点を持っている。
また、従来の連想メモリでは、アトラクタ識別を行っておらず、アトラクタ出力信号を用いる応用システムでは誤動作の原因となる欠点も持っている。
上記のように、連想メモリとして種々の欠点を持っている。
該出力信号を入力し該リングメモリ用ニューラルネットワーク機能490から順次読みだされた該出力信号の分類カテゴリの該学習入力データとの一致を検出し、該アトラクタ出力信号の学習アトラクタかスプリアス・アトラクタかのアトラクタ識別をするアトラクタ識別機能560とから少なくとも構成することを特徴とした相互連想記憶ソフトウェアを構成する。
第9の手段として、第6、7及び第8の手段の連想記憶ソフトウェアに於いて、前記リングメモリ用ニューラルネットワーク機能730からの前記学習入力データと前記連想入力信号との一致を検出し、該連想入力信号の学習入力データか非学習入力データを識別する連想入力識別機能590、290とから構成することを特徴とした連想記憶ソフトウェアを構成する。
第10の手段として、第6、7、8、及び第9の連想記憶ソフトウェアに於いて、前記リングメモリ用ニューラルネットワーク機能190、490から前記学習入力データを順次読み出し、記憶する学習入力データ記憶機能200、500とから構成することを特徴とした連想記憶ソフトウェア。
本発明の連想記憶装置は、初期学習に於いて、各分類カテゴリに一つ割り当てられた学習入力データとしての代表的なプロトタイプ以外に、追加学習入力データとして、プロトタイプの近傍テストデータも用いて追加学習した、非常に高い汎化能力を持った多層ニューラルネットワークを、自己連想メモリの自己連想用ニューラルネットワーク、及び相互連想メモリの前進ニューラルネットワークとしてそれぞれ導入している。この為、大規模な記憶容量を実現でき、然も、アトラクタ状態への吸引力も強く、アトラクタ発散状態も大幅に改善され、スプリアス・アトラクタへの収束も減少し、認識率が非常に高くなる特徴を有し優れた連想特性を実現できる。更に、分類カテゴリに対応したプロトタイプ以外に追加学習入力データを記憶したリングメモリを導入することにより、アトラクタ識別、収束した学習アトラクタに対応した、追加学習入力データも含めた一連の学習入力データを呼び出すとともに、連想入力信号の学習・非学習入力データ識別も行うことができ、従来の連想記憶装置には無い優れた特徴を有する。
連想ループ制御処理部3では、連想ループ処理要求があると、入力切替スイッチ4を介して自己連想用追加学習ニューラルネットワーク1とアトラクタ収束検出処理部2とに入力し、出力信号X(2)を得る。
ここで、アトラクタ識別処理部6に於けるアトラクタ識別条件を表2にまとめて示す。
連想入力識別処理部9では、連想入力信号X(0)とRout(n)とが比較され、一旦一致したならば、連想入力信号が学習入力データであることから、学習入力データ一致状態を記憶する。ここで、アトラクタ識別処理部6から学習アトラクタ識別信号が入力されると、出力端子21から学習入力データ識別信号が送出される。学習アトラクタ識別信号が入力された時に、リングメモリ読み出し出力信号が全て連想入力信号X(0)と不一致状態で、学習入力データ不一致状態が記憶されているならば、非学習入力データ識別信号が送出される。
尚、初期設定として、表1を基に、カテゴリ別読み出し最大カウント数Nmax、カテゴリ別追加学習入力データ数nr及びそのプロトタイプP(r)が予め記憶されている。
尚、アトラクタ識別処理部6に於いて、出力端子14から学習アトラクタ識別信号と共に、一致したプロトタイプP(r)の分類カテゴリ番号rを送出してもよい。これによりカテゴリ分類も行うことができる。
連想初期設定処理100は、連想ループ回数判定処理160に於ける連想ループ最大回数J、リングメモリ読み出し回数判定処理230におけるカテゴリ別読み出し最大カウント数Nmax、即ち表1に於ける分類カテゴリ内で最大の追加学習データ数であるカテゴリ内最大追加学習データ数Nmax = Max{n1,n2,..,nR}、及びアトラクタ識別処理260への表2に示すアトラクア検出及び識別の条件設定など、初期パラメータ設定を夫々行う。
連想入力信号入力設定処理120は、連想入力信号X(0)を自己連想用追加学習ニューラルネットワーク処理130、アトラクタ収束検出処理140及び連想入力-リングメモリ出力一致検出処理210へ夫々入力設定を行う。
アトラクタ収束判定処理150に於いて、アトラクタ収束状態が得られると、リングメモリ用ニューラルネットワーク処理190を行う。一方、アトラクタ未収束状態であれば、引き続き連想ループ回数判定処理160を行う。
自己連想用追加学習ニューラルネットワーク出力信号入力設定処理180では、X(j+1)を自己連想用追加学習ニューラルネットワーク処理130の入力として設定する。その後、前回の連想ループ回数jの場合と同様に、自己連想用追加学習ニューラルネットワーク処理130、アトラクタ収束検出処理140及びアトラクタ収束判定処理150を再度実施する。
即ち、リングメモリ用ニュウラルネットワーク処理190にて、アトラクタ出力信号X(j+1)を入力し、リングメモリ出力信号Rout(1)を得え、これを学習入力データ記憶処理200にて記憶する。ここで、アトラクタ出力信号X(j+1)がプロトタイプP(r)である場合には、Rout(1)は、学習入力データZ(r,1)となる。
更に、アトラクタ出力ー学習入力データ一致状態判定処理220にて、X(j+1)≠Rout(n)の学習入力データ不一致状態の場合には、読み出し回数判定処理230にて、リングメモリ読み出しカウンタnがNmax未満であると、リングメモリ読み出しカウンタn←n+1処理240にて、nを1増加して、読み出されたRout(1)を入力しリングメモリ用ニューラルネットワーク処理190を再度行ない、新たなリングメモリ出力信号Rout(2)を得る。
読み出し回数判定処理230にてリングメモリ読み出しカウンタnがNmaxとなると、スプリアス・アトラクタ識別設定処理250にて、アトラクタ出力信号がスプリアス・アトラクタであると識別設定し、スプリアス・アトラクタ状態とし、学習アトラクタ識別判定処理270を行う。
上記の説明の如く、前進連想入力信号X(0)に対してアトラクタ収束状態を検出し、プロトタイプに対応したアトラクタ出力信号X(j+1)を基に、アトラクタ識別を行う共に、前進連想入力信号X(0)の学習・非学習入力識別と、対応した一連の学習入力データの読み出しができる。
連想ループ初期設定処理410は、連想ループ回数jの初期設定としてj=0、及びリングメモリ読み出しカウンタn=0の初期設定、連想入力―リングメモリ出力一致検出処理510及び学習入力データ記憶処理500の内部状態のリセットを行う。
前進連想入力信号入力設定処理420は、前進連想入力信号X(0)を前進追加学習ニューラルネットワーク処理430、アトラクタ収束検出処理440及び連想入力-リングメモリ出力一致検出処理510へ夫々入力設定を行う。
後進ニューラルネットワーク処理610では、入力されたY(0)、Y(j)に対して出力信号X(1)、X(j+1)を夫々送出する。
後進ニューラルネットワーク出力信号入力設定処理480では、X(j+1)を前進追加学習ニューラルネットワーク処理430の入力として設定する。その後、前回の連想ループ回数jの場合と同様に、前進追加学習ニューラルネットワーク処理430、後進ニューラルネットワーク処理610、アトラクタ収束検出処理440及びアトラクタ収束判定処理450を再度実施する。
その結果、
Hamming・Weight{Y(j)}≠1 (1)
を満足する場合には、前進追加学習ニューラルネットワーク25の出力信号Y(j)が学習外カテゴリの2値出力信号であると識別される。即ち、分類カテゴリに割り当てられた2値教師信号以外の2値出力信号となっており、後進ニューラルネットワーク31の出力であるアトラクタ出力信号はスプリアス・アトラクタで、スプリアス・アトラクタ識別となる。
Hamming・Weight{Y(j)}=1 (2)
を満たす場合には、前進追加学習ニューラルネットワーク25の出力信号Y(j)が学習内カテゴリの出力信号と識別され、前進追加学習ニューラルネットワーク25の教師信号の何れかと同じであり、後進ニューラルネットワーク31の出力であるアトラクタ出力信号は、学習アトラクタであり、学習アトラクタ識別となる。
更に、リングメモリ用ニューラルネットワーク5に於いても、図2と同様に、プロトタイプP(r)である初期学習入力データと学習入力データZ(r,n)とを用いて、表1に示すリングメモリ用ニューラルネットワーク5の学習データを準備し、これらの学習データに対して全正解出力となり収束するよう学習を行ない、得られた重み係数をリングメモリ用ニューラルネットワーク5に設定する。
入力端子11の前進連想入力信号X(0)が前進追加学習ニューラルネットワーク25に入力され、更にアトラクタ検出識別処理部26及び連想入力識別処理部9へ入力され記憶される。
また、アトラクタ検出識別処理部26からアトラクタ識別信号が入力されると、アトラクタ検出識別の為の連想ループ処理を終了し、学習・非学習データ識別とアトラクタ出力信号に対応した学習入力データをリングメモリ用ニューラルネットワーク5から読み出す為のリングメモリ読み出し処理の連想ループ処理を行う。以下これらの一連の処理について説明する。
一方、One-Shot或いは汎化学習アトラクタなどの学習アトラクタ識別信号が入力されると、出力端子13から分類カテゴリ出力信号を得、更に、出力端子18からのアトラクタ出力信号を基に、リングメモリ用ニューラルネットワーク5からのこれに対応した一連の追加学習入力データとプロトタイプとを読み出し、更に、前進連想入力信号X(0)が未知連想入力データであるか、プロトタイプ或いは追加学習入力データであるかの連想入力識別処理を行う。この為、入力切替スイッチ7を介して、後進ニューラルネットワーク31の出力端子18のアトラクタ出力信号X(j+1)が入力端子15を介してリングメモリ用ニューラルネットワーク5に入力されると共に、学習入力データメモリ8及びアトラクタ一致検出処理部29に入力記憶される。入力端子15からのアトラクタ出力信号X(j+1)に対して、リングメモリ用ニューラルネットワーク5から出力信号Rout(1)を得、アトラクタ一致検出処理部29、連想入力識別処理部9及び学習入力データメモリ8へ夫々入力する。
アトラクタ一致検出処理部29内のリングメモリ読み出しカウンタnが予め指定されたカテゴリ別読み出し最大カウント数Nmaxとなる範囲内で、アトラクタ出力信号X(j+1)と出力Rout(n)が一致するまで、上記の一連のフィードバックによる読み出し処理が繰り返される。尚、カテゴリ別読み出し最大カウント数Nnaxは、表1に示すカテゴリ別追加学習入力データ数nr内の最大値Nmaxを設定する。アトラクタ出力信号X(j+1)と出力Rout(n)が一致すると、分類カテゴリに対応した全ての学習入力データを読み出し、学習入力データメモリ8に記憶したこととなる。
上記の説明の如く、前進連想入力信号X(0)に対して、アトラクタ収束状態を検出し、アトラクタ識別を行う共に、分類カテゴリ出力信号Y(j)を得、プロトタイプに対応したアトラクタ出力信号X(j+1)を基に、前進連想入力信号の学習・非学習入力識別と、対応した一連の学習入力データの読み出しができる。
連想ループ初期設定処理710では、連想ループ回数jの初期設定としてj=0、及びリングメモリ読み出しカウンタn=0の初期設定、連想入力―リングメモリ出力一致検出処理510及び学習入力データ記憶処理500の内部状態のリセットを行う。
前進連想入力信号入力設定処理720では、前進連想入力信号X(0)を前進追加学習ニューラルネットワーク処理730、アトラクタ検出識別処理740及び連想入力-リングメモリ出力一致検出処理510へ夫々入力設定を行う。
後進ニューラルネットワーク処理610では、入力されたY(0)、Y(j)に対して出力信号X(1)、X(j+1)を夫々送出する。
後進ニューラルネットワーク出力信号入力設定処理480では、X(j+1)を前進追加学習ニューラルネットワーク処理730の入力として設定する。その後、前回の連想ループ回数jの場合と同様に、前進追加学習ニューラルネットワーク処理730、後進ニューラルネットワーク処理610、アトラクタ検出識別処理740及びアトラクタ収束判定処理450を再度実施する。
アトラクタ判定識別処理740では、前進追加学習ニューラルネットワーク処理730の出力信号Y(j)である2値出力コードのハミング重みを計算し、式(1)を満たす場合には、学習外カテゴリの2値出力信号であることからスプリアス・アトラクタと識別され、式(2)を満たす場合には、学習内カテゴリの出力信号であることから学習アトラクアと夫々識別される。
一方、学習アトラクタ識別であると判定されると、リングメモリ用ニューラルネットワーク処理490を介したリングメモリ読み出しによる連想入力信号識別処理、及び対応した学習入力データ読み出す処理を引き続き以下のように行う。
更に、連想入力識別の為の連想入力―リングメモリ出力一致検出処理510にて、連想入力信号X(0)とリングメモリ出力信号Rout(1)の一致比較を行う。一旦一致すれば、学習入力データであり、追加学習入力データかプロトタイプであることが明らかであることから、学習入力データ一致状態を設定する。
学習入力データ読み出し処理600にて、学習アトラクタであるアトラクタ出力信号X(j+1)に対応した全ての追加学習入力データとプロトタイプとが読み出され、一連の連想ループ処理が全て完了する。
また、分類カテゴリに対してWinner Takes allのような疎な2値出力コードを用いる代わりに、密な分散型2値コード、例えば、表し得る全ての2値コードに分類カテゴリを割り当てた出力2値コード(完全パッキング・コード)や、ある範囲内で連続した整数値に変換される2値コードに分類カテゴリを割り当てた出力2値コード(連続割り当てコード)などを用いた、高い汎化能力を持った前進追加学習ニューラルネットワークを適用してもよい。これにより、スプリアス・アトラクタを発生させることなく処理を行うこともできる。
また、従来の相互連想メモリ装置は、データ記憶容量は大きくできるが、スプリアス・アトラクタが多く発生するなど、連想特性が余り優れていない。然も後進多層ニューラルネットワークからのアトラクタ出力信号は、所望の学習アトラクタかスプリアス・アトラクタかの識別や連想入力識別もできない。従って、アトラクタ出力信号を用いた応用処理システムでは誤動作が避けられない。
また、非常に優れた連想特性と大容量記憶能力以外に、カテゴリ分類能力、アトラクタ識別能力、連想入力識別能力及び収束したアトラクタ出力信号に対応した学習入力データ読み出し機能を有していることから、非常に幅広い応用処理システムにも適用できる。
2 アトラクタ収束検出処理部
3 連想ループ制御処理部
4 入力切替スイッチ
5 リングメモリ用ニューラルネットワーク
6 アトラクタ識別処理部
7 入力切替スイッチ
8 学習入力データ記憶メモリ
9 連想入力識別処理部
10 入力切替スイッチ
11 連想入力信号端子
12 ニューラルネットワーク入力端子
13 ニューラルネットワーク出力端子
14 アトラクタ識別出力端子
15 リングメモリ入力端子
16 学習データ出力端子
17 後進ニューラルネットワーク入力端子
18 後進ニューラルネットワーク出力端子
19 後進連想入力端子
20 アトラクタ収束検出出力端子
21 連想入力識別出力端子
22 アトラクタ検出識別処理部
23 アトラクタ収束検出処理部
24 連想ループ制御処理部
25 前進追加学習ニューラルネットワーク
26 アトラクタ検出識別処理部
27 アトラクタ検出識別出力端子
28 連想ループ制御処理部
29 アトラクタ一致検出処理部
31 後進ニューラルネットワーク
32 前進ニューラルネットワーク
33 自己連想用ニューラルネットワーク
34 アトラクタ収束検出処理部
35 連想ループ制御処理部
100 連想初期設定処理
110 連想ループ初期設定処理
120 連想入力信号入力設定処理
130 自己連想用追加学習ニューラルネットワーク処理
140 アトラクタ収束検出処理
150 アトラクタ収束判定処理
160 連想ループ回数判定処理
170 連想ループ回数j←j+1設定処理
180 自己連想用追加学習ニューラルネットワーク出力信号入力設定処理
190 リングメモリ用ニューラルネットワーク処理
200 学習入力データ記憶処理
210 連想入力―リングメモリ出力一致検出処理
220 アトラクタ出力ー学習入力データ一致状態判定処理
230 リングメモリ読み出し回数判定処理
240 リングメモリ読み出しカウンタnのn←n+1設定処理
250 スプリアス・アトラクタ識別設定処理
260 アトラクタ識別処理
270 学習アトラクタ識別判定処理
280 連想入力非学習入力データ識別設定処理
290 連想入力識別処理
300 学習入力データ読み出し処理
310 連想入力識別設定処理
400 前進連想初期設定処理
410 連想ループ初期設定処理
420 前進連想入力信号入力設定処理
430 前進追加学習ニューラルネットワーク処理
440 アトラクタ収束検出処理
450 アトラクタ収束判定処理
460 連想ループ回数判定処理
470 連想ループ回数j←j+1設定処理
480 後進ニューラルネットワーク出力信号入力設定処理
490 リングメモリ用ニューラルネットワーク処理
500 学習入力データ記憶処理
510 連想入力―リングメモリ出力一致検出処理
520 アトラクタ出力ー学習入力データ一致状態判定処理
530 リングメモリ読み出し回数判定処理
540 リングメモリ読み出しカウンタnのn←n+1設定処理
550 スプリアス・アトラクタ識別設定処理
560 アトラクタ識別処理
570 学習アトラクタ識別判定処理
580 連想入力非学習入力データ識別設定処理
590 連想入力識別処理
600 学習入力データ読み出し処理
610 後進ニューラルネットワーク処理
620 連想入力識別設定処理
630 連想入力識別設定処理
700 前進連想初期設定処理
710 連想ループ初期設定処理
720 前進連想入力信号入力設定処理
730 前進追加学習ニューラルネットワーク処理
740 アトラクタ検出識別処理
750 学習アトラクタ識別判定処理
Claims (10)
- 自己連想用ニューラルネットワーク手段から構成される自己連想記憶装置に於いて、
分類カテゴリ毎に準備された、プロトタイプと追加学習入力データからなる学習入力データとそれらに対応した教師信号とからなる学習データを追加学習し、入力信号に対する出力信号をフィードバック入力すると共に、アトラクタ収束状態ではアトラクタ出力信号を送出する自己連想用追加学習ニューラルネットワーク手段1と、
該学習入力データをリング傾斜配置した分類カテゴリ毎のリングメモリ用学習データを学習し記憶したリングメモリ用ニューラルネットワーク手段5とを有し、
ここでリング傾斜配置とは、該プロトタイプと該追加学習入力データからなる該学習入力データに於いて、該学習入力データの教師信号として該学習入力データ自身を割り当てるに当り、
最初の第1の該学習入力データである該プロトタイプの教師信号として第2の該学習入力データを割り当て、該第2の該学習入力データの教師信号として第3の該学習入力データを割り当て、以降の該学習入力データの教師信号として残りの該学習入力データを順次重なりが無いよう割り当て、最後の該学習入力データの教師信号として該プロトタイプを割り当てた、該学習入力データとその教師信号の関係をいい、
連想入力信号を該自己連想用追加学習ニューラルネットワーク手段1に一旦入力し、出力信号とその入力信号との一致比較によりアトラクタ収束状態を検出するアトラクタ収束検出手段2と、
該自己連想用追加学習ニューラルネットワーク手段1から出力され該アトラクタ収束検出手段2により検出されたアトラクタ出力信号を入力し、該リングメモリ用ニューラルネットワーク手段5から順次読みだされた該学習入力データと該アトラクタ出力信号の一致を検出し、該アトラクタ出力信号のスプリアス・アトラクタか学習アトラクタかのアトラクタ識別をするアトラクタ識別手段6とから少なくとも構成することを特徴とした自己連想記憶装置。 - 前進ニューラルネットワーク手段と後進ニューラルネットワーク手段とから構成される相互連想記憶装置に於いて、
分類カテゴリ毎に準備された、プロトタイプと追加学習入力データからなる学習入力データとそれらに対応した教師信号とからなる学習データを追加学習した前進追加学習ニューラルネットワーク手段25と、
該前進追加学習ニューラルネットワーク手段25からの入力信号に対する出力信号を該前進追加学習ニューラルネットワーク手段25にフィードバック入力すると共に、アトラクタ収束状態ではアトラクタ出力信号を送出する、該学習データの該学習入力データとそれらに対応した該教師信号とを逆配置した学習データに対して学習した後進ニューラルネットワーク手段31と、
該学習入力データをリング傾斜配置した分類カテゴリ毎のリングメモリ用学習データを学習し記憶したリングメモリ用ニューラルネットワーク手段5とを有し、
ここでリング傾斜配置とは、該プロトタイプと該追加学習入力データからなる該学習入力データに於いて、該学習入力データの教師信号として該学習入力データ自身を割り当てるに当り、
最初の第1の該学習入力データである該プロトタイプの教師信号として第2の該学習入力データを割り当て、該第2の該学習入力データの教師信号として第3の該学習入力データを割り当て、以降の該学習入力データの教師信号として残りの該学習入力データを順次重なりが無いよう割り当て、最後の該学習入力データの教師信号として該プロトタイプを割り当てた、該学習入力データとその教師信号の関係をいい、
連想入力信号を該前進追加学習ニューラルネットワーク手段25に一旦入力し、該後進ニューラルネットワーク手段31の出力信号と該前進追加学習ニューラルネットワーク手段25の入力信号との一致比較によりアトラクタ収束状態を検出するアトラクタ収束検出手段23と、
該後進ニューラルネットワーク手段31から出力され、アトラクタ出力信号と該アトラクタ収束検出手段23により検出された該出力信号と、
該出力信号を入力し該リングメモリ用ニューラルネットワーク手段5から順次読みだされた該出力信号の分類カテゴリの該学習入力データとの一致を検出し、該アトラクタ出力信号の学習アトラクタかスプリアス・アトラクタかのアトラクタ識別をするアトラクタ識別手段6とから少なくとも構成することを特徴とした相互連想記憶装置。 - 前進ニューラルネットワーク手段と後進ニューラルネットワーク手段とから構成される相互連想記憶装置に於いて、
分類カテゴリ毎に準備された、プロトタイプと追加学習入力データからなる学習入力データとそれらに対応した教師信号とからなる学習データを追加学習した前進追加学習ニューラルネットワーク手段25と、
該前進追加学習ニューラルネットワーク手段25からの入力信号に対する出力信号を該前進追加学習済みニューラルネットワーク手段25にフィードバック入力すると共に、アトラクタ収束状態ではアトラクタ出力信号を送出する、該学習データの該学習入力データとそれらに対応した該教師信号とを逆配置した学習データに対して学習した後進ニューラルネットワーク手段31と、
該学習入力データをリング傾斜配置した分類カテゴリ毎のリングメモリ用学習データを学習し記憶したリングメモリ用ニューラルネットワーク手段5と、を有し、
ここでリング傾斜配置とは、該プロトタイプと該追加学習入力データからなる該学習入力データに於いて、該学習入力データの教師信号として該学習入力データ自身を割り当てるに当り、
最初の第1の該学習入力データである該プロトタイプの教師信号として第2の該学習入力データを割り当て、該第2の該学習入力データの教師信号として第3の該学習入力データを割り当て、以降の該学習入力データの教師信号として残りの該学習入力データを順次重なりが無いよう割り当て、最後の該学習入力データの教師信号として該プロトタイプを割り当てた、該学習入力データとその教師信号の関係をいい、
連想入力信号を該前進追加学習ニューラルネットワーク手段25に一旦入力し、該後進ニューラルネットワーク手段31の出力信号と該前進追加学習ニューラルネットワーク手段25の入力信号との一致比較によりアトラクタ収束状態を検出すると、
該前進追加学習ニューラルネットワーク手段25の出力信号を用いて、該後進ニューラルネットワーク手段31から出力されたアトラクタに収束したアトラクタ出力信号の学習アトラクタかスプリアス・アトラクタかのアトラクタ識別をするアトラクタ検出識別手段26と、
該アトラクタ出力信号を入力し該リングメモリ用ニューラルネットワーク手段5から順次読み出された該学習入力データと該アトラクタ出力信号との一致を検出し該アトラクタ出力信号が学習アトラクタかスプリアスアトラクタかを識別すると共に、該リングメモリ用学習済みニューラルネットワーク手段5からの該学習入力データの読み出しを制御するアトラクタ一致検出手段29とから少なくとも構成することを特徴とした相互連想記憶装置。 - 請求項1、2及び請求項3の連想記憶装置に於いて、前記リングメモリ用ニューラルネットワーク手段5からの前記学習入力データと前記連想入力信号との一致を検出し、該連想入力信号の学習入力データか非学習入力データかを識別する連想入力識別手段9とから構成することを特徴とした連想記憶装置。
- 請求項1、2、3、及び請求項4の連想記憶装置に於いて、前記リングメモリ用ニューラルネットワーク手段5から順次読み出された前記学習入力データを記憶する学習入力データ記憶手段8とから構成することを特徴とした連想記憶装置。
- 自己連想用ニューラルネットワーク機能から構成される自己連想記憶ソフトウェアに於いて、
分類カテゴリ毎に準備された、プロトタイプと追加学習入力データからなる学習入力データとそれらに対応した教師信号とからなる学習データを追加学習し、入力信号に対する出力信号をフィードバック入力すると共に、アトラクタ収束状態ではアトラクタ出力信号を送出する自己連想用追加学習ニューラルネットワーク機能130と、
該学習入力データをリング傾斜配置した分類カテゴリ毎のリングメモリ用学習データを学習したリングメモリ用ニューラルネットワーク機能190とを有し、
ここでリング傾斜配置とは、該プロトタイプと該追加学習入力データからなる該学習入力データに於いて、該学習入力データの教師信号として該学習入力データ自身を割り当てるに当り、
最初の第1の該学習入力データである該プロトタイプの教師信号として第2の該学習入力データを割り当て、該第2の該学習入力データの教師信号として第3の該学習入力データを割り当て、以降の該学習入力データの教師信号として残りの該学習入力データを順次重なりが無いよう割り当て、最後の該学習入力データの教師信号として該プロトタイプを割り当てた、該学習入力データとその教師信号の関係をいい、
連想入力信号を該自己連想用追加学習ニューラルネットワーク機能130に一旦入力し、出力信号とその入力信号との一致比較によりアトラクタ収束状態を検出するアトラクタ収束検出機能140と、
該自己連想用追加学習ニューラルネットワーク機能130から出力され該アトラクタ収束検出機能140により検出されたアトラクタ出力信号を入力し、該リングメモリ用ニューラルネットワーク機能190から順次読みだされた該学習入力データと該アトラクタ出力信号の一致を検出し、該アトラクタ出力信号の学習アトラクタかスプリアス・アトラクタかのアトラクタ識別をするアトラクタ識別機能260とから少なくとも構成することを特徴とした自己連想記憶ソフトウェア。 - 前進ニューラルネットワーク機能と後進ニューラルネットワーク機能とから構成される相互連想記憶ソフトウェアに於いて、
分類カテゴリ毎に準備された、プロトタイプと追加学習入力データからなる学習入力データとそれらに対応した教師信号とからなる学習データを追加学習した前進追加学習ニューラルネットワーク機能430と、
該前進追加学習ニューラルネットワーク機能430からの入力信号に対する出力信号を該前進追加学習ニューラルネットワーク430にフィードバック入力すると共に、アトラクタ収束状態ではアトラクタ出力信号を送出する、該学習データの該学習入力データとそれらに対応した該教師信号とを逆配置した学習データに対して学習した後進ニューラルネットワーク機能610と、
該学習入力データをリング傾斜配置した分類カテゴリ毎のリングメモリ用学習データを学習し記憶したリングメモリ用ニューラルネットワーク機能490とを有し、
ここでリング傾斜配置とは、該プロトタイプと該追加学習入力データからなる該学習入力データに於いて、該学習入力データの教師信号として該学習入力データ自身を割り当てるに当り、
最初の第1の該学習入力データである該プロトタイプの教師信号として第2の該学習入力データを割り当て、該第2の該学習入力データの教師信号として第3の該学習入力データを割り当て、以降の該学習入力データの教師信号として残りの該学習入力データを順次重なりが無いよう割り当て、最後の該学習入力データの教師信号として該プロトタイプを割り当てた、該学習入力データとその教師信号の関係をいい、
連想入力信号を該前進追加学習ニューラルネットワーク機能430に一旦入力し、該後進ニューラルネットワーク機能610の出力信号と該前進追加学習ニューラルネットワーク機能430の入力信号との一致比較によりアトラクタ収束状態を検出するアトラクタ収束検出機能440と、
該後進ニューラルネットワーク機能610から出力され、アトラクタ出力信号と該アトラクタ収束検出機能440により検出された該出力信号と、
該出力信号を入力し該リングメモリ用ニューラルネットワーク機能490から順次読みだされた該出力信号の分類カテゴリの該学習入力データとの一致を検出し、該アトラクタ出力信号の学習アトラクタかスプリアス・アトラクタかのアトラクタ識別をするアトラクタ識別機能560とから少なくとも構成することを特徴とした相互連想記憶ソフトウェア。 - 前進ニューラルネットワーク機能と後進ニューラルネットワーク機能とから構成される相互連想記憶ソフトウェアに於いて、
分類カテゴリ毎に準備された、プロトタイプと追加学習入力データからなる学習入力データとそれらに対応した教師信号とからなる学習データを追加学習した前進追加学習ニューラルネットワーク機能730と、
該前進追加学習ニューラルネットワーク機能730からの入力信号に対する出力信号を該前進追加学習ニューラルネットワーク機能730にフィードバック入力すると共に、アトラクタ収束状態ではアトラクタ出力信号を送出する、該学習データの該学習入力データとそれらに対応した該教師信号とを逆配置した学習データに対して学習した後進ニューラルネットワーク機能610と、
該学習入力データをリング傾斜配置した分類カテゴリ毎のリングメモリ用学習データを学習し記憶したリングメモリ用ニューラルネットワーク機能490とを有し、
ここでリング傾斜配置とは、該プロトタイプと該追加学習入力データからなる該学習入力データに於いて、該学習入力データの教師信号として該学習入力データ自身を割り当てるに当り、
最初の第1の該学習入力データである該プロトタイプの教師信号として第2の該学習入力データを割り当て、該第2の該学習入力データの教師信号として第3の該学習入力データを割り当て、以降の該学習入力データの教師信号として残りの該学習入力データを順次重なりが無いよう割り当て、最後の該学習入力データの教師信号として該プロトタイプを割り当てた、該学習入力データとその教師信号の関係をいい、
連想入力信号を該前進追加学習ニューラルネットワーク機能730に一旦入力し、該後進ニューラルネットワーク610の出力信号と該前進追加学習ニューラルネットワーク730の入力信号との一致比較によりアトラクタ収束出力信号を用いて、該後進ニューラルネットワーク機能610から出力された状態を検出すると、該前進追加学習ニューラルネットワーク機能730のアトラクタに収束したアトラクタ出力信号の学習アトラクタかスプリアス・アトラクタかのアトラクタ識別をするアトラクタ識別機能740と、
該アトラクタ出力信号を入力し該リングメモリ用ニューラルネットワーク機能490から順次読み出された該学習入力データと該アトラクタ出力信号との一致を検出し該アトラクタ出力信号が学習アトラクタかスプリアスアトラクタかを識別すると共に、該リングメモリ用学習済みニューラルネットワーク機能490からの該学習入力データの読み出しを制御するアトラクタ出力ー学習入力データ一致状態判定機能520とから少なくとも構成することを特徴とした相互連想記憶ソフトウェア。 - 請求項6、7及び請求項8の連想記憶ソフトウェアに於いて、前記リングメモリ用ニューラルネットワーク機能730からの前記学習入力データと前記連想入力信号との一致を検出し、該連想入力信号の学習入力データか非学習入力データを識別する連想入力識別機能590、290とから構成することを特徴とした連想記憶ソフトウェア。
- 請求項6、7、8、及び請求項9の連想記憶ソフトウェアに於いて、前記リングメモリ用ニューラルネットワーク機能190、490から前記学習入力データを順次読み出し、記憶する学習入力データ記憶機能200、500とから構成することを特徴とした連想記憶ソフトウェア。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005102707A JP4687199B2 (ja) | 2005-03-31 | 2005-03-31 | 連想記憶装置とそのソフトウェア |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005102707A JP4687199B2 (ja) | 2005-03-31 | 2005-03-31 | 連想記憶装置とそのソフトウェア |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006285489A JP2006285489A (ja) | 2006-10-19 |
JP4687199B2 true JP4687199B2 (ja) | 2011-05-25 |
Family
ID=37407372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005102707A Expired - Fee Related JP4687199B2 (ja) | 2005-03-31 | 2005-03-31 | 連想記憶装置とそのソフトウェア |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4687199B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022021203A (ja) | 2020-07-21 | 2022-02-02 | 富士通株式会社 | 学習プログラム,学習装置及び学習方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05165801A (ja) * | 1991-12-16 | 1993-07-02 | Toshiba Corp | ニューラルネットの学習方式 |
JPH0666852A (ja) * | 1992-04-22 | 1994-03-11 | Nec Corp | スペクトラム測定装置 |
-
2005
- 2005-03-31 JP JP2005102707A patent/JP4687199B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2006285489A (ja) | 2006-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5151969A (en) | Self-repairing trellis networks | |
US11822579B2 (en) | Apparatus for functioning as sensor node and data center, sensor network, communication method and program | |
JP3328935B2 (ja) | 並列多値ニューラルネットワーク | |
De Stefano et al. | A Bayesian approach for combining ensembles of GP classifiers | |
US11942152B2 (en) | Fuzzy string search circuit | |
US20050049984A1 (en) | Neural networks and neural memory | |
JP4687199B2 (ja) | 連想記憶装置とそのソフトウェア | |
US5493632A (en) | Neural network employing a location addressable memory and method for operating the same | |
JP3675246B2 (ja) | 正誤答判定機能を有するニューラルネットワーク手段 | |
JPH08249302A (ja) | 回帰形ニューラル回路網における耐障害決定性有限状態オートマトンを実現する方法および該回路網における耐障害決定性有限状態オートマトン | |
Huang et al. | Functional error correction for reliable neural networks | |
Kareem et al. | Multi-Connect Architecture (MCA) associative memory: A modified hopfield neural network | |
JP3277648B2 (ja) | 並列ニューラルネットワーク | |
JP3757722B2 (ja) | 多層ニューラルネットワークユニット数最適化方法及び装置 | |
JP4696529B2 (ja) | 多層ニューラルネットワーク装置とそのソフトウェア | |
JP3855665B2 (ja) | 出力状態判定機能を有する並列ニューラルネットワーク処理システム | |
JP4539221B2 (ja) | 相互連想記憶装置とそのソフトウェア | |
Quiterio et al. | Determining the structure of decision directed acyclic graphs for multiclass classification problems | |
JP3855580B2 (ja) | 並列ニューラルネットワーク装置 | |
Bandyopadhyay et al. | A novel neural hetero-associative memory model for pattern recognition | |
JP2020091813A (ja) | ニューラルネットワークの学習方法、コンピュータプログラム及びコンピュータ装置 | |
KR102353390B1 (ko) | 데이터 획득 및 데이터 변환 방법 및 이를 위한 장치 | |
JP3678071B2 (ja) | ニューラルネットワーク入力判別装置 | |
JP3855582B2 (ja) | 出力状態判定機能を有する並列ニューラルネットワーク処理システム | |
Ni et al. | A neural network case-based reasoning and its application |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070919 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100720 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100916 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101222 |
|
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: 20110118 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110131 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4687199 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140225 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |