JP6791800B2 - 計算機システム及び再帰型ニューラルネットワークを用いた演算方法 - Google Patents
計算機システム及び再帰型ニューラルネットワークを用いた演算方法 Download PDFInfo
- Publication number
- JP6791800B2 JP6791800B2 JP2017075587A JP2017075587A JP6791800B2 JP 6791800 B2 JP6791800 B2 JP 6791800B2 JP 2017075587 A JP2017075587 A JP 2017075587A JP 2017075587 A JP2017075587 A JP 2017075587A JP 6791800 B2 JP6791800 B2 JP 6791800B2
- Authority
- JP
- Japan
- Prior art keywords
- input
- unit
- time
- neural network
- output
- 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.)
- Active
Links
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
- G06N3/06—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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
- G06N3/067—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means
- G06N3/0675—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means using electro-optical, acousto-optical or opto-electronic means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Neurology (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Fuzzy Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
- Optical Communication System (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Description
101 演算装置
102 メモリ
103 ネットワークインタフェース
111 入力部
112 リザーバ部
113 出力部
200 非線形ノード
201 仮想ノード
711、806 マスク回路
712 シフトレジスタ
713、721 演算器
722 レーザ
723 MZ光変調器
724 フォトダイオード
725 アンプ
731、811 読出回路
732、812 積分回路
750 学習部
751 教師データ
752 学習器
800 光回路チップ
801、804 基板
802 窒化シリコン光回路
803 シリコン光回路
805 サンプリング回路
807 遅延回路
808 変調器駆動回路
809 再帰信号増幅器
810 トランスインピーダンスアンプ
Claims (8)
- 入力部、リザーバ部、及び出力部から構成される再帰型ニューラルネットワークを用いた演算処理を実行する計算機システムであって、
前記計算機システムは、少なくとも一つの計算機を備え、
前記少なくとも一つの計算機は、演算装置及び前記演算装置に接続されるメモリを有し、
前記入力部は、複数の時系列データを受け付ける入力ノードを含み、
前記リザーバ部は、前記入力部が出力する入力データを受け取る、時間遅延を伴う少なくとも一つの非線形ノードを含み、
前記出力部は、前記リザーバ部からの出力を受け付ける出力ノードを含み、
前記入力部は、
複数の時系列データを受け付け、
前記複数の時系列データの各々を第1の時間幅に分割し、
前記複数の時系列データの各々について、前記第1の時間幅に含まれる時系列データに対してサンプル及びホールド処理を実行することによって、第1の入力ストリームを算出し、
複数の第1の入力ストリームの各々について、前記第1の入力ストリームを第2の時間幅で変調するマスク処理を実行することによって、複数の第2の入力ストリームを算出し、
前記複数の第2の入力ストリームの各々に対して、時間のズレを与える時間シフト処理を実行し、
前記時間シフト処理が実行された複数の第2の入力ストリームの各々を重ね合わせることによって前記入力データを算出することを特徴とする計算機システム。 - 請求項1に記載の計算機システムであって、
前記複数の第1の入力ストリームの各々に与える遅延の大きさが異なることを特徴とする計算機システム。 - 請求項2に記載の計算機システムであって、
前記入力部は、
前記第1の入力ストリーム及び前記第2の入力ストリームを算出するマスク回路と、
前記複数の第2の入力ストリームの各々に前記時間のズレを与える複数のシフトレジスタと、
前記時間シフト処理が実行された複数の第2の入力ストリームの各々を重ね合わせる演算回路と、から構成されることを特徴とする計算機システム。 - 請求項2に記載の計算機システムであって、
前記時間シフト処理では、
前記入力部が、前記複数の第2の入力ストリームを前記メモリに一時的に格納し、
前記入力部が、読出タイミングを調整して、前記メモリから前記複数の第2の入力ストリームの各々を読み出すことを特徴とする計算機システム。 - 少なくとも一つの計算機を有する計算機システムにおける再帰型ニューラルネットワークを用いた演算方法であって、
前記少なくとも一つの計算機は、演算装置及び前記演算装置に接続されるメモリを有し、
前記再帰型ニューラルネットワークは、入力部、リザーバ部、及び出力部から構成され、
前記入力部は、複数の時系列データを受け付ける入力ノードを含み、
前記リザーバ部は、前記入力部が出力する入力データを受け取る、時間遅延を伴う少なくとも一つの非線形ノードを含み、
前記出力部は、前記リザーバ部からの出力を受け付ける出力ノードを含み、
前記演算方法は、
前記入力部が、複数の時系列データを受け付ける第1のステップと、
前記入力部が、前記複数の時系列データの各々を第1の時間幅に分割する第2のステップと、
前記入力部が、前記複数の時系列データの各々について、前記第1の時間幅に含まれる時系列データに対してサンプル及びホールド処理を実行することによって、第1の入力ストリームを算出する第3のステップと、
前記入力部が、複数の第1の入力ストリームの各々について、前記第1の入力ストリームを第2の時間幅で変調するマスク処理を実行することによって、複数の第2の入力ストリームを算出する第4のステップと、
前記入力部が、前記複数の第2の入力ストリームの各々に対して、時間のズレを与える時間シフト処理を実行する第5のステップと、
前記入力部が、前記時間シフト処理が実行された複数の第2の入力ストリームの各々を重ね合わせることによって前記入力データを算出する第6のステップとを含む、ことを特徴とする再帰型ニューラルネットワークを用いた演算方法。 - 請求項5に記載の再帰型ニューラルネットワークを用いた演算方法であって、
前記複数の第1の入力ストリームの各々に与える遅延の大きさが異なることを特徴とする再帰型ニューラルネットワークを用いた演算方法。 - 請求項6に記載の再帰型ニューラルネットワークを用いた演算方法であって、
前記入力部は、
前記第1の入力ストリーム及び前記第2の入力ストリームを算出するマスク回路と、
前記複数の第2の入力ストリームの各々に前記時間のズレを与える複数のシフトレジスタと、
前記時間シフト処理が実行された複数の第2の入力ストリームの各々を重ね合わせる演算回路と、から構成されることを特徴とする再帰型ニューラルネットワークを用いた演算方法。 - 請求項6に記載の再帰型ニューラルネットワークを用いた演算方法であって、
前記第5のステップは、
前記入力部が、前記複数の第2の入力ストリームを前記メモリに一時的に格納するステップと、
前記入力部が、読出タイミングを調整して、前記メモリから前記複数の第2の入力ストリームの各々を読み出すステップと、を含むことを特徴とする再帰型ニューラルネットワークを用いた演算方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017075587A JP6791800B2 (ja) | 2017-04-05 | 2017-04-05 | 計算機システム及び再帰型ニューラルネットワークを用いた演算方法 |
US15/900,826 US20180293495A1 (en) | 2017-04-05 | 2018-02-21 | Computer system and computation method using recurrent neural network |
CN201810156156.7A CN108694442B (zh) | 2017-04-05 | 2018-02-23 | 计算机系统以及使用了递归神经网络的运算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017075587A JP6791800B2 (ja) | 2017-04-05 | 2017-04-05 | 計算機システム及び再帰型ニューラルネットワークを用いた演算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018180701A JP2018180701A (ja) | 2018-11-15 |
JP6791800B2 true JP6791800B2 (ja) | 2020-11-25 |
Family
ID=63711645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017075587A Active JP6791800B2 (ja) | 2017-04-05 | 2017-04-05 | 計算機システム及び再帰型ニューラルネットワークを用いた演算方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180293495A1 (ja) |
JP (1) | JP6791800B2 (ja) |
CN (1) | CN108694442B (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3104973A1 (en) * | 2018-06-27 | 2020-01-02 | Ohio State Innovation Foundation | Rapid time-series prediction with hardware-based reservoir computer |
WO2020121527A1 (ja) * | 2018-12-14 | 2020-06-18 | 三菱電機株式会社 | 学習識別装置、学習識別方法、及び、学習識別プログラム |
JP7206898B2 (ja) * | 2018-12-25 | 2023-01-18 | 富士通株式会社 | 学習装置、学習方法および学習プログラム |
JP7264408B2 (ja) * | 2019-03-04 | 2023-04-25 | 株式会社トランストロン | ニューラルネットワークモデルの生成方法、及びニューラルネットワークモデルを用いた制御装置 |
JP2020177509A (ja) * | 2019-04-19 | 2020-10-29 | 株式会社日立製作所 | 計算機及びデータ処理方法 |
CN110247298B (zh) * | 2019-05-13 | 2021-04-09 | 上海大学 | 一种确定半导体激光器储备池工作点的方法 |
JP7164489B2 (ja) * | 2019-06-06 | 2022-11-01 | 株式会社日立製作所 | 演算システムおよび方法 |
JP7301295B2 (ja) * | 2019-06-17 | 2023-07-03 | 国立大学法人九州工業大学 | 情報処理装置 |
CN110503196A (zh) * | 2019-08-26 | 2019-11-26 | 光子算数(北京)科技有限责任公司 | 一种光子神经网络芯片以及数据处理系统 |
JP7265965B2 (ja) * | 2019-08-30 | 2023-04-27 | 株式会社日立製作所 | 機械学習装置および機械学習方法 |
JP2021043791A (ja) * | 2019-09-12 | 2021-03-18 | 富士通株式会社 | リザーバコンピュータ、リザーバ設計方法及びリザーバ設計プログラム |
US11527059B2 (en) * | 2020-01-28 | 2022-12-13 | International Business Machines Corporation | Reservoir computing |
CN115443473A (zh) | 2020-04-08 | 2022-12-06 | 富士通株式会社 | 信息处理系统、信息处理装置、信息处理方法以及信息处理程序 |
JP7425370B2 (ja) | 2020-07-07 | 2024-01-31 | 富士通株式会社 | 情報処理装置及び情報処理方法 |
US20230419094A1 (en) * | 2020-12-03 | 2023-12-28 | Tdk Corporation | Reservoir element |
WO2022155722A1 (en) * | 2021-01-25 | 2022-07-28 | Huawei Technologies Canada Co., Ltd. | Multicolor tunable reservoir computing method and system |
TWI770922B (zh) * | 2021-03-31 | 2022-07-11 | 財團法人工業技術研究院 | 低精度神經網路的資料特徵擴增系統及方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04118741A (ja) * | 1990-09-10 | 1992-04-20 | Toshiba Corp | ニューラルネットワーク装置 |
JP3032402B2 (ja) * | 1993-05-18 | 2000-04-17 | ホーチキ株式会社 | 火災判定装置及びニューラルネットワークの学習方法 |
JP4208485B2 (ja) * | 2001-05-31 | 2009-01-14 | キヤノン株式会社 | パルス信号処理回路、並列処理回路、パターン認識装置、及び画像入力装置 |
JP5193940B2 (ja) * | 2009-05-11 | 2013-05-08 | 株式会社日立ハイテクノロジーズ | 自動分析装置 |
US20140108094A1 (en) * | 2012-06-21 | 2014-04-17 | Data Ventures, Inc. | System, method, and computer program product for forecasting product sales |
US9165246B2 (en) * | 2013-01-29 | 2015-10-20 | Hewlett-Packard Development Company, L.P. | Neuristor-based reservoir computing devices |
CN104899656A (zh) * | 2015-06-05 | 2015-09-09 | 三峡大学 | 一种基于总体平均经验模态分解与改进Elman神经网络的风功率组合预测方法 |
US10395168B2 (en) * | 2015-10-26 | 2019-08-27 | International Business Machines Corporation | Tunable optical neuromorphic network |
US9852372B1 (en) * | 2016-06-03 | 2017-12-26 | International Business Machines Corporation | Reservoir computing device using external-feedback laser system |
-
2017
- 2017-04-05 JP JP2017075587A patent/JP6791800B2/ja active Active
-
2018
- 2018-02-21 US US15/900,826 patent/US20180293495A1/en not_active Abandoned
- 2018-02-23 CN CN201810156156.7A patent/CN108694442B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108694442A (zh) | 2018-10-23 |
US20180293495A1 (en) | 2018-10-11 |
JP2018180701A (ja) | 2018-11-15 |
CN108694442B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6791800B2 (ja) | 計算機システム及び再帰型ニューラルネットワークを用いた演算方法 | |
Bangari et al. | Digital electronics and analog photonics for convolutional neural networks (DEAP-CNNs) | |
Larger et al. | High-speed photonic reservoir computing using a time-delay-based architecture: Million words per second classification | |
EP3796229A1 (en) | Methods and systems for implementing dynamic neural networks | |
US9704094B2 (en) | Mapping of algorithms to neurosynaptic hardware | |
EP2821942B1 (en) | Reservoir computing using passive optical systems | |
JP7115691B2 (ja) | フォトニックリザーバコンピューティングシステムのトレーニング | |
Toole et al. | Photonic implementation of spike-timing-dependent plasticity and learning algorithms of biological neural systems | |
US11436480B2 (en) | Reservoir and reservoir computing system | |
JP7350847B2 (ja) | 人工ニューラル・ネットワークを用いた変調信号の復調方法、復調器、およびその変調システム | |
CN112101540B (zh) | 光学神经网络芯片及其计算方法 | |
JP6832833B2 (ja) | リザーバコンピューティングのリザーバ層の演算を実現するデバイス及び計算機 | |
Ribeiro et al. | Beyond occam’s razor in system identification: Double-descent when modeling dynamics | |
Tsirigotis et al. | Unconventional integrated photonic accelerators for high-throughput convolutional neural networks | |
US11188454B2 (en) | Reduced memory neural network training | |
JP2018205864A (ja) | ニューラルネットワーク光学習装置 | |
Antonik et al. | Online training of an opto-electronic reservoir computer | |
JP6534987B2 (ja) | 摂動学習装置とその方法 | |
CN112232487B (zh) | 光学神经网络芯片及其计算方法 | |
US20230259155A1 (en) | Method and system for determining a guided random data sampling | |
Bilodeau et al. | Neuromorphic Silicon Photonics | |
JP2020067984A (ja) | 情報処理システム及び情報処理方法 | |
Howard et al. | Photonic long-short term memory neural networks with analog memory | |
JP7273342B2 (ja) | 光情報処理装置 | |
US20230281437A1 (en) | Radio-Frequency Photonic Architecture for Deep Neural Networks, Signal Processing, and Computing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191129 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200909 |
|
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: 20201006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6791800 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |