JP7132196B2 - 処理装置および推論システム - Google Patents
処理装置および推論システム Download PDFInfo
- Publication number
- JP7132196B2 JP7132196B2 JP2019168604A JP2019168604A JP7132196B2 JP 7132196 B2 JP7132196 B2 JP 7132196B2 JP 2019168604 A JP2019168604 A JP 2019168604A JP 2019168604 A JP2019168604 A JP 2019168604A JP 7132196 B2 JP7132196 B2 JP 7132196B2
- Authority
- JP
- Japan
- Prior art keywords
- circuit
- signals
- neural network
- coefficient
- 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
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
- G06N3/06—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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Logic Circuits (AREA)
- Image Analysis (AREA)
- Feedback Control In General (AREA)
Description
12 リザーバ回路
14 推論回路
16 制御回路
18 係数メモリ
22 第1演算回路
24 切換回路
26 第2演算回路
28 出力回路
30 積和演算回路
36 コンパレータ
112 第1記憶部
114 第2記憶部
122 第1設定部
124 第2設定部
132 第1遅延検出部
134 第1更新部
136 パターン調整部
138 第2遅延検出部
140 第2更新部
142 第3遅延検出部
144 第3更新部
Claims (19)
- M個(Mは、2以上の整数)の第1信号を受け取り、N個(Nは、2以上の整数)の第2信号を出力するリカレントニューラルネットワーク回路と、
前記M個の第1信号の印加タイミングから前記N個の第2信号の発火タイミングまでの第1遅延時間に応じて、前記リカレントニューラルネットワーク回路に設定されている複数の係数を調整する制御回路と、
を備え、
前記M個の第1信号のそれぞれは、2値を表し、
前記N個の第2信号のそれぞれは、2値を表し、
前記リカレントニューラルネットワーク回路は、前記N個の第2信号に対応するN個の積和演算回路を有し、
前記N個の積和演算回路のそれぞれは、前記M個の第1信号に対応するM個の係数が設定され、
前記リカレントニューラルネットワーク回路に、前記M個の第1信号のうちのi番目(iは、1以上M以下の整数)の第1信号が印加され、前記リカレントニューラルネットワーク回路が、前記N個の第2信号のうちのj番目(jは、1以上N以下の整数)の第2信号を発火させた場合、
前記制御回路は、前記第1遅延時間に応じて、前記リカレントニューラルネットワーク回路に設定されている複数の係数のうちの対象係数と、前記リカレントニューラルネットワーク回路に設定されている複数の係数のうちの前記対象係数以外の係数群との相対関係を調整し、
前記対象係数は、前記リカレントニューラルネットワーク回路が有する前記N個の積和演算回路のうちの前記j番目の第2信号を出力する積和演算回路に設定されている前記M個の係数のうちの、前記i番目の第1信号に乗算される係数である
処理装置。 - 前記印加タイミングは、前記M個の第1信号のうちの前記i番目の第1信号が前記リカレントニューラルネットワーク回路に印加されたタイミングであり、
前記発火タイミングは、前記印加タイミングの後、前記N個の第2信号のうちの前記j番目の第2信号が最初に発火したタイミングである
請求項1に記載の処理装置。 - 前記N個の積和演算回路のそれぞれは、前記M個の第1信号と、設定されている前記M個の係数とを積和演算した値に応じた電圧を受け取り、受け取った前記電圧を2値化し、2値化した信号を前記N個の第2信号のうちの対応する第2信号として出力するコンパレータを含む
請求項1または2に記載の処理装置。 - 前記制御回路は、前記第1遅延時間が予め設定された閾値より短い場合、前記対象係数を相対的に減少させ、前記対象係数以外の係数群を相対的に増加させる
請求項3に記載の処理装置。 - 前記制御回路は、前記第1遅延時間が短い程、前記対象係数の相対的な減少量を大きくし、前記対象係数以外の係数群の相対的な増加量を大きくする
請求項4に記載の処理装置。 - M個(Mは、2以上の整数)の第1信号を受け取り、N個(Nは、2以上の整数)の第2信号を出力するリカレントニューラルネットワーク回路と、
前記M個の第1信号の印加タイミングから前記N個の第2信号の発火タイミングまでの第1遅延時間に応じて、前記リカレントニューラルネットワーク回路に設定されている複数の係数を調整する制御回路と、
を備え、
前記リカレントニューラルネットワーク回路は、
前記M個の第1信号を受け取り、前記N個の第2信号を出力するニューラルネットワーク演算を実行する第1演算回路と、
切換回路と、
を有し、
前記切換回路は、
入力データを受け取った場合、前記入力データに応じた前記M個の第1信号を前記第1演算回路に供給し、
前記入力データに応じた前記M個の第1信号を前記第1演算回路に供給した後、前記N個の第2信号を前記M個の第1信号として前記第1演算回路に供給する
処理装置。 - M=Nである
請求項6に記載の処理装置。 - 前記リカレントニューラルネットワーク回路に設定されている複数の係数に対応する複数のデジタル係数値を記憶する係数メモリをさらに備え、
前記制御回路は、
前記第1遅延時間に応じて、前記係数メモリに記憶されている前記複数のデジタル係数値を調整し、
前記係数メモリに記憶されている前記複数のデジタル係数値に基づき、前記リカレントニューラルネットワーク回路に設定されている複数の係数を変更する
請求項1から7の何れか1項に記載の処理装置。 - 前記リカレントニューラルネットワーク回路に設定されている複数の係数のそれぞれは、第1階調数により表され、
前記複数のデジタル係数値のそれぞれは、前記第1階調数より多い第2階調数により表され、
前記制御回路は、前記複数のデジタル係数値のそれぞれを前記第1階調数に変換し、前記第1階調数で表された前記複数のデジタル係数値に基づき、前記リカレントニューラルネットワーク回路に設定されている複数の係数を変更する
請求項8に記載の処理装置。 - M個(Mは、2以上の整数)の入力信号を受け取り、N個(Nは、2以上の整数)の中間信号を出力するリカレントニューラルネットワーク回路と、
前記N個の中間信号を受け取り、L個(Lは、2以上の整数)の出力信号を出力する推論ニューラルネットワーク回路と、
前記リカレントニューラルネットワーク回路に設定されている複数の係数および前記推論ニューラルネットワーク回路に設定されている複数の係数を調整する制御回路と、
を備え、
前記制御回路は、前記M個の入力信号の印加タイミングから前記L個の出力信号の発火タイミングまでのトータル遅延時間に応じて、前記リカレントニューラルネットワーク回路に設定されている複数の係数を調整する
推論システム。 - 前記M個の入力信号のそれぞれは、2値を表し、
前記N個の中間信号のそれぞれは、2値を表し、
前記L個の出力信号のそれぞれは、2値を表し、
前記リカレントニューラルネットワーク回路は、前記N個の中間信号に対応するN個の積和演算回路を有し、
前記N個の積和演算回路のそれぞれは、前記M個の入力信号に対応するM個の係数が設定され、
前記リカレントニューラルネットワーク回路に、前記M個の入力信号のうちのi番目(iは、1以上M以下の整数)の入力信号が印加された場合、
前記制御回路は、前記トータル遅延時間に応じて、前記リカレントニューラルネットワーク回路に設定されている入力係数群と、前記リカレントニューラルネットワーク回路に設定されている前記入力係数群以外の係数群との相対関係を調整し、
前記入力係数群は、前記リカレントニューラルネットワーク回路に設定されている複数の係数のうちの前記i番目の入力信号に乗算される係数群である
請求項10に記載の推論システム。 - 前記N個の積和演算回路のそれぞれは、前記M個の入力信号と、設定されている前記M個の係数とを積和演算した値に応じた電圧を受け取り、受け取った前記電圧を2値化し、2値化した信号を前記N個の中間信号のうちの対応する中間信号として出力するコンパレータを有する
請求項11に記載の推論システム。 - 前記制御回路は、前記トータル遅延時間が予め設定された閾値より長い場合、前記入力係数群を相対的に増加させ、前記入力係数群以外の係数群を相対的に減少させる
請求項12に記載の推論システム。 - 前記制御回路は、前記トータル遅延時間が長い程、前記入力係数群の相対的な増加量を大きくし、前記入力係数群以外の係数群の相対的な減少量を大きくする
請求項13に記載の推論システム。 - 前記リカレントニューラルネットワーク回路に、前記i番目の入力信号が印加され、前記リカレントニューラルネットワーク回路が、前記N個の中間信号のうちのj番目(jは、1以上N以下の整数)の中間信号を発火させた場合、
前記制御回路は、前記M個の入力信号の印加タイミングから前記N個の中間信号の発火タイミングまでの第1遅延時間に応じて、前記リカレントニューラルネットワーク回路に設定されている複数の係数のうちの対象係数と、前記対象係数以外の係数群との相対関係を調整し、
前記対象係数は、前記リカレントニューラルネットワーク回路に含まれる前記N個の積和演算回路のうちの前記j番目の出力信号を出力する積和演算回路に設定されている前記M個の係数のうちの、前記i番目の入力信号に乗算される係数である
請求項11から14の何れか1項に記載の推論システム。 - 前記推論ニューラルネットワーク回路は、前記L個の出力信号に対応するL個の積和演算回路を有し、
前記L個の積和演算回路のそれぞれは、前記N個の中間信号に対応するN個の係数が設定され、
前記リカレントニューラルネットワーク回路に、訓練データに応じた前記M個の入力信号が印加され、前記推論ニューラルネットワーク回路が、前記L個の出力信号のうちの教師データに示されたk番目(kは、1以上L以下の整数)の出力信号を発火させた場合、
前記制御回路は、前記M個の入力信号の印加タイミングまたは前記N個の中間信号の印加タイミングから、前記L個の出力信号の発火タイミングまでの第2遅延時間に応じて、前記推論ニューラルネットワーク回路に設定されている複数の係数のうちの出力係数群と、前記推論ニューラルネットワーク回路に設定されている複数の係数のうちの前記出力係数群以外の係数群との相対関係を調整し、
前記出力係数群は、前記推論ニューラルネットワーク回路に含まれる前記L個の積和演算回路のうちの前記k番目の出力信号を出力する積和演算回路に設定されている前記N個の係数である
請求項11から15の何れか1項に記載の推論システム。 - 前記制御回路は、
前記第2遅延時間が予め設定された閾値より長い場合、前記出力係数群を相対的に増加させ、前記出力係数群以外の係数群を相対的に減少させ、
前記第2遅延時間が長い程、前記出力係数群の相対的な増加量を大きくし、前記出力係数群以外の係数群の相対的な減少量を大きくする
請求項16に記載の推論システム。 - 前記制御回路は、前記訓練データに応じた前記M個の入力信号が前記リカレントニューラルネットワーク回路に供給された場合に、前記L個の出力信号のうちの前記教師データに示された出力信号が発火するように、前記推論ニューラルネットワーク回路に設定されている複数の係数を調整する
請求項16または17に記載の推論システム。 - 前記推論ニューラルネットワーク回路は、
前記N個の中間信号を受け取り、L個の信号を出力するニューラルネットワーク演算を実行する第2演算回路と、
前記第2演算回路から出力された前記L個の信号に対応する前記L個の出力信号を生成する出力回路と、
を有し、
前記出力回路は、前記L個の出力信号のそれぞれを、前記L個の信号のうちの対応する信号の発火パターンに応じて、発火させる
請求項10から18の何れか1項に記載の推論システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019168604A JP7132196B2 (ja) | 2019-09-17 | 2019-09-17 | 処理装置および推論システム |
US16/801,275 US11526738B2 (en) | 2019-09-17 | 2020-02-26 | Processing apparatus and inference system |
US18/052,086 US11893476B2 (en) | 2019-09-17 | 2022-11-02 | Processing apparatus and inference system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019168604A JP7132196B2 (ja) | 2019-09-17 | 2019-09-17 | 処理装置および推論システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021047530A JP2021047530A (ja) | 2021-03-25 |
JP7132196B2 true JP7132196B2 (ja) | 2022-09-06 |
Family
ID=74869666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019168604A Active JP7132196B2 (ja) | 2019-09-17 | 2019-09-17 | 処理装置および推論システム |
Country Status (2)
Country | Link |
---|---|
US (2) | US11526738B2 (ja) |
JP (1) | JP7132196B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7132196B2 (ja) * | 2019-09-17 | 2022-09-06 | 株式会社東芝 | 処理装置および推論システム |
JP2021111142A (ja) | 2020-01-10 | 2021-08-02 | 株式会社東芝 | 演算装置 |
JP7289802B2 (ja) * | 2020-02-17 | 2023-06-12 | 株式会社日立製作所 | リザーバー計算機 |
JP2022129104A (ja) | 2021-02-24 | 2022-09-05 | 株式会社東芝 | 不揮発性メモリデバイス |
WO2022248963A1 (ja) * | 2021-05-27 | 2022-12-01 | 株式会社半導体エネルギー研究所 | 半導体装置 |
WO2024069720A1 (ja) * | 2022-09-26 | 2024-04-04 | 日本電信電話株式会社 | ノードアッセンブリ、概念シーケンサ、ノードアッセンブリ生成プログラム、及びノードアッセンブリ生成方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07109609B2 (ja) * | 1993-12-21 | 1995-11-22 | 工業技術院長 | 神経回路の時系列学習方法 |
US5748847A (en) * | 1995-12-21 | 1998-05-05 | Maryland Technology Corporation | Nonadaptively trained adaptive neural systems |
JP2006293442A (ja) * | 2005-04-05 | 2006-10-26 | Sony Corp | 情報処理装置および方法、並びにプログラム |
US9165246B2 (en) | 2013-01-29 | 2015-10-20 | Hewlett-Packard Development Company, L.P. | Neuristor-based reservoir computing devices |
JP6846297B2 (ja) | 2016-06-20 | 2021-03-24 | キオクシア株式会社 | 演算装置 |
US20210295668A1 (en) * | 2016-10-05 | 2021-09-23 | My Medic Watch Pty Ltd | Alert system |
JP6556768B2 (ja) | 2017-01-25 | 2019-08-07 | 株式会社東芝 | 積和演算器、ネットワークユニットおよびネットワーク装置 |
US10783452B2 (en) * | 2017-04-28 | 2020-09-22 | International Business Machines Corporation | Learning apparatus and method for learning a model corresponding to a function changing in time series |
JP6773621B2 (ja) | 2017-09-15 | 2020-10-21 | 株式会社東芝 | 演算装置 |
GB2570433A (en) * | 2017-09-25 | 2019-07-31 | Nissan Motor Mfg Uk Ltd | Machine vision system |
JP6786466B2 (ja) | 2017-11-17 | 2020-11-18 | 株式会社東芝 | ニューラルネットワーク装置および演算装置 |
US10325223B1 (en) * | 2018-02-06 | 2019-06-18 | Apprente, Inc. | Recurrent machine learning system for lifelong learning |
JP6970058B2 (ja) | 2018-07-19 | 2021-11-24 | 株式会社東芝 | 演算装置 |
JP6926037B2 (ja) | 2018-07-26 | 2021-08-25 | 株式会社東芝 | シナプス回路、演算装置およびニューラルネットワーク装置 |
JP6972057B2 (ja) | 2019-03-15 | 2021-11-24 | 株式会社東芝 | 演算装置 |
US20200380335A1 (en) * | 2019-05-30 | 2020-12-03 | AVAST Software s.r.o. | Anomaly detection in business intelligence time series |
JP7034984B2 (ja) | 2019-05-30 | 2022-03-14 | 株式会社東芝 | 演算装置 |
JP7027371B2 (ja) | 2019-06-03 | 2022-03-01 | 株式会社東芝 | ニューラルネットワークの演算装置、ニューラルネットワーク、ニューラルネットワークの制御方法 |
WO2020261549A1 (ja) * | 2019-06-28 | 2020-12-30 | Tdk株式会社 | 機械学習装置、機械学習プログラム、及び機械学習方法 |
JP7231144B2 (ja) * | 2019-07-17 | 2023-03-01 | 株式会社トランストロン | エンジン制御装置及びそれが有するニューラルネットワークプログラム |
JP7118930B2 (ja) | 2019-08-19 | 2022-08-16 | 株式会社東芝 | スパイキングニューラルネットワーク装置およびその学習方法 |
JP6795721B1 (ja) * | 2019-08-29 | 2020-12-02 | 楽天株式会社 | 学習システム、学習方法、及びプログラム |
JP7132196B2 (ja) * | 2019-09-17 | 2022-09-06 | 株式会社東芝 | 処理装置および推論システム |
-
2019
- 2019-09-17 JP JP2019168604A patent/JP7132196B2/ja active Active
-
2020
- 2020-02-26 US US16/801,275 patent/US11526738B2/en active Active
-
2022
- 2022-11-02 US US18/052,086 patent/US11893476B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20210081771A1 (en) | 2021-03-18 |
JP2021047530A (ja) | 2021-03-25 |
US11526738B2 (en) | 2022-12-13 |
US20230289581A1 (en) | 2023-09-14 |
US11893476B2 (en) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7132196B2 (ja) | 処理装置および推論システム | |
KR102230784B1 (ko) | Stdp 동작을 위한 시냅스 회로 및 시냅스 회로를 포함하는 뉴로모픽 시스템 | |
KR102578124B1 (ko) | 신경망 장치의 정규화 장치 및 방법 | |
JP6773621B2 (ja) | 演算装置 | |
US10671911B2 (en) | Current mirror scheme for an integrating neuron circuit | |
TWI762719B (zh) | 用於混和訊號運算的系統及方法 | |
US20190279079A1 (en) | Neuromorphic system with transposable memory and virtual look-up table | |
US11055612B2 (en) | Voltage controlled highly linear resistive elements | |
WO2016190928A2 (en) | Spike domain convolution circuit | |
KR20190114212A (ko) | 이진값 기반 신경회로망을 위한 단일 컬럼 멤리스터 크로스바 및 cmos 활성화 함수 회로 | |
TW202236172A (zh) | 分佈式多組件突觸計算結構 | |
US6041321A (en) | Electronic device for performing convolution operations | |
US6876989B2 (en) | Back-propagation neural network with enhanced neuron characteristics | |
KR20180070187A (ko) | 신경망 장치의 정규화 장치 및 방법 | |
JP2020154412A (ja) | ニューラルネットワーク装置 | |
US20170004398A1 (en) | Boltzmann machine circuit and method for controlling circuit | |
Kohno et al. | A qualitative-modeling-based low-power silicon nerve membrane | |
US20190392291A1 (en) | Electronic circuit for implementing generative adversarial network using spike neural network | |
JP7346373B2 (ja) | 演算装置およびニューラルネットワーク装置 | |
US20180174045A1 (en) | Apparatus and method for recognizing information of neuromorphic device | |
US20210279558A1 (en) | Synaptic circuit and neural network apparatus | |
Napp-Zinn et al. | Recognition and tracking of impulse patterns with delay adaptation in biology-inspired pulse processing neural net (BPN) hardware | |
Lo et al. | Expandable Neuron Cell with Current-Steering DAC for Deep-Learning | |
JP7447034B2 (ja) | シナプス回路およびニューラルネットワーク装置 | |
KR20220169869A (ko) | 전하 연산 오류를 방지하기 위한 시냅스 회로 및 그것을 포함하는 스파이크 뉴럴 네트워크 회로 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220222 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220422 |
|
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: 20220726 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220825 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7132196 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |