JP7259253B2 - 人工ニューラルネットワーク回路 - Google Patents
人工ニューラルネットワーク回路 Download PDFInfo
- Publication number
- JP7259253B2 JP7259253B2 JP2018188437A JP2018188437A JP7259253B2 JP 7259253 B2 JP7259253 B2 JP 7259253B2 JP 2018188437 A JP2018188437 A JP 2018188437A JP 2018188437 A JP2018188437 A JP 2018188437A JP 7259253 B2 JP7259253 B2 JP 7259253B2
- Authority
- JP
- Japan
- Prior art keywords
- output
- bars
- circuit
- differential pair
- bar
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- 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
- G06N3/045—Combinations of 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
- G06N3/06—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
- G06N3/06—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
- G06N3/065—Analogue means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural 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
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Biodiversity & Conservation Biology (AREA)
- Neurology (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Semiconductor Integrated Circuits (AREA)
- Logic Circuits (AREA)
Description
人工NNの階層化されたニューロン間で信号の伝達を行うクロスバー回路(44)と、
クロスバー回路は、複数の入力バー(50)と複数の出力バー(51a、51b、52a、52b)とが交差するように配列され、かつ、複数の入力バーと複数の出力バーとの各交点に、伝達される信号に対して重みを付与する抵抗変化型メモリであるメモリスタ(53)が設けられたものであり、
ニューロンにおける信号処理として、少なくとも、メモリスタによってそれぞれ重みが付与されて、各々の出力バーに流れ込む信号の総和の算出を実行する処理回路(45)と、を備え、
複数の出力バーは、1対の出力バーが差動対出力バーとして用いられることで、各入力バーとの間において、差動対出力バーの正側の出力バーに接続されるメモリスタの重みと、負側の出力バーに接続されるメモリスタの重みとの差分に応じて、各入力バーに入力される信号に正又は負の重みを付与可能とされ、
差動対出力バーの正側の出力バーは複数の出力バーを含み、差動対出力バーの負側の出力バーは、正側の出力バーと同数の複数の出力バーを含み、
処理回路は、信号の総和として、複数の正側の出力バーから出力される信号の総和と、複数の負側の出力バーから出力される信号の総和との差分を算出するように構成される。
次に、クロスバー回路44の基本的な構成について、図4~図6に基づいて説明する。クロスバー回路44は、上述した多層NN10や畳み込みNN20の隣接する層の間で、信号を伝達させるために用いられるものである。図4~図6は、図示及び説明の便宜上、クロスバー回路44の一部のみを示している。
出力電圧=R(G(+) 11V1-G(-) 11V1+G(+) 12V1-G(-) 12V1
+G(+) 21V2-G(-) 21V2+G(+) 22V2-G(-) 22V2+…)
従って、差動対出力バー51a、51b、52a、52bを介して入力信号V1が伝達されるときにメモリスタ53によって付与される重みは、R(G(+) 11-G(-) 11+G(+) 12V1-G(-) 12+…)となる。また、入力信号V2が伝達されるときにメモリスタ53によって付与される重みは、R(G(+) 21-G(-) 21+G(+) 22-G(-) 22+…)となる。図4及び図5には図示していないが、他の入力信号に対する重みについても同様である。
Claims (7)
- 人工ニューラルネットワークの階層化されたニューロン間で信号の伝達を行うクロスバー回路(44)と、
前記クロスバー回路は、複数の入力バー(50)と複数の出力バー(51a、51b、52a、52b)とが交差するように配列され、かつ、前記複数の入力バーと前記複数の出力バーとの各交点に、伝達される信号に対して重みを付与する抵抗変化型メモリであるメモリスタ(53)が設けられたものであり、
前記ニューロンにおける信号処理として、少なくとも、前記メモリスタによってそれぞれ重みが付与されて、各々の前記出力バーに流れ込む信号の総和の算出を実行する処理回路(45)と、を備えた人工ニューラルネットワーク回路であって、
前記複数の出力バーは、1対の出力バーが差動対出力バーとして用いられることで、各入力バーとの間において、差動対出力バーの正側の出力バーに接続されるメモリスタの重みと、負側の出力バーに接続されるメモリスタの重みとの差分に応じて、各入力バーに入力される信号に正又は負の重みを付与可能とされ、
前記差動対出力バーの正側の出力バーは複数の出力バーを含み、前記差動対出力バーの負側の出力バーは、正側の出力バーと同数の複数の出力バーを含み、
前記処理回路は、前記信号の総和として、複数の正側の出力バーから出力される信号の総和と、複数の負側の出力バーから出力される信号の総和との差分を算出するように構成される人工ニューラルネットワーク回路。 - 前記差動対出力バーは、前記複数の正側の出力バーが、接続される複数のメモリスタの重みが相互に同一となるように設定され、かつ、前記複数の負側の出力バーが、接続される複数のメモリスタの重みが相互に同一となるように設定される同一重み差動対出力バーである請求項1に記載の人工ニューラルネットワーク回路。
- 前記処理回路は、前記差動対出力バーに含まれる複数の正側の出力バーから出力される信号の総和と、複数の負側の出力バーから出力される信号の総和との差分を、前記複数の正側の出力バーの数で正規化する請求項1又は2に記載の人工ニューラルネットワーク回路。
- 前記差動対出力バーの前記複数の正側の出力バーに接続されるメモリスタと、前記複数の負側の出力バーに接続されるメモリスタとには、学習により得られた重みを前記複数の正側の出力バーの数で正規化した重みが設定される請求項1又は2に記載の人工ニューラルネットワーク回路。
- 前記人工ニューラルネットワークは、少なくともニューロンが3層に階層化された多層ニューラルネットワークであって、
前記差動対出力バーを含むクロスバー回路及び前記差動対出力バーの信号の総和の差分を算出する処理回路は、階層化されたニューロンのすべての層間に設けられる請求項1乃至4のいずれかに記載の人工ニューラルネットワーク回路。 - 前記人工ニューラルネットワークは、少なくともニューロンが3層に階層化された多層ニューラルネットワークであって、
前記差動対出力バーを含むクロスバー回路及び前記差動対出力バーの信号の総和の差分を算出する処理回路は、階層化されたニューロンの一部の層間だけに設けられる請求項1乃至4のいずれかに記載の人工ニューラルネットワーク回路。 - 前記差動対出力バーを含むクロスバー回路及び前記差動対出力バーの信号の総和の差分を算出する処理回路は、前記多層ニューラルネットワークの階層化されたニューロンの各層間の中で、相対的に、前記クロスバー回路の入力バー及び/又は出力バーの本数が少ない、少なくとも1つの層間に設けられる請求項6に記載の人工ニューラルネットワーク回路。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018188437A JP7259253B2 (ja) | 2018-10-03 | 2018-10-03 | 人工ニューラルネットワーク回路 |
US16/589,415 US11562215B2 (en) | 2018-10-03 | 2019-10-01 | Artificial neural network circuit |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018188437A JP7259253B2 (ja) | 2018-10-03 | 2018-10-03 | 人工ニューラルネットワーク回路 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020057278A JP2020057278A (ja) | 2020-04-09 |
JP7259253B2 true JP7259253B2 (ja) | 2023-04-18 |
Family
ID=70052191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018188437A Active JP7259253B2 (ja) | 2018-10-03 | 2018-10-03 | 人工ニューラルネットワーク回路 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11562215B2 (ja) |
JP (1) | JP7259253B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020029079A1 (zh) * | 2018-08-07 | 2020-02-13 | 中国科学院微电子研究所 | 一种神经元电路以及神经网络电路 |
US20240062053A1 (en) * | 2021-01-08 | 2024-02-22 | Agency For Science, Technology And Research | Generating an output for a rectified linear unit (relu)-activated neuron of a neural network |
EP4075342A1 (en) * | 2021-04-15 | 2022-10-19 | Nokia Technologies Oy | Convolution engine for in-memory computing |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140122402A1 (en) | 2011-06-30 | 2014-05-01 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Network of artificial neurons based on complementary memristive devices |
JP2018147159A (ja) | 2017-03-03 | 2018-09-20 | 株式会社デンソー | ニューラルネットワーク回路 |
JP2019179499A (ja) | 2018-03-30 | 2019-10-17 | ソニー株式会社 | 半導体装置及び積和演算装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0276062A (ja) * | 1988-09-12 | 1990-03-15 | Nippon Telegr & Teleph Corp <Ntt> | 神経回路網の構成方法および神経回路網 |
US8874498B2 (en) | 2011-09-16 | 2014-10-28 | International Business Machines Corporation | Unsupervised, supervised, and reinforced learning via spiking computation |
US9619749B2 (en) * | 2014-03-06 | 2017-04-11 | Progress, Inc. | Neural network and method of neural network training |
US10074050B2 (en) | 2015-07-13 | 2018-09-11 | Denso Corporation | Memristive neuromorphic circuit and method for training the memristive neuromorphic circuit |
US10332004B2 (en) | 2015-07-13 | 2019-06-25 | Denso Corporation | Memristive neuromorphic circuit and method for training the memristive neuromorphic circuit |
US10171084B2 (en) * | 2017-04-24 | 2019-01-01 | The Regents Of The University Of Michigan | Sparse coding with Memristor networks |
US11348002B2 (en) * | 2017-10-24 | 2022-05-31 | International Business Machines Corporation | Training of artificial neural networks |
US10970441B1 (en) * | 2018-02-26 | 2021-04-06 | Washington University | System and method using neural networks for analog-to-information processors |
US11157810B2 (en) * | 2018-04-16 | 2021-10-26 | International Business Machines Corporation | Resistive processing unit architecture with separate weight update and inference circuitry |
US11403518B2 (en) | 2018-04-25 | 2022-08-02 | Denso Corporation | Neural network circuit |
US10956814B2 (en) * | 2018-08-27 | 2021-03-23 | Silicon Storage Technology, Inc. | Configurable analog neural memory system for deep learning neural network |
US11928576B2 (en) * | 2018-10-18 | 2024-03-12 | Denso Corporation | Artificial neural network circuit and method for switching trained weight in artificial neural network circuit |
GB2583790A (en) * | 2019-05-07 | 2020-11-11 | Cirrus Logic Int Semiconductor Ltd | Computing circuitry |
-
2018
- 2018-10-03 JP JP2018188437A patent/JP7259253B2/ja active Active
-
2019
- 2019-10-01 US US16/589,415 patent/US11562215B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140122402A1 (en) | 2011-06-30 | 2014-05-01 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Network of artificial neurons based on complementary memristive devices |
JP2018147159A (ja) | 2017-03-03 | 2018-09-20 | 株式会社デンソー | ニューラルネットワーク回路 |
JP2019179499A (ja) | 2018-03-30 | 2019-10-17 | ソニー株式会社 | 半導体装置及び積和演算装置 |
Also Published As
Publication number | Publication date |
---|---|
US11562215B2 (en) | 2023-01-24 |
US20200110985A1 (en) | 2020-04-09 |
JP2020057278A (ja) | 2020-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gamboa | Deep learning for time-series analysis | |
US20200110991A1 (en) | Method for adjusting output level of multilayer neural network neuron | |
Yoo | Deep convolution neural networks in computer vision: a review | |
JP7259253B2 (ja) | 人工ニューラルネットワーク回路 | |
JP7240657B2 (ja) | ニューラルネットワーク回路装置、ニューラルネットワーク、ニューラルネットワーク処理方法およびニューラルネットワークの実行プログラム | |
JP7196803B2 (ja) | 人工ニューラルネットワーク回路及び人工ニューラルネットワーク回路における学習値切替方法 | |
JP6724863B2 (ja) | 畳み込みニューラルネットワーク | |
US11423287B2 (en) | Computer for spiking neural network with maximum aggregation | |
JP2019016159A (ja) | 畳み込みニューラルネットワーク | |
US11928576B2 (en) | Artificial neural network circuit and method for switching trained weight in artificial neural network circuit | |
CN107223260B (zh) | 用于动态地更新分类器复杂度的方法 | |
Maan et al. | Memristive threshold logic circuit design of fast moving object detection | |
JP7279921B2 (ja) | ニューラルネットワーク回路装置、ニューラルネットワーク処理方法およびニューラルネットワークの実行プログラム | |
Malik et al. | Operational vs convolutional neural networks for image denoising | |
Qin et al. | Training recurrent neural networks against noisy computations during inference | |
CN110717374A (zh) | 一种基于改进的多层感知机的高光谱遥感影像分类方法 | |
Dorband | A boltzmann machine implementation for the d-wave | |
EP3929822A1 (en) | Neuromorphic apparatus and method with neural network | |
Yanguas-Gil et al. | The insect brain as a model system for low power electronics and edge processing applications | |
US12086953B2 (en) | Image processing device and operating method thereof | |
JP6741159B1 (ja) | 推論装置及び推論方法 | |
Wu et al. | An introduction of deep learning methods for sensing applications | |
Jang et al. | Neural Networks with Activation Networks | |
Lahmiri | Intelligent ensemble systems for modeling NASDAQ microstructure: A comparative study | |
Sharma et al. | Neural Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210413 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220301 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220426 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220913 |
|
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: 20230307 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230320 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7259253 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |