JPH01147657A - カオス回路網 - Google Patents
カオス回路網Info
- Publication number
- JPH01147657A JPH01147657A JP62306574A JP30657487A JPH01147657A JP H01147657 A JPH01147657 A JP H01147657A JP 62306574 A JP62306574 A JP 62306574A JP 30657487 A JP30657487 A JP 30657487A JP H01147657 A JPH01147657 A JP H01147657A
- Authority
- JP
- Japan
- Prior art keywords
- chaos
- neuron
- chaotic
- circuit
- neuron model
- 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.)
- Granted
Links
- 210000002569 neuron Anatomy 0.000 claims abstract description 47
- 238000013528 artificial neural network Methods 0.000 claims abstract description 6
- 230000000739 chaotic effect Effects 0.000 claims description 32
- 230000010355 oscillation Effects 0.000 claims description 8
- 230000000737 periodic effect Effects 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 abstract 2
- 230000008878 coupling Effects 0.000 abstract 1
- 238000010168 coupling process Methods 0.000 abstract 1
- 238000005859 coupling reaction Methods 0.000 abstract 1
- 238000005070 sampling Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 20
- 230000010365 information processing Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000036982 action potential Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 150000002019 disulfides Chemical class 0.000 description 1
- 210000004126 nerve fiber Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、カオスを生成する能力を備えたカオスニュー
ロンモデルをプロセッシングエレメントとする並列分散
情報処理システムとしてのカオス回路網に関するもので
ある。
ロンモデルをプロセッシングエレメントとする並列分散
情報処理システムとしてのカオス回路網に関するもので
ある。
従来の情報処理システムは、はとんどが2値論理に基礎
を置(ディジタル回路によるものが主流を占めており、
その他にはファジィ論理や発振(リミットサイクル)現
象を用いるものであった。さらに最近、カオス現象を情
報処理に適用することにより、生体の有する優れた能力
、例えばパターン認識、知識情報処理、適応制御などの
工学的機能が有利に実現される可能性が、主として理論
的に指摘されている。
を置(ディジタル回路によるものが主流を占めており、
その他にはファジィ論理や発振(リミットサイクル)現
象を用いるものであった。さらに最近、カオス現象を情
報処理に適用することにより、生体の有する優れた能力
、例えばパターン認識、知識情報処理、適応制御などの
工学的機能が有利に実現される可能性が、主として理論
的に指摘されている。
しかしながら、発振現象自体は電子技術によって容易に
達成できるものの、生物のニューロンにおいてみられる
カオスを簡単に実現する電子技術およびそのカオスを生
成する素子を多数相互接続した汎用のネットワーク構成
技術は確立されていなかった。
達成できるものの、生物のニューロンにおいてみられる
カオスを簡単に実現する電子技術およびそのカオスを生
成する素子を多数相互接続した汎用のネットワーク構成
技術は確立されていなかった。
本発明は、特許請求の範囲に記載のカオス回路網、すな
わち、生物のニューロンを用いた電気生理実験において
観測される周期振動及びカオスを定性的に再現するため
のカオスニューロンモデルからなるプロセッシングエレ
メントを構成し、該プロセッシングエレメントを相互結
合することによって得られた並列分散アーキテクチャを
有する人工的ニューラルネットワークとして構成された
カオス回路網にある。
わち、生物のニューロンを用いた電気生理実験において
観測される周期振動及びカオスを定性的に再現するため
のカオスニューロンモデルからなるプロセッシングエレ
メントを構成し、該プロセッシングエレメントを相互結
合することによって得られた並列分散アーキテクチャを
有する人工的ニューラルネットワークとして構成された
カオス回路網にある。
本発明においては、周期振動及びカオスの両者を生成す
ることができる、カオスニューロモデルを実装した電子
回路に基づいて、そのカオスニューロンモデルをプロセ
ッシングエレメントとする並列分散アーキテクチャを有
する人工的ニューラルネットワークとしてのカオス回路
網が得られる。
ることができる、カオスニューロモデルを実装した電子
回路に基づいて、そのカオスニューロンモデルをプロセ
ッシングエレメントとする並列分散アーキテクチャを有
する人工的ニューラルネットワークとしてのカオス回路
網が得られる。
〔実施例]
以下、添付図を参照しつつ本発明を開示する。
実際の生物のニューロンの周期振動やカオスを定性的に
再現するカオスニューロンモデルの動作は(1)、(2
)式で表す離散的時間モデルによって記述することがで
きる。
再現するカオスニューロンモデルの動作は(1)、(2
)式で表す離散的時間モデルによって記述することがで
きる。
y(t+1)・k+y(t)−P(y(t))+I(t
) (1)x(t+1)Jzf (y(t+1)
) (2)但し、 y(t+1):時刻(t+1)でのニューロンの内部状
態x(t+1):時刻(t+1)でのニューロンの出力
に+、kg:パラメータ定数(ただしに+<1)I(t
): 時刻tでのニューロンへの入力f: ニューロ
ンの内部状態y(t+1)と出力x(t+1)との関係
を与える出力関数F二 ニューロンの時刻tでの内部状
態y(t)が、次の時刻(t+1)の内部状態y(t+
1)へ与える影響(不応性等)を表す関数。通常は、k
2fと等しく選んでよい。
) (1)x(t+1)Jzf (y(t+1)
) (2)但し、 y(t+1):時刻(t+1)でのニューロンの内部状
態x(t+1):時刻(t+1)でのニューロンの出力
に+、kg:パラメータ定数(ただしに+<1)I(t
): 時刻tでのニューロンへの入力f: ニューロ
ンの内部状態y(t+1)と出力x(t+1)との関係
を与える出力関数F二 ニューロンの時刻tでの内部状
態y(t)が、次の時刻(t+1)の内部状態y(t+
1)へ与える影響(不応性等)を表す関数。通常は、k
2fと等しく選んでよい。
ここで、(2)式のfは単調増大の連続関数で、例えば
、(3)〜(6)式もしくはそれに近い形を有するもの
である(ε:パラメータ定数)。
、(3)〜(6)式もしくはそれに近い形を有するもの
である(ε:パラメータ定数)。
f(y)=(l y+ε1−1y−ε1)/4ε+1/
2 (31第1図は、この単一のカオスニューロン
モデルを実装する電子回路のブロック図である。図中、
中央は上記(1)式に示した特性を実現するための回路
1で、その前段と後段とには、離散的時間系として交互
にオン・オフを繰り返すサンプル・ホールド回路2.2
”が接続される。
2 (31第1図は、この単一のカオスニューロン
モデルを実装する電子回路のブロック図である。図中、
中央は上記(1)式に示した特性を実現するための回路
1で、その前段と後段とには、離散的時間系として交互
にオン・オフを繰り返すサンプル・ホールド回路2.2
”が接続される。
第2図は第1図の基本回路の機能を具体的に実現するた
めのブロック図である。図において、加減算器14の各
人力11.12.13は、(1)式の右辺の第1項、第
2項および第3項にそれ入出力特性を有する増幅器であ
り、また、入力13は、外部人力1(t)である。そし
て加減算器14によって(1)式の右辺全体の演算が実
施される。なお、通常は、(1)式と(2)式とのFと
に、fは等しく選ばれるため人力12における増幅器の
出力は×(t)に等しい。
めのブロック図である。図において、加減算器14の各
人力11.12.13は、(1)式の右辺の第1項、第
2項および第3項にそれ入出力特性を有する増幅器であ
り、また、入力13は、外部人力1(t)である。そし
て加減算器14によって(1)式の右辺全体の演算が実
施される。なお、通常は、(1)式と(2)式とのFと
に、fは等しく選ばれるため人力12における増幅器の
出力は×(t)に等しい。
によって構成される。第4図は、第3図の電子回路によ
って得られたtlj式に対応する特性を示すものであり
、第5図は入力を変化させた際の分岐図の例を示すもの
である。また、第5図から明らかなように、入力を変化
させることにより、容易に周期振動やカオスの生成を、
その分岐過程を含めて制御することができる。
って得られたtlj式に対応する特性を示すものであり
、第5図は入力を変化させた際の分岐図の例を示すもの
である。また、第5図から明らかなように、入力を変化
させることにより、容易に周期振動やカオスの生成を、
その分岐過程を含めて制御することができる。
次いで、上記単一のカオスニューロンモデルを多数相互
に結合した並列分散アーキテクチャを有する人工的ニュ
ーラルネットワークについて説明する。
に結合した並列分散アーキテクチャを有する人工的ニュ
ーラルネットワークについて説明する。
カオスネットワークは、一般にn個のカオスニューロン
とm個の外部入力線とから構成される。ここに、m、n
は自然数である。一般に、カオスネットワーク内の、i
番目(i=1.2.、、、、、n)のカオスニューロン
の動作は、以下の(7)、 (8)式によって記述する
ことができる。
とm個の外部入力線とから構成される。ここに、m、n
は自然数である。一般に、カオスネットワーク内の、i
番目(i=1.2.、、、、、n)のカオスニューロン
の動作は、以下の(7)、 (8)式によって記述する
ことができる。
Jt (V+ (t)) +θ五 (7)xt(t
+1)・kttft (yt(t+1) )
(s)但し、 yt(t+1):i番目(i=1.2. 、、、、n)
のニューロンの時刻(t+1)での内部状態 xt(t+1):i番目のニューロンの時刻(t+1)
での出力Aj(t):外部からカオスネットワークへ入
力するj番目(j・1.2.、、、、m)の入力線の時
刻tでの状態 ν□、:j番目の外部入力線から、i番目へのニューロ
ンへの結合の重み係数 fj:j番目(j・1.2.、、、、n)のニューロン
の出力関数((3)〜(6)式と同様の特性を有する。
+1)・kttft (yt(t+1) )
(s)但し、 yt(t+1):i番目(i=1.2. 、、、、n)
のニューロンの時刻(t+1)での内部状態 xt(t+1):i番目のニューロンの時刻(t+1)
での出力Aj(t):外部からカオスネットワークへ入
力するj番目(j・1.2.、、、、m)の入力線の時
刻tでの状態 ν□、:j番目の外部入力線から、i番目へのニューロ
ンへの結合の重み係数 fj:j番目(j・1.2.、、、、n)のニューロン
の出力関数((3)〜(6)式と同様の特性を有する。
))It jji番目j・1.2.、、、、n)のニュ
ーロンの出力線の変換特性を表す関数(実際の神経線維
における全か無かの法則に対応して、状態の2値化を行
う。この2値化により、通常の種々のディジタル回路と
のマツチングも可能。)Wtjjj番目のニューロンか
らi番目のニューロンへの結合の重み係数 Fl sii番目ニューロンの不応性等を表す関数(通
常は、1(ztrtと等しく選んでよい。)θ=:i番
目のニューロンのしきい値 k I i + k 2 i :パラメータ定数(k+
t<1)カオスニューロンを構成するi番目のカオスニ
ューロンに対応するブロック図を第6図に示す。
ーロンの出力線の変換特性を表す関数(実際の神経線維
における全か無かの法則に対応して、状態の2値化を行
う。この2値化により、通常の種々のディジタル回路と
のマツチングも可能。)Wtjjj番目のニューロンか
らi番目のニューロンへの結合の重み係数 Fl sii番目ニューロンの不応性等を表す関数(通
常は、1(ztrtと等しく選んでよい。)θ=:i番
目のニューロンのしきい値 k I i + k 2 i :パラメータ定数(k+
t<1)カオスニューロンを構成するi番目のカオスニ
ューロンに対応するブロック図を第6図に示す。
図における回路要素2122および24の機能は基本的
には第2図の単一のカオスニューロンモデルの場合と同
様である。
には第2図の単一のカオスニューロンモデルの場合と同
様である。
カオスネットワークにおいては、外部からの入力および
各ニューロンの出力信号がフィードパ・ツクされた入力
が存在する。この全入力に対応するのが第6図の入力部
分23である。また部分25は実際の神経線維の特性を
示す(7)式の関数hiに相当するコンパレータである
。このコンパレータ25によりニューロンのアナログ出
力Xムが2値化される。この2硫化された状態はニエニ
ロンにおける活動電位の有無に対応せしめられ号。この
コンパレータ25の出力は、2値出力であるので、通常
の種々のディジダル回路との結合を行うことも可能であ
る。
各ニューロンの出力信号がフィードパ・ツクされた入力
が存在する。この全入力に対応するのが第6図の入力部
分23である。また部分25は実際の神経線維の特性を
示す(7)式の関数hiに相当するコンパレータである
。このコンパレータ25によりニューロンのアナログ出
力Xムが2値化される。この2硫化された状態はニエニ
ロンにおける活動電位の有無に対応せしめられ号。この
コンパレータ25の出力は、2値出力であるので、通常
の種々のディジダル回路との結合を行うことも可能であ
る。
第7図は、第6図のブロック図を実装した電子回路の構
成例を示すものである。 、 〔発明の効果〕 上述のように、本発明にかかるカオスニューロンモデル
は、周期振動及びカオスをその分岐過程ものであり、こ
のカオスニューロンモデルをプロセッシンダエレメント
として、並列分散アーキテクチャを有する人工的、ニュ
ーラルネットワークでするカオス回路網を構成できると
いう効果を有する。またJカオスニューロンの出力信号
の2値化により、他の種々のディジタル回路との結合に
よるハイブリッド構成を:得ることも可能である。
成例を示すものである。 、 〔発明の効果〕 上述のように、本発明にかかるカオスニューロンモデル
は、周期振動及びカオスをその分岐過程ものであり、こ
のカオスニューロンモデルをプロセッシンダエレメント
として、並列分散アーキテクチャを有する人工的、ニュ
ーラルネットワークでするカオス回路網を構成できると
いう効果を有する。またJカオスニューロンの出力信号
の2値化により、他の種々のディジタル回路との結合に
よるハイブリッド構成を:得ることも可能である。
第1図は、カオスニューロンモデルの基本的なブロック
図、第2図は、第1図をさらに具体化した1例を示すブ
ロック図、第3図は、第2図のブロック図を実装する電
子回路の1例、第4図は、第3図の電子回路によって得
られた(1)式に対応する特性の1例を示すシンクロス
コープ写真、第5図は、第3図の回路において入力を変
化させた際に得られる分岐図の1例を示すシンクロスコ
ープ写真、第6図は、カオスネットワークを構成するi
番目のニューロンのブロック図、第7図は、第6図のブ
ロック図を電子回路で実装する電子回路の1例を示すも
のである。 図中の主な参照符号の対応は以下の通り。 1 : (1)式の特性を実現するための回路2.2°
:サンプル・ホールド回路 11.21 :係数を掛ける乗算器 12.22 :(31〜(6)式のような連続的増大
の入出力特性を有する増幅器 13:外部からの入力部分 23:外部からの人力及び各ニューロンからのフィード
バック入力部分 14.24 :加減算器 25:2値化のためのコンパレータ 第1図 図面の:”;”! 第41閾 。 第5図 特許庁長官 小 川 邦 夫 殿 1.事件の表示 昭和62年特許願第306574号 2、発明の名称 カオス回路網 3、補正をする者 事件との関係 特許出願人 (1)明細書第10真第2行ないし第13行の記載「第
1図は、カオスニューロンモデルの・・・・・・の1例
を示すものである。」とあるを下記のように補正する。 ?第1図は、カオスニューロンモデルの基本的なブロッ
ク図である。 第2図は、第1図をさらに具体化した1例を示すブロッ
ク図である。 第3図は、第2図のブロック図を実装する電子回路の1
例を示す回路図である。 第4図は、第3図の電子回路によって得られた(1)式
に対応する特性の1例を示すオシロ波形写真である。 第5図は、第3図の電子回路において入力を変化させた
際に得られる分岐図の1例を示すオシロ波形写真である
。 第6図は、カオスネットワークを構成するi番目のニュ
ーロンのブロック図である。 第7図は、第6図のブロック図を電子回路で実装する場
合の1例を示す回路図である。」(2)第4図及び第5
図を別紙の通り補正する。
図、第2図は、第1図をさらに具体化した1例を示すブ
ロック図、第3図は、第2図のブロック図を実装する電
子回路の1例、第4図は、第3図の電子回路によって得
られた(1)式に対応する特性の1例を示すシンクロス
コープ写真、第5図は、第3図の回路において入力を変
化させた際に得られる分岐図の1例を示すシンクロスコ
ープ写真、第6図は、カオスネットワークを構成するi
番目のニューロンのブロック図、第7図は、第6図のブ
ロック図を電子回路で実装する電子回路の1例を示すも
のである。 図中の主な参照符号の対応は以下の通り。 1 : (1)式の特性を実現するための回路2.2°
:サンプル・ホールド回路 11.21 :係数を掛ける乗算器 12.22 :(31〜(6)式のような連続的増大
の入出力特性を有する増幅器 13:外部からの入力部分 23:外部からの人力及び各ニューロンからのフィード
バック入力部分 14.24 :加減算器 25:2値化のためのコンパレータ 第1図 図面の:”;”! 第41閾 。 第5図 特許庁長官 小 川 邦 夫 殿 1.事件の表示 昭和62年特許願第306574号 2、発明の名称 カオス回路網 3、補正をする者 事件との関係 特許出願人 (1)明細書第10真第2行ないし第13行の記載「第
1図は、カオスニューロンモデルの・・・・・・の1例
を示すものである。」とあるを下記のように補正する。 ?第1図は、カオスニューロンモデルの基本的なブロッ
ク図である。 第2図は、第1図をさらに具体化した1例を示すブロッ
ク図である。 第3図は、第2図のブロック図を実装する電子回路の1
例を示す回路図である。 第4図は、第3図の電子回路によって得られた(1)式
に対応する特性の1例を示すオシロ波形写真である。 第5図は、第3図の電子回路において入力を変化させた
際に得られる分岐図の1例を示すオシロ波形写真である
。 第6図は、カオスネットワークを構成するi番目のニュ
ーロンのブロック図である。 第7図は、第6図のブロック図を電子回路で実装する場
合の1例を示す回路図である。」(2)第4図及び第5
図を別紙の通り補正する。
Claims (1)
- 生物のニューロンを用いた電気生理実験において観測さ
れる周期振動及びカオスを定性的に再現するためのカオ
スニューロンモデルからなるプロセッシングエレメント
を構成し、該プロセッシングエレメントを相互結合する
ことによって得られた並列分散アーキテクチャを有する
人工的ニューラルネットワークとして構成されたことを
特徴とするカオス回路網。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP30657487A JP3205873B2 (ja) | 1987-12-03 | 1987-12-03 | カオス回路網 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP30657487A JP3205873B2 (ja) | 1987-12-03 | 1987-12-03 | カオス回路網 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH01147657A true JPH01147657A (ja) | 1989-06-09 |
JP3205873B2 JP3205873B2 (ja) | 2001-09-04 |
Family
ID=17958696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP30657487A Expired - Fee Related JP3205873B2 (ja) | 1987-12-03 | 1987-12-03 | カオス回路網 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3205873B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992011599A1 (en) * | 1990-12-25 | 1992-07-09 | Masayoshi Inoue | Neural network using chaos vibrator coupling system as element thereof |
EP0556819A2 (en) * | 1992-02-21 | 1993-08-25 | Takeshi Yamakawa | Apparatus and method for generating chaotic signals and chaos device |
JPH0756879A (ja) * | 1993-08-11 | 1995-03-03 | Yoshihiko Horio | カオスニューロンモデル装置 |
US5434951A (en) * | 1988-10-06 | 1995-07-18 | Kabushiki Kaisha Toshiba | Neural network system having minimum energy function value |
JPH07269882A (ja) * | 1994-02-28 | 1995-10-20 | Lg Electronics Inc | 電子レンジ |
-
1987
- 1987-12-03 JP JP30657487A patent/JP3205873B2/ja not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5434951A (en) * | 1988-10-06 | 1995-07-18 | Kabushiki Kaisha Toshiba | Neural network system having minimum energy function value |
WO1992011599A1 (en) * | 1990-12-25 | 1992-07-09 | Masayoshi Inoue | Neural network using chaos vibrator coupling system as element thereof |
EP0556819A2 (en) * | 1992-02-21 | 1993-08-25 | Takeshi Yamakawa | Apparatus and method for generating chaotic signals and chaos device |
EP0556819A3 (en) * | 1992-02-21 | 1995-05-31 | Takeshi Yamakawa | Apparatus and method for generating chaotic signals and chaos device |
US5506795A (en) * | 1992-02-21 | 1996-04-09 | Yamakawa; Takeshi | Apparatus and method for generating chaotic signals and chaos device |
JPH0756879A (ja) * | 1993-08-11 | 1995-03-03 | Yoshihiko Horio | カオスニューロンモデル装置 |
JPH07269882A (ja) * | 1994-02-28 | 1995-10-20 | Lg Electronics Inc | 電子レンジ |
Also Published As
Publication number | Publication date |
---|---|
JP3205873B2 (ja) | 2001-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2004048513A3 (en) | Artificial neural systems with dynamic synapses | |
KR0185754B1 (ko) | 맵핑회로와 이를 이용한 혼돈 신경망 | |
JPH01147657A (ja) | カオス回路網 | |
FI93063B (fi) | Menetelmä ja kytkentäjärjestely suodatinsignaalien tuottamiseksi | |
Gurney | Learning in networks of structured hypercubes. | |
JP3555773B2 (ja) | 信号処理システム | |
Xie et al. | Further Studies on $ H_ {\infty} $ Filtering Design for Fuzzy System With Known or Unknown Premise Variables | |
Prokhorov et al. | Experimental Study of Networks of Electronic Neuronlike Oscillators | |
SIMPSON | Neural network paradigms | |
Paul et al. | Fuzzy ADALINEs for gray image recognition | |
JP3296609B2 (ja) | メンバーシップ関数を出力するニューラルネットワーク | |
JPH02201586A (ja) | ニューロチップによる結合器 | |
JP3276367B2 (ja) | 神経細胞回路網 | |
JPH0567985B2 (ja) | ||
JPH03265077A (ja) | フィードバック神経細胞モデル | |
DE69809402T2 (de) | Assoziativneuron in einem künstlichen neuralen netzwerk | |
JPH03257659A (ja) | ニューラルネットワーク | |
JP3417574B2 (ja) | ファジィ論理演算用ニューロン素子 | |
JPH03196250A (ja) | 神経細胞模倣回路 | |
Paul et al. | Image recognition with fuzzy ADALINE neurons | |
CN115481712A (zh) | 基于时域泰伯效应的光电融合的卷积神经网络系统 | |
NZ331511A (en) | A method of processing data flows in a neural network, and a neural network | |
JPH05181500A (ja) | 単語認識システム | |
JPH0652338A (ja) | メンバーシップ関数を発生するニューラルネットワーク | |
Arthur | A silicon model of the auditory neural perception of frequency modulated tones |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |