JPH01241666A - 信号記号混在型神経回路網 - Google Patents
信号記号混在型神経回路網Info
- Publication number
- JPH01241666A JPH01241666A JP63068133A JP6813388A JPH01241666A JP H01241666 A JPH01241666 A JP H01241666A JP 63068133 A JP63068133 A JP 63068133A JP 6813388 A JP6813388 A JP 6813388A JP H01241666 A JPH01241666 A JP H01241666A
- Authority
- JP
- Japan
- Prior art keywords
- symbol
- signal
- neural
- input
- elements
- 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.)
- Pending
Links
- 230000007935 neutral effect Effects 0.000 title 1
- 230000001537 neural effect Effects 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 230000010365 information processing Effects 0.000 claims abstract description 8
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 20
- 238000000034 method Methods 0.000 abstract description 6
- 241000282414 Homo sapiens Species 0.000 abstract description 5
- 230000008878 coupling Effects 0.000 abstract description 5
- 238000010168 coupling process Methods 0.000 abstract description 5
- 238000005859 coupling reaction Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 4
- 239000013589 supplement Substances 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 4
- 210000005036 nerve Anatomy 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010024217 lentigo Diseases 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
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】
〔色男の目的〕
(窒業上の利用分野)
この発明は1文字認識、 lj!it象理解、音声認識
システムなどの信号から記号に至るまでの情報処理シス
テムに適用される信号記号混在型神経回路網に関する。
システムなどの信号から記号に至るまでの情報処理シス
テムに適用される信号記号混在型神経回路網に関する。
(従来の技術)
文字、音声11暉などの認識、理解システムは。
これまで多り0)研究が行なわれてきた。一部は、ある
限定された環境υ中で実際に商品として利用されている
。しかしこれらは人間と比較すると処理速度や柔軟性に
3いてυ)なり省っている。このような状況υ中からよ
り入間に近い処理方式として最近神経回路網によるアプ
ローチが注目されている。神経回M補は、@6図にボす
ように神経素子とよばれるユニットを情報処理ツ)県立
として、 ゛これを多数暗唱rヒし結倉したも力であ
る5入力信号X ” (Xl 、X@+・・・、xn)
で文字、音声などのパターンを表現し、これを神経回路
網に入力すると各神経素子の演算が行なわれ、出力信号
yl=(yt−yl、・・・、ym)を得る。あらかじ
め結合係数U=(Ui j ) 、VV=(Wi j
)fi−適当に与えたり、または人カバターンを何度も
繰り返し入力して学習させることにより、処理速度の速
い柔軟な(入カバターンが多少異なっていても同じ結果
を出す)システムを構築することができる。
限定された環境υ中で実際に商品として利用されている
。しかしこれらは人間と比較すると処理速度や柔軟性に
3いてυ)なり省っている。このような状況υ中からよ
り入間に近い処理方式として最近神経回路網によるアプ
ローチが注目されている。神経回M補は、@6図にボす
ように神経素子とよばれるユニットを情報処理ツ)県立
として、 ゛これを多数暗唱rヒし結倉したも力であ
る5入力信号X ” (Xl 、X@+・・・、xn)
で文字、音声などのパターンを表現し、これを神経回路
網に入力すると各神経素子の演算が行なわれ、出力信号
yl=(yt−yl、・・・、ym)を得る。あらかじ
め結合係数U=(Ui j ) 、VV=(Wi j
)fi−適当に与えたり、または人カバターンを何度も
繰り返し入力して学習させることにより、処理速度の速
い柔軟な(入カバターンが多少異なっていても同じ結果
を出す)システムを構築することができる。
しρ)しなからこn電での神経回路網を構成した神経素
子は1ぎ号(数III! )を入力して、素子内部で演
算を行ない信号(a値)を出力する%のであった。そし
て数1直を記号として意味づけることは。
子は1ぎ号(数III! )を入力して、素子内部で演
算を行ない信号(a値)を出力する%のであった。そし
て数1直を記号として意味づけることは。
最後に人間が結果をみて判断する小、そC1)数置を記
号に置き直すか力いずれかであった。例えば文字パター
ンを入力して出カバターンとして得られたy」 を人間
がこれならばl A lだとかIBlだとか判断した。
号に置き直すか力いずれかであった。例えば文字パター
ンを入力して出カバターンとして得られたy」 を人間
がこれならばl A lだとかIBlだとか判断した。
あるいはテーブルυ形でy」と出力用文字夕1jとの対
応をつけて最淡にテーブルを使ってyのかわりに対応す
る文字列を出力していた。
応をつけて最淡にテーブルを使ってyのかわりに対応す
る文字列を出力していた。
あるいはまた記号を入力して素子内部で推論を行ない、
記号を出力するものも従来技術の中で利用されている7
例えば神経回路網とは異なる分野であるが、プログラミ
ング言語の中Dオブジェクト指向[iは、メツセージ(
記号)を受けとり、何か別のメツセージを出力したりあ
る手続きを実行したりするもので、この枠組の中にある
並列型のプロダクシ■ンも同様である。
記号を出力するものも従来技術の中で利用されている7
例えば神経回路網とは異なる分野であるが、プログラミ
ング言語の中Dオブジェクト指向[iは、メツセージ(
記号)を受けとり、何か別のメツセージを出力したりあ
る手続きを実行したりするもので、この枠組の中にある
並列型のプロダクシ■ンも同様である。
しかしこのような素子を利用したシステムは、信号を処
理するものと記号を処理するものとにはうきりと分けら
れている。あるシステムは、信号を信号に変換する神経
素子だけを使っているし。
理するものと記号を処理するものとにはうきりと分けら
れている。あるシステムは、信号を信号に変換する神経
素子だけを使っているし。
あるシステムは、記号を記号−こ変換する神経素子だけ
を使っている。両方の素子を使っている場合も中間に信
号を記号に変換するインタフェースをおいて、@手が信
号処理の素子、後半が記号処理を使う構成になっている
。
を使っている。両方の素子を使っている場合も中間に信
号を記号に変換するインタフェースをおいて、@手が信
号処理の素子、後半が記号処理を使う構成になっている
。
記号処理を数置で表現すればインタフェースは不用にな
るが、この場合には、本来記号的なものを′aIilt
表現してしまうQノでわかりにくくなる。
るが、この場合には、本来記号的なものを′aIilt
表現してしまうQノでわかりにくくなる。
以上のように神経回路網で信号から記号までを−tして
表現する方法はこれまで存在していないという間呟があ
った。
表現する方法はこれまで存在していないという間呟があ
った。
(発明が解決しようとする課l)
以上述べた様に従来方式では、神経回路網の枠の中でこ
れまで信号処理と記号処理と別々に行なわれていたため
に信号処理から記号処理まで一貫して、しかもわつ)り
やすく表現することができな7))りた。
れまで信号処理と記号処理と別々に行なわれていたため
に信号処理から記号処理まで一貫して、しかもわつ)り
やすく表現することができな7))りた。
本発明は、こDような欠点¥:解決し、より人間の情報
部1に近い、より柔軟な情報処理システムを神経回路網
で表現することを目的とする。
部1に近い、より柔軟な情報処理システムを神経回路網
で表現することを目的とする。
〔色明の?、1成〕
(g@を解決するための手段)
本発明は、これまでの神経素子に新たに2つのタイプカ
神経素子を追71[1する。即ち1号を記号−ζ変1処
する神経素子と記号から信号を出力する神経素子である
。前者は素子内部で演算を行ない、後者は推論を行なう
。ζαらのタイプの??@素子を追7111して、神4
1.!2i路、澗を構成する。
神経素子を追71[1する。即ち1号を記号−ζ変1処
する神経素子と記号から信号を出力する神経素子である
。前者は素子内部で演算を行ない、後者は推論を行なう
。ζαらのタイプの??@素子を追7111して、神4
1.!2i路、澗を構成する。
(作用)
このようにして構成された神経回路網では、内部で自由
に信号→記号、記号→信号の変換ができるため、信号処
理から信号処理に至るまでを一貫して表視することがで
きる。またネットワークの結合を工夫することにより、
信号が記・号処理を記号が信号処理を互いに補い会うこ
とも容易に表現できるようになる。
に信号→記号、記号→信号の変換ができるため、信号処
理から信号処理に至るまでを一貫して表視することがで
きる。またネットワークの結合を工夫することにより、
信号が記・号処理を記号が信号処理を互いに補い会うこ
とも容易に表現できるようになる。
(実施列)
@1図に本発明の一′51!施例の傳成例を示す。lは
、信号を信号に変換する神経素子噛、2は信号を記号1
こ変換する神経素子嗜である。ここでは3噛であるが層
数はいくつでもよい。3は情報処理7)基本ユニットで
ある神経素子である。4は、神経素子と神経素子を結ぶ
結合である。
、信号を信号に変換する神経素子噛、2は信号を記号1
こ変換する神経素子嗜である。ここでは3噛であるが層
数はいくつでもよい。3は情報処理7)基本ユニットで
ある神経素子である。4は、神経素子と神経素子を結ぶ
結合である。
結合が信号を通すも力である場合には各結合線に結付係
数が定義される。
数が定義される。
入力信号はXl e X茸+・・・IXnで、出力は記
号5atS1 m・・・、Ssである。
号5atS1 m・・・、Ssである。
第6図の従来の神経回路網との違いは、神経素子が従来
は信号から信号へ変換する神経素子だけ構成されていた
のに対し1本色男では記号を記号へ変換する神経素子を
きむことである。(後者3タイプCv神14素子は第1
図には記していない。)第2図は信号・記号変換神経素
子の構成図、第3図は記号・信号変換神経素子7)構成
図である。図示されるよう−こ前者は信号演算部と記号
生成部。
は信号から信号へ変換する神経素子だけ構成されていた
のに対し1本色男では記号を記号へ変換する神経素子を
きむことである。(後者3タイプCv神14素子は第1
図には記していない。)第2図は信号・記号変換神経素
子の構成図、第3図は記号・信号変換神経素子7)構成
図である。図示されるよう−こ前者は信号演算部と記号
生成部。
後者は記号推論部と信号生成部をよんでいる。ここで記
号推論部と1号演算部、記号生成部、信号生!茂部り機
能をまとめると次のようになる。
号推論部と1号演算部、記号生成部、信号生!茂部り機
能をまとめると次のようになる。
Ial記号推論部
ここでは、いわゆるl f −t h e n ”4
’))ルールとこれを実行する推論エンジンが組込まれ
ている。これは、従来カプロダクシ1/システムと同じ
である。
’))ルールとこれを実行する推論エンジンが組込まれ
ている。これは、従来カプロダクシ1/システムと同じ
である。
複数の入力記号と1f−then型ルールρ)ら新たな
記号を生成する生成される記号は、複数であってもよい
。
記号を生成する生成される記号は、複数であってもよい
。
(′b)信号演算部
ここでは、信号を処理する演算機能(四則tL積分、微
分など)が組込まれている。複数の入力信号に対してI
′ii[′xをほどこし新たな信号を生成する。(生成
される嚇会は複数であってもよい。)fc)記号生成部
、信号生成部 ここでは記号、信号を生成するため力テーブルがある。
分など)が組込まれている。複数の入力信号に対してI
′ii[′xをほどこし新たな信号を生成する。(生成
される嚇会は複数であってもよい。)fc)記号生成部
、信号生成部 ここでは記号、信号を生成するため力テーブルがある。
入力をKeyとしてこのテーブルを検索することで対応
する記号、信号を生成する。
する記号、信号を生成する。
以下具体的に列をあげて説明する。
ある限られた範囲では1文字パターンの認識を神経回路
網で実現できることが知られている。例えば第6図で入
力信号ペクト/’ Xa e ’)Cb e Xe +
xd l xeをそれぞれ文字1a1,1bl、lc
l、Idl、1.1のパターンを異境したベクトルとす
る。Xaに対しya=(1# o”・e o ) e
x bに対しyb=c、0eleO−*0)exCに対
してyc=(OmOeLwO*−’+d)eydに対し
yd=(OtO,0sl(L・・’0)+xeに対しy
e=(0,0゜0、O,1,0,・・・、O)をそれぞ
れ出力信号として出力するようにU、Wを設定すること
ができる。
網で実現できることが知られている。例えば第6図で入
力信号ペクト/’ Xa e ’)Cb e Xe +
xd l xeをそれぞれ文字1a1,1bl、lc
l、Idl、1.1のパターンを異境したベクトルとす
る。Xaに対しya=(1# o”・e o ) e
x bに対しyb=c、0eleO−*0)exCに対
してyc=(OmOeLwO*−’+d)eydに対し
yd=(OtO,0sl(L・・’0)+xeに対しy
e=(0,0゜0、O,1,0,・・・、O)をそれぞ
れ出力信号として出力するようにU、Wを設定すること
ができる。
これと同じことを7a、・・・7@’J)かわりに第1
図ηS、”’−Ss として、xaに対して81 =’
a ’ s S1=・−=S、 =O+ x bに対
してSl = ’ b ’ e 81 =81 =”’
S、=O,・・・、・・・と設定する。
図ηS、”’−Ss として、xaに対して81 =’
a ’ s S1=・−=S、 =O+ x bに対
してSl = ’ b ’ e 81 =81 =”’
S、=O,・・・、・・・と設定する。
通常5X6図の神経素子では、yを出力する嗜はD杉で
あるから、第1図で81を出力するためには、信号演算
部には上記演算を信号演算部にもたせ、記号生成部は%
SI を出力する神経素子に対しては i f (7,=l ) thenSB (= ’a
’というルールをもたせればよいl、((は代入を表わ
す)8m−8m−・・・に対しても同様なルール1f(
yl=l)then Slぐ、1b1if(y@=l)
then s、 (=’ c ’i f(y 4=1
) then S4ぐ、1dlif(y、=1)the
n Ssぐ1eIとそれぞれもたせればよい。以上が最
も簡単な実施例である。
あるから、第1図で81を出力するためには、信号演算
部には上記演算を信号演算部にもたせ、記号生成部は%
SI を出力する神経素子に対しては i f (7,=l ) thenSB (= ’a
’というルールをもたせればよいl、((は代入を表わ
す)8m−8m−・・・に対しても同様なルール1f(
yl=l)then Slぐ、1b1if(y@=l)
then s、 (=’ c ’i f(y 4=1
) then S4ぐ、1dlif(y、=1)the
n Ssぐ1eIとそれぞれもたせればよい。以上が最
も簡単な実施例である。
本角明は、さまざまな応用例が考えら1するつまず神経
素子の変形例として、第4図に示すように記号を受けと
り、信号および記号を同時に出力する神経素子がある。
素子の変形例として、第4図に示すように記号を受けと
り、信号および記号を同時に出力する神経素子がある。
この変形は信号・記号変換神経素子に対しても考えられ
る。これを使った実施例として、第5図に示す神経回路
網を考えよう。
る。これを使った実施例として、第5図に示す神経回路
網を考えよう。
第5図υ回路網は第1図の構成の回路網り段半(第3層
)につながるも力とする。5=(S+−・・・、S、)
(?!rSiは記号を表わす)を入力記号として受けと
る@4曖は嘉4図のタイプの神経素子とする。
)につながるも力とする。5=(S+−・・・、S、)
(?!rSiは記号を表わす)を入力記号として受けと
る@4曖は嘉4図のタイプの神経素子とする。
この1の出力は第5@に対しては信号を、第6t−1こ
対しては、記号を出力するものである。即ち$51は、
信号・信号変換神経素子で構成され、@611は、記号
・記号変換素子でWII戎されるもυとする。
対しては、記号を出力するものである。即ち$51は、
信号・信号変換神経素子で構成され、@611は、記号
・記号変換素子でWII戎されるもυとする。
S@刀大入力受ける@41D神経素子を例にとってそ(
7)動作を記述する。
7)動作を記述する。
記号推論部
1f(31= ’ c ’ ) then(p+@pa
tternC″andq(=’c’) 信号・記号生成部 信号生成部はp 77)[(” pattern C”
という文字列)から信号の直vpを検索して定める。こ
こでは例えばvp=2とする。
tternC″andq(=’c’) 信号・記号生成部 信号生成部はp 77)[(” pattern C”
という文字列)から信号の直vpを検索して定める。こ
こでは例えばvp=2とする。
記号生成部は、qの直をそのまま保持するにとどめる。
出力信号送信部、出力記号送信部
生成された信号vpおよびqo)[を各納会を通じてそ
れぞれ@511. 第6@に出力する。第61釦こは文
字1cIが送られる。
れぞれ@511. 第6@に出力する。第61釦こは文
字1cIが送られる。
このような構成において結局外部入力信号としてXCが
入力されると第31i1からS、=lclの文字が出力
され(池の81はO)、第s+1には、大文字のICI
が入力記号として入力される。第4r11と第5層の間
の結合係数を適当に設足して8けば@5N1の出カバタ
ーンとして大文字I CIのパターンが得られる。
入力されると第31i1からS、=lclの文字が出力
され(池の81はO)、第s+1には、大文字のICI
が入力記号として入力される。第4r11と第5層の間
の結合係数を適当に設足して8けば@5N1の出カバタ
ーンとして大文字I CIのパターンが得られる。
このようにパターンの認aXoZら記号の生成、変換、
異なるパターンの生成などが同一の神経回路網の枠の中
で記述処理することができる。
異なるパターンの生成などが同一の神経回路網の枠の中
で記述処理することができる。
ただこれらの構成は、記号を全く使わずに構成すること
も可能である。しかし、記号を筺わないとその動作の5
ri認、修正、追加などが非常に困鼎になる。例えばあ
る数[1が1文字IC1を認識したことを示すものなの
か、ある信号のレベルを示すものなのかが1回路が複雑
になると全くわからなくなってしまう。従ってこれを区
別し、記号としての意味をもつ場合には、記号として扱
えるようにする方がよい。
も可能である。しかし、記号を筺わないとその動作の5
ri認、修正、追加などが非常に困鼎になる。例えばあ
る数[1が1文字IC1を認識したことを示すものなの
か、ある信号のレベルを示すものなのかが1回路が複雑
になると全くわからなくなってしまう。従ってこれを区
別し、記号としての意味をもつ場合には、記号として扱
えるようにする方がよい。
安するIc、本発明は、その髪旨を逸脱しない範囲で種
々変形して実施することができる。
々変形して実施することができる。
本発明によれば、これまで別々に行なわれていた信号処
理システムと記号処理システムを統合し。
理システムと記号処理システムを統合し。
−貞した知的システムを容易に作成することが可能にな
る。また記号レベルの処理を無理矢理数置表現に置き直
すこともないのでシステムの切作罐認、修正、追加など
が容易である。また神経回路網の重要な特徴である学習
機能が匣えるので、より人間に近い柔軟なシステムの開
発にその効果は絶大である。
る。また記号レベルの処理を無理矢理数置表現に置き直
すこともないのでシステムの切作罐認、修正、追加など
が容易である。また神経回路網の重要な特徴である学習
機能が匣えるので、より人間に近い柔軟なシステムの開
発にその効果は絶大である。
第1図は本発明の第一の実施例の構成例を示す図、第2
因は同実施例での信号・記号変換神経素子2J @ F
ii図、第3図は同実施例での記号・信号変換神経素子
の構成図、第4図は−f?!明の第二の実施例での記号
と信号と記号とに変換する神経素子の構成図、第5図は
本発明の第二の実1例の構成例を示す図、第6図は従来
力神経回路網のIII成例を示す図である。 l・・・信号・信号に換神経稟子1.2・・・信号・記
号変換神経黒子1,3・・・神経素子、4・・・納会。 代理人 弁理士 則 近 慝 右 同 松山光之 第1II 第2図 第3図 第4図 第5図 第6図
因は同実施例での信号・記号変換神経素子2J @ F
ii図、第3図は同実施例での記号・信号変換神経素子
の構成図、第4図は−f?!明の第二の実施例での記号
と信号と記号とに変換する神経素子の構成図、第5図は
本発明の第二の実1例の構成例を示す図、第6図は従来
力神経回路網のIII成例を示す図である。 l・・・信号・信号に換神経稟子1.2・・・信号・記
号変換神経黒子1,3・・・神経素子、4・・・納会。 代理人 弁理士 則 近 慝 右 同 松山光之 第1II 第2図 第3図 第4図 第5図 第6図
Claims (2)
- (1)多入力多出力の情報処理変換素子を互いに結合し
階層化した神経回路網において、複数の入力信号を受け
とる入力信号受信部と、その入力信号に基づいて演算を
行なう信号演算部と、演算結果に基づいて対応する記号
を生成する記号生成部と、生成された記号を複数の結合
されている神経素子に出力する出力記号送信部とを具備
した神経素子を構成要素として、もつことを特徴とした
信号記号混在型神経回路網。 - (2)多入力多出力の情報処理変換素子を互いに結合し
階層化した神経回路網において、複数の入力記号を受け
とる入力記号受信部と、その入力信号に基づいて推論を
行なう記号推論部と、推論結果に基づいて対応する信号
を生成する信号生成部と、生成された信号を複数の結合
されている神経素子に出力する出力信号送信部とを具備
した神経素子を構成要素として、もつことを特徴とした
信号記号混在型神経回路網。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63068133A JPH01241666A (ja) | 1988-03-24 | 1988-03-24 | 信号記号混在型神経回路網 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63068133A JPH01241666A (ja) | 1988-03-24 | 1988-03-24 | 信号記号混在型神経回路網 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH01241666A true JPH01241666A (ja) | 1989-09-26 |
Family
ID=13364936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP63068133A Pending JPH01241666A (ja) | 1988-03-24 | 1988-03-24 | 信号記号混在型神経回路網 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH01241666A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0484055A (ja) * | 1990-07-27 | 1992-03-17 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
-
1988
- 1988-03-24 JP JP63068133A patent/JPH01241666A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0484055A (ja) * | 1990-07-27 | 1992-03-17 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shepherdson | Inner models for set theory—Part I | |
WO2010106587A1 (ja) | ニューラルネットワークシステム | |
Turing | Systems of logic based on ordinals | |
Golea et al. | A growth algorithm for neural network decision trees | |
US5506998A (en) | Parallel data processing system using a plurality of processing elements to process data and a plurality of trays connected to some of the processing elements to store and transfer data | |
Hosseinzadeh et al. | A new approach for solving fully fuzzy linear programming by using the lexicography method | |
Rasiowa et al. | Rough concepts logic | |
RU2006121122A (ru) | Способ обработки информации в нейронных сетях | |
JPH10275084A (ja) | 制約充足問題の解決装置及び解決方法、システム構築装置及び構築方法 | |
JPH09501526A (ja) | 高速2進乗算器のための変形ウォレス・トリー加算器の構造及び方法 | |
Ying | General interval type-2 Mamdani fuzzy systems are universal approximators | |
Mendel et al. | A fundamental decomposition of type-2 fuzzy sets | |
JPH01241666A (ja) | 信号記号混在型神経回路網 | |
Hirota et al. | Designing sequential systems with fuzzy JK flip-flops | |
Sgurev | An essay on complex valued propositional logic | |
US3202806A (en) | Digital parallel function generator | |
Liao et al. | Delay-dependent exponential stability analysis of delayed cellular neural networks | |
KR950012359B1 (ko) | 신경회로망 구조와 학습방법 | |
Walker et al. | Improving the evolvability of digital multipliers using embedded Cartesian genetic programming and product reduction | |
Dorogov | Fast Deep Learning Neural Networks | |
Vavasis | Gaussian elimination with pivoting is P-complete | |
Poole Jr et al. | Pauli-Dirac matrix generators of Clifford algebras | |
Majorana et al. | A unified framework for multilayer high order CNN | |
US6671678B1 (en) | Multi-functional arithmetic apparatus with multi value states | |
Dubey et al. | A note on the evolution of solutions of a system of ordinary differential equations with fuzzy initial conditions and fuzzy-inputs |