JPH0214593A - パターン変換回路 - Google Patents
パターン変換回路Info
- Publication number
- JPH0214593A JPH0214593A JP63164235A JP16423588A JPH0214593A JP H0214593 A JPH0214593 A JP H0214593A JP 63164235 A JP63164235 A JP 63164235A JP 16423588 A JP16423588 A JP 16423588A JP H0214593 A JPH0214593 A JP H0214593A
- Authority
- JP
- Japan
- Prior art keywords
- laser medium
- conversion
- output
- laser
- input
- 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
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 62
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 210000004958 brain cell Anatomy 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 5
- 239000002131 composite material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
- G06V30/194—References adjustable by an adaptive method, e.g. learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Neurology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Lasers (AREA)
- 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】
〔発明の技術分野〕
この発明はパターン変換回路および回#I網に係り、侍
に自己学習的連想パターン変換に有効な回路および回路
網に関する。
に自己学習的連想パターン変換に有効な回路および回路
網に関する。
従来、文字認識や音声認識では入力信号のパターンや入
力信号に何らかの処理を加えた信号のパターンを登録済
のパターンと比較するパターンマツチングが一般に行な
われており、この際入力信号と登録済パターンとの一致
度が高くないと正確な判定は不可能であった。
力信号に何らかの処理を加えた信号のパターンを登録済
のパターンと比較するパターンマツチングが一般に行な
われており、この際入力信号と登録済パターンとの一致
度が高くないと正確な判定は不可能であった。
一方連想的なパターン判定を行う手法として、第1図に
示すような神経細胞モデルをベースとした脳細胞モデル
が提案されている。第1図の神経細胞モデルは1943
年にアメリカ合衆国マサチューセッツ工科大学のW、1
1.Pittsによって発表されたものであり、また脳
細胞モデルにより連ツ的パターンマツチングが可能であ
ることはF、Rosenblattにより立証されてい
る。
示すような神経細胞モデルをベースとした脳細胞モデル
が提案されている。第1図の神経細胞モデルは1943
年にアメリカ合衆国マサチューセッツ工科大学のW、1
1.Pittsによって発表されたものであり、また脳
細胞モデルにより連ツ的パターンマツチングが可能であ
ることはF、Rosenblattにより立証されてい
る。
しかし脳細胞モデルを集積回路により実現しようとする
と、連想パターンの出力の為に膨大な数の出力ビンが必
要になり、現在の半導体技術では実用的な能力を備えた
回路を具現することは不可能である。
と、連想パターンの出力の為に膨大な数の出力ビンが必
要になり、現在の半導体技術では実用的な能力を備えた
回路を具現することは不可能である。
例えば1文字を32X32ドツトの2値パターンとして
入力するとき、これを完全に直交したデータとして処理
するためには(322)2=108個の神経細胞が必要
であり、これら全て神経細胞の発火状態を出力するため
には106本の出力ビンが必要であるる 一方脳細胞モデルをソフトウェアで具現化しようとする
試みも為きれているが、膨大なメモリを消費するととも
に、その処理速度は決して充分なものとはいえない。
入力するとき、これを完全に直交したデータとして処理
するためには(322)2=108個の神経細胞が必要
であり、これら全て神経細胞の発火状態を出力するため
には106本の出力ビンが必要であるる 一方脳細胞モデルをソフトウェアで具現化しようとする
試みも為きれているが、膨大なメモリを消費するととも
に、その処理速度は決して充分なものとはいえない。
この発明はこのような従来の問題点を解消すべく創案き
れたもので、回路のコンパクト化、集積化が可能なパタ
ーン変換回路を提供することを目的とする。
れたもので、回路のコンパクト化、集積化が可能なパタ
ーン変換回路を提供することを目的とする。
この発明に係るパターン変換回路は、レーザ媒質の非線
型光学効果を応用し、入出力用レーザ媒質から発生した
レーザ光を、その周囲に環状に配列した変換用レーザ媒
質に入射して周波数変換したレーザ光を再度発光し、こ
のレーザ光を変換用レーザ媒質または入出力用レーザ媒
質に入射し、変換用レーザ媒質による周波数変換を繰り
返すことにより、最終的に、要素(変換用レーザ媒質)
数に比較して極めて多くの変換を生じきせるものである
。
型光学効果を応用し、入出力用レーザ媒質から発生した
レーザ光を、その周囲に環状に配列した変換用レーザ媒
質に入射して周波数変換したレーザ光を再度発光し、こ
のレーザ光を変換用レーザ媒質または入出力用レーザ媒
質に入射し、変換用レーザ媒質による周波数変換を繰り
返すことにより、最終的に、要素(変換用レーザ媒質)
数に比較して極めて多くの変換を生じきせるものである
。
次にこの発明に係るパターン変換回路の一実施例を図面
に基づいて説明する。
に基づいて説明する。
第2図および第3図において、パターン変換回路は、複
数の変換用レーぜ媒質を配列してなるレーザ媒質環1と
、レーザ媒質環1の内部に配置された入出力用レーザ媒
質2とを備え、第4図および第5図に示すように、変換
用レーザ媒質3は、レーザ媒質環1の内側に向かって配
列されている。
数の変換用レーぜ媒質を配列してなるレーザ媒質環1と
、レーザ媒質環1の内部に配置された入出力用レーザ媒
質2とを備え、第4図および第5図に示すように、変換
用レーザ媒質3は、レーザ媒質環1の内側に向かって配
列されている。
変換用レーザ媒質3は非線型光学効果の高いレーザ媒質
よりなり、第3図に示すように、入力光Iinの入射角
度に応じて出力光I outの周波数が変化する。
よりなり、第3図に示すように、入力光Iinの入射角
度に応じて出力光I outの周波数が変化する。
レーザ媒質環の内面形状は、入出力用レーザ媒質2の中
心に向かう直線に対して一定角度の法線をもつように設
定きれ、入出力用レーザ媒質から発せられたレーザ光が
多くのレーザ媒質に屓火入射するようになっている。
心に向かう直線に対して一定角度の法線をもつように設
定きれ、入出力用レーザ媒質から発せられたレーザ光が
多くのレーザ媒質に屓火入射するようになっている。
入出力用レーザ媒質2の中心をO(第1図)とし、中心
0からレーザ媒質環1内面までの距離をrル−プ媒質環
1の対象軸Sを原線とする角度をθとすると、レーザ媒
質環1内面の法線と半径rの方向との角度φは、θの値
にかかわらず常に一定に設定きれている。このような曲
面の例としては、r1θを用いた極座標において cos ψ = −(1) 2d θ dr と表現きれるものがある。
0からレーザ媒質環1内面までの距離をrル−プ媒質環
1の対象軸Sを原線とする角度をθとすると、レーザ媒
質環1内面の法線と半径rの方向との角度φは、θの値
にかかわらず常に一定に設定きれている。このような曲
面の例としては、r1θを用いた極座標において cos ψ = −(1) 2d θ dr と表現きれるものがある。
第1図のレーザ媒質環内面はこの曲面を形成しており、
入出力用レーザ媒質2から放射きれたレーザ光はレーザ
媒質3に入射し、レーザ媒質3で周波数変換された後、
入射光に対して一定の偏位角をもって出力きれる。
入出力用レーザ媒質2から放射きれたレーザ光はレーザ
媒質3に入射し、レーザ媒質3で周波数変換された後、
入射光に対して一定の偏位角をもって出力きれる。
これによって周波数変換されたレーザ光は他の変換用レ
ーザ媒質3に入力きれ、あるいは、「0」でない入射角
で入出力用レーザ媒質2に入力される。
ーザ媒質3に入力きれ、あるいは、「0」でない入射角
で入出力用レーザ媒質2に入力される。
入出力用レーザ媒質2は変換用レーザ媒質3と同様に非
線型光学特性が高く、入射光に対する周波数変換特性を
有する。
線型光学特性が高く、入射光に対する周波数変換特性を
有する。
レーザ媒質2.3はレーザ光の入射角度によりその周波
数変換特性が変化し、入出力用レーザ媒質2も同様に入
射角度に応じて周波数変換特性が変化する。
数変換特性が変化し、入出力用レーザ媒質2も同様に入
射角度に応じて周波数変換特性が変化する。
第2図に示すように、入出カ用レーザ媒質2に入力光■
。を入力すると、入出力用レーザ媒質2は励起きれ、全
方向に対してレーザ光を放射する。このレーザ光は全て
の変換用レーザ媒質3に入射きれ、角変換用レーザ媒質
3の周波数変換特性に応じた周波数変換を受け、他の変
換用レーザ媒質3あるいは入出力用レーザ媒質2に向か
って変換後のレーザ光が放射される。このとき入出力用
レーザ媒質2も周波数変換の作用を為し、変換後のレー
ザ光を再び変換用レーザ媒質に向かって放射する。
。を入力すると、入出力用レーザ媒質2は励起きれ、全
方向に対してレーザ光を放射する。このレーザ光は全て
の変換用レーザ媒質3に入射きれ、角変換用レーザ媒質
3の周波数変換特性に応じた周波数変換を受け、他の変
換用レーザ媒質3あるいは入出力用レーザ媒質2に向か
って変換後のレーザ光が放射される。このとき入出力用
レーザ媒質2も周波数変換の作用を為し、変換後のレー
ザ光を再び変換用レーザ媒質に向かって放射する。
ここに周波数変換のタイプは2種類存在し、入力光の周
波数w0とするとき、 w 1+ w 2 + w 3+・・・+W6=WQ
(2)なる周波数w1〜wnの出力光を発生し、ある
いは、周波数Wl、W2.・・・1wnの入力光が入力
きれたときに ””・・+・・+・・・+・。 (3)なる周波
数Wの出力光を生じきせる。
波数w0とするとき、 w 1+ w 2 + w 3+・・・+W6=WQ
(2)なる周波数w1〜wnの出力光を発生し、ある
いは、周波数Wl、W2.・・・1wnの入力光が入力
きれたときに ””・・+・・+・・・+・。 (3)なる周波
数Wの出力光を生じきせる。
最初に入出力用レーザ媒質2に入力光r。
が入力されたときレーザ媒質2は周波数W。
の入力光Iaと同一周波数の光を全てのレーザ媒質3に
向かって放射し、その後放射されたレーザ光は変換用レ
ーザ媒質3において式(2)の変換が施され、入出力用
レーザ媒質2において式(3)の変換が施される。この
ような変換が繰り返し行なわれるため、ある時点で入出
力用レーザ媒質2に入力される光■、〜I、の周波数W
、〜Wnは、 W I= W o n g 嘗+ w2=w+)0g+2 ・・・ ・・・ ・・・
(4)Wn= won gss と表現される。ここに、 sI :系列 gs+’変換系列 n :合成変換を形成する作用素 である。
向かって放射し、その後放射されたレーザ光は変換用レ
ーザ媒質3において式(2)の変換が施され、入出力用
レーザ媒質2において式(3)の変換が施される。この
ような変換が繰り返し行なわれるため、ある時点で入出
力用レーザ媒質2に入力される光■、〜I、の周波数W
、〜Wnは、 W I= W o n g 嘗+ w2=w+)0g+2 ・・・ ・・・ ・・・
(4)Wn= won gss と表現される。ここに、 sI :系列 gs+’変換系列 n :合成変換を形成する作用素 である。
ざらに入出力用レーザ媒質2は■1〜1.のレーザ光に
対して式(3)の変換を行い 周波数W°の出力光I°
として出力する。従って1#’=WOΣg嘗 なる周波数が最終的に得られ、gs+の各系列は極めて
多くの変換を含む合成変換であるため、その変換系列の
組み合わせは極めて多様である。これによって少数のレ
ーザ媒質によって極めて多くのニューロンを含む脳細胞
に対応したパターン変換回路が実現され、集積化が容易
である。しかもレーザ光の低層は電子流に比較して著し
く高速であるのでその変換速度も橿めて高い。
対して式(3)の変換を行い 周波数W°の出力光I°
として出力する。従って1#’=WOΣg嘗 なる周波数が最終的に得られ、gs+の各系列は極めて
多くの変換を含む合成変換であるため、その変換系列の
組み合わせは極めて多様である。これによって少数のレ
ーザ媒質によって極めて多くのニューロンを含む脳細胞
に対応したパターン変換回路が実現され、集積化が容易
である。しかもレーザ光の低層は電子流に比較して著し
く高速であるのでその変換速度も橿めて高い。
第3区に示すように、変換用レーザ媒質3は凹部4内に
収納され、凹部4の底部には圧7J&素子5が配設きれ
ている。圧電素子5はくきび形に形成きれ、変換用レー
ザ媒質3は圧電素子5に接している。圧電素子5を電圧
コントロールし歪を生じさせたときには、圧電素子5の
厚い部分埋火きな歪が生じ、結果的に変換用レーザ媒質
3を傾斜させる。これによってレーザ媒質3への入射角
が変化し、その周波数特性が変化することになる。各レ
ーザ媒質30入射角制罪はパターン変換回路の学習に相
当し、特定範囲の入力光1oに対して適正な出力光I°
を出力するように設定きれる。
収納され、凹部4の底部には圧7J&素子5が配設きれ
ている。圧電素子5はくきび形に形成きれ、変換用レー
ザ媒質3は圧電素子5に接している。圧電素子5を電圧
コントロールし歪を生じさせたときには、圧電素子5の
厚い部分埋火きな歪が生じ、結果的に変換用レーザ媒質
3を傾斜させる。これによってレーザ媒質3への入射角
が変化し、その周波数特性が変化することになる。各レ
ーザ媒質30入射角制罪はパターン変換回路の学習に相
当し、特定範囲の入力光1oに対して適正な出力光I°
を出力するように設定きれる。
パターン変換回路の学習に際しては、例えば、適正な入
出力関係のデータを蓄えた後、適正入力に対して一定範
囲の誤差をもつ入力に対する出力が適正値に近づくよう
に各レーザ媒質3の入射角度を試行錯誤的にコントロー
ルする方法などを採用し得る。ここにレーザ媒質3自体
の個数は比較的少数に設定し得るので、試行回数は比較
的少ない。
出力関係のデータを蓄えた後、適正入力に対して一定範
囲の誤差をもつ入力に対する出力が適正値に近づくよう
に各レーザ媒質3の入射角度を試行錯誤的にコントロー
ルする方法などを採用し得る。ここにレーザ媒質3自体
の個数は比較的少数に設定し得るので、試行回数は比較
的少ない。
なおレーザ媒質環1内は真空として、レーザ光の減衰を
極力押押えることが好ましい。
極力押押えることが好ましい。
前述のとおり、この発明に係るパターン変換@路は、レ
ーザ媒質の非線型光学効果を応用し、入出力用レーザ媒
質から発生したレーザ光を、その周囲に環状に配列した
変換用レーザ媒質に入射して周波数変換したレーザ光を
再度発光し、このレーザ光を変換用レーザ媒質または入
出力用レーザ媒質に入射し、変換用レーザ媒質による周
波数変換を繰り返すことにより、最終的に、要素(変換
用レーザ媒質)数に比較して極めて多くの変換を生じさ
せるので、回路のコンパクト化、集積化が可能であると
いう優れた効果を有する。
ーザ媒質の非線型光学効果を応用し、入出力用レーザ媒
質から発生したレーザ光を、その周囲に環状に配列した
変換用レーザ媒質に入射して周波数変換したレーザ光を
再度発光し、このレーザ光を変換用レーザ媒質または入
出力用レーザ媒質に入射し、変換用レーザ媒質による周
波数変換を繰り返すことにより、最終的に、要素(変換
用レーザ媒質)数に比較して極めて多くの変換を生じさ
せるので、回路のコンパクト化、集積化が可能であると
いう優れた効果を有する。
第1図は公知の脳細胞モデルを示す概念図第2図はこの
発明に係るパターン変換回路の一実施例を示す正面図、
第3図は同平面図、第4図はレーザ媒質環の拡大図、第
5図は第4図の部分拡大断面図である。 1・・・レーザ媒質環、2・・・入出力用レーザ媒質、
3・・・変換用レーザ媒質、4・・凹部、5・・・圧電
素子。 第1図 第2図
発明に係るパターン変換回路の一実施例を示す正面図、
第3図は同平面図、第4図はレーザ媒質環の拡大図、第
5図は第4図の部分拡大断面図である。 1・・・レーザ媒質環、2・・・入出力用レーザ媒質、
3・・・変換用レーザ媒質、4・・凹部、5・・・圧電
素子。 第1図 第2図
Claims (1)
- 【特許請求の範囲】 複数の変換用レーザ媒質を環状に配列し、 このレーザ媒質環内に入出力用レーザ媒質を配置し、各
変換用レーザ媒質にはその光軸を偏位させる偏位手段を
設け、入出力用レーザ媒質の出力光が1個以上の変換用
レーザ媒質に入射するように入出力レーザ媒質を形成し
てあるパターン変換回路。
Priority Applications (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63164235A JPH0214593A (ja) | 1988-07-01 | 1988-07-01 | パターン変換回路 |
EP89100421A EP0327817B1 (en) | 1988-01-11 | 1989-01-11 | Associative pattern conversion system and adaptation method thereof |
DE198989100421T DE327817T1 (de) | 1988-01-11 | 1989-01-11 | Assoziatives musterkonversionssystem und anpassungsverfahren dafuer. |
US07/295,763 US5040230A (en) | 1988-01-11 | 1989-01-11 | Associative pattern conversion system and adaptation method thereof |
DE68927014T DE68927014T2 (de) | 1988-01-11 | 1989-01-11 | Assoziatives Musterkonversionssystem und Anpassungsverfahren dafür |
US07/501,875 US5136653A (en) | 1988-01-11 | 1990-03-29 | Acoustic recognition system using accumulate power series |
GR89300174T GR890300174T1 (en) | 1988-01-11 | 1990-05-11 | Associative pattern conversion system and adaptation method thereof |
US08/033,465 US5416850A (en) | 1988-01-11 | 1993-03-18 | Associative pattern conversion system and adaption method thereof |
US08/307,072 US5506915A (en) | 1988-01-11 | 1994-09-16 | Associative pattern conversion system and adaptation method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63164235A JPH0214593A (ja) | 1988-07-01 | 1988-07-01 | パターン変換回路 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0214593A true JPH0214593A (ja) | 1990-01-18 |
Family
ID=15789240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP63164235A Pending JPH0214593A (ja) | 1988-01-11 | 1988-07-01 | パターン変換回路 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0214593A (ja) |
-
1988
- 1988-07-01 JP JP63164235A patent/JPH0214593A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5535309A (en) | Single layer neural network circuit for performing linearly separable and non-linearly separable logical operations | |
US5312510A (en) | Apparatus for optimally scanning a two-dimensional surface of one or more objects | |
Shin | Effects of depth, width, and initialization: A convergence analysis of layer-wise training for deep linear neural networks | |
JPH0214593A (ja) | パターン変換回路 | |
US5220642A (en) | Optical neurocomputer with dynamic weight matrix | |
JPH06111038A (ja) | ニューラル・ネットワーク及びその操作方法 | |
Barrios et al. | Real-coded genetic algorithms based on mathematical morphology | |
Murugan et al. | Adaptive noise cancellation using petri fuzzy brain emotional learning-based neural network | |
JPH05233859A (ja) | 光ニューラルネットワークシステム | |
CN116661134B (zh) | 基于超透镜产生聚焦杂化偏振矢量光束的光链生成方法 | |
Li et al. | Optimization of scaling factors of fuzzy logic controllers by genetic algorithms | |
JP2654686B2 (ja) | ニューラルネットワーク | |
Webb | Effect of noise in an optoelectronic neural network | |
JPH0683796A (ja) | 信号処理装置 | |
JP2000003212A (ja) | 曲線補間方法 | |
Owens et al. | A multi-output-layer perceptron | |
Castellano et al. | Modeling fuzzy classification systems with compact rule base | |
Wongsoontorn et al. | Design and tuning of fuzzy control surfaces with Bezier functions | |
Lee et al. | On Design Intelligent Control System by Fussionf of Fuzzy Logic and Genetic Algorithms | |
JPH0540829A (ja) | データクラスタリング方法 | |
Raj et al. | Analytical structure of a general Takagi-Sugeno fuzzy PID controller | |
Tamura et al. | Adaptive Pattern Classifiers Applied to Time Optimal Control | |
Lin et al. | Genetic algorithm based parameter optimization of a fuzzy logic controller | |
JPH08249303A (ja) | 信号処理装置 | |
JPH06339884A (ja) | ニューラルネットワークによるマニピュレータの逆運動学モデルの学習方法 |