JPH02267660A - ニューラルネットシミュレート処理装置 - Google Patents

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。

Description

【発明の詳細な説明】 〔概要〕 ニューラルネットを人工知能等の分野で用いるためのツ
ールを５計算機システム上に実現するニューラルネット
シミュレート処理装置に関し。

ニューラルネットによる処理と記号処理とを。

互いの特性を打ち消し合うことなく、併用しようとした
場合、これを実現するための有効なツールが存在しない
という問題を解決するためニューラルネットの動作をシ
ミュレーションするプロセスと記号処理用の言語処理系
のプロセスとが、ニューラルネットの基本データを共有
しながら並列動作可能とすることにより ニューラルネットによる処理と記号処理とが互いの特性
を打ち消すことなく相互作用し２両者を併用する環境を
提供できるようにする。

（産業上の利用分野〕 人工知能の研究では２人間の知的情報処理過程をモデル
化し、それに準じたプログラムを、計算機上で実行して
みるという手法がしばしばとられる。これに使われてき
たのが、記号処理と呼ばれる手法である。

一方、最近の人工知能の研究では、ニューラルネットを
応用しようとする動きが盛んであるがこれは、記号処理
の手法が不得意とする部分へのニューラルネットの応用
が期待されているからである。このような背景では、双
方とも、長所・短所があるので、先のモデル化の手法と
いう点からいって９両者をうまく併用するモデルを構築
することが望まれる。

したがって、ニューラルネットと記号処理を併用したモ
デルを実現する環境が必要になるが、ニューラルネット
による情報処理は、並列かつ分散的であるといわれ、従
来の情報処理とは、質的に異なっており、この特性を活
かせる構造を持つことが望ましい。

本発明は、このような需要に対応するための構造を備え
たニューラルネットシミュレータを実現するニエーラル
ネットシミュレート処理装置に関するものである。

（従来の技術） 第１７図は従来方式の例、第１８図は従来型で実現でき
る処理の形態説明図である。

従来のニューラルネットシミュレータは９例えば第１７
図に示すように、処理装置１０１の中のシミュレータ本
体１０２を、マンマシンインタフェースが包み込んだ構
造をしており、利用者が。

素子の数１層の構成、結合の制約などの条件１００を与
えてやることで、それを満たしたニューラルネットを自
動的に生成し、学習やその他の動作を容易に実行させる
環境を提供する。

しかし、従来方式では、外部とのインタフェースとして
は１通常、マンマシンインタフェースしかなく、デイス
プレィ等の出力袋Ｗ１０３に結果を出力するだけである
。外部とのインタフェースが、マンマシンインタフェー
ス以外にあったとしても、せいぜいニューラルネットの
動作環境作成後（学習完了後）、初めて行うことのでき
るプログラム言語とのリンク機構を持っているに過ぎな
い。

人工知能における従来からの手法である記号処理と、ニ
ューラルネットの処理とを、この方式のもとで併用しよ
うとした場合、記号処理の中からニューラルネットをサ
ブルーチン的に呼び出すことになる。

すなわち、従来型では、第１８図（ａ）に示すように、
記号処理をニューラルネットの処理の前処理および後処
理としたり、第１８図（ｂ）に示すように、ニューラル
ネットの処理を、記号処理の過程における特定の位置で
、関数呼び出し的に動作させるというような形式だけし
か許されないことになる。

〔発明が解決しようとする課題〕

従来型によれば、第１８図（ａ）、（ｂ）のいずれにし
ても、第１８図（Ｃ）に示すように、ニューラルネット
の処理そのものは、単独で動作することになり、記号処
理とニューラルネットの処理とが１例えば一方が動作し
ているときは、他方がその処理要求または処理結果を待
つような関係になる。

したがって、双方の処理を併用したモデルを考え９例え
ば第１８図（ｄ）に示すように、ニューラルネットを随
時動作させながら、そこから生成される結果に対して、
記号処理を適用し、その結果をニューラルネットに反映
させていくというようなインタラクティブな相互作用を
含んだ処理を必要とするとようなモデルを実現すること
は困難である。

以上のように従来型の場合、ニューラルネットを記号処
理と併用する環境としては、不十分であるという問題が
ある。

本発明は上記問題点の解決を図り、ニューラルネットに
よる処理を記号処理と併用する環境を実現し、ニューラ
ルネットの柔軟な応用を可能とする手段を提供すること
を目的としている。

〔課題を解決するための手段〕

第１図は本発明の構成例を示す。

ニューラルネットのシミュレーション処理部１０は、ニ
ューラルネットの動作を実現する処理手段であり、共有
データアクセス機構１３を持つ。

ニューラルネ・ントのモデルとしては、ホンツブフィー
ルド型のもの、ボルツマンマシン型のものなど各種のタ
イプがあり、そのいずれでもよい。

言語処理系の記号処理部１１は、記号処理用の言語処理
系を実現する処理手段であり、この記号処理として１例
えばＬＩＳＰ処理系、ＰＲＯＬＯＧ処理系などの各種処
理系またはエキスパートシステム等における処理系にお
ける処理を含む。言語処理系の記号処理部１１も、別に
共有データアクセス機構１４を持つ。

共有データ部１２は、素子状態情報１５．素子間結合強
度情報１６などのニューラルネットの状態を表す量や、
素子の立ち上がり特性、バイアスを決定する量などの基
本データを格納するメモリ領域である。

ニューラルネットのシミュレーション処理部１０と言語
処理系の記号処理部１１とは、共有データ部１２を介し
て、相互作用ができ、並列に動作・可能な構造になって
いる。

ニューラルネットのシミュレーション処理部１０および
言語処理系の記号処理部１１を、１つの処理装置内で、
各々、ＣＰＵ実行権が与えられるプロセスとして構成し
てもよく、また、ニューラルネットのシミュレーシジン
処理部１０．言語処理系の記号処理部１１が、それぞれ
専用の処理装置で動作するようにし、共有データ部１２
を、それらの処理装置の共用メモリ上に設ける構成にし
てもよい。

〔作用〕

共有データ部１２に、ニューラルネットの基本データが
置かれるので、ニューラルネットのシミュレーション処
理部１０によるシミュレーションは、共有データ部１２
に置かれた値に影響され。

またシミュレーションによる処理結果も共有データ部１
２に展開される。

言語処理系の記号処理部１１は、その各処理Ｐ１、Ｐ２
．・・・において、共有データ部１２を介して、ニュー
ラルネットのシミュレーション処理部ｌＯとの間で相互
作用が可能になり、共有データ部１２を、共有データア
クセス機構１４によりアクセスすることにより、随時、
ニューラルネットの動作および状態を観測することがで
きる。

〔実施例１〕 第２図は本発明の実施例の概要図、第３図は本発明の詳
細な説明するための素子の層構成の例第４図は本発明の
実施例で用いる素子状態テーブルの例、第５図は本発明
の実施例で用いる結合強度テーブルの例、第６図は本発
明の実施例で用いる共有値の例、第７図は本発明の実施
例で用いる焼きなましスケジュールテーブルの例、第８
図は本発明の実施例に係る記号処理側初期化処理フロ第
９図および第１０図は本発明の実施例に係るボルツマン
マシンの処理フローを示す。

以下、第２図に示すように、言語処理系の記号処理部１
１として、ＬＩＳＰ処理系のＬＩＳＰトップレベルを割
り当て、ニューラルネットのシミュレーション処理部１
０として、ネットワーク・メカニズムの１つとしてよく
知られているボルツマンマシンを使用した例を説明する
。

第２図において、２０はＣＰＵおよびメモリなどからな
る処理装置である。ニューラルネットのシミュレーショ
ン処理部１０．言語処理系の記号処理部１１は、それぞ
れプロセスとして動作する。

これらは２例えば米国ＡＴ＆Ｔ社が開発したオペレーテ
ィング・システムであるＵ　Ｎ　Ｉ　Ｘ　ｓｙｓｔｅｍ
Ｖ上で実現され、共有データ部１２を設ける共有メモリ
等は、このオペレーティング・システムにおいて、プロ
セス間通信用サブルーチンとして提供されているＩＰＣ
システムコールに依存していこの第１の実施例では、学
習を行わせる機能はなく、学習を完了しているボルツマ
ンマシンと記号処理とを、同時に動作させるものとする
。

説明をＦ、ｌにするために、このボルツマンマシンでは
、第３図に示すような素子の層構成を扱うものとする。

入力層は、素子０，１，２．３である。隠れ層は、素子
４．５．６である。出力層は、７．８９である。人力層
と出力層間のリンクはない。

各素子Ｏ〜９の状態は７第４図に示す素子状態テーブル
によって表される。この素子状態テーブルは、第２図に
示す共有データ部１２に設けられ。

プログラムでは、　５ｔａｔｅと呼ぶ素子数ＮＸ２の二
次元配列で管理する。以下の内容である。

５ｔａｔｅ［ｉ、　０］　：素子ｉの状態５ｔａｔｅ［
ｉ、　　１１　：素子ｉの状態更新の許可情報（１→更
新可、０→更新不可） 更新不可の素子の状態は、固定されることになる。ここ
では、入力層の素子は、外部から固定される以外には、
状態を変えない。

また、第５図に示すような結合強度テーブルを。

共有データ部１２に設けて管理する。

素子間の結合強度テーブルは、　Ｗｅｉｇｈｔで示され
るＮＸＮＸ２の三次元配列で実現される。

Ｗｅｒｇｈｔ［ｒ、　　ｊ、　　０］　：素子ｉと素子
ｊとの結合強度 Ｗｅｉｇｈｔ［ｉ、　　ｊ、　　１］　　’素子ｉと素
子ｊとの結合強度の更新許可 （ｌ→更新可、０→更新不可） を意味する。第５図に示す結合強度の配列において、結
合強度の値がＯに初期化されている部分は第３図に示す
層構成から明らかなように、素子間のリンクがない部分
である。

また、整数および実数の共有値として、それぞれ例えば
第６図（イ）、（ロ）に示すような値を扱う。

ｒＴＲ変数は、更新したい素子の数である。

Ｎは、ネットワークを構成する素子の数である。

Ｔは、焼きなましスケジュールで用いる温度である。

ボルツマンマシンでは１周知のように、仮想的な温度の
パラメータであるＴを高＜シ１次に徐々にＴを低くする
いわゆる“°焼きなまし探索°”を用いる。

この温度Ｔを変化させるためのテーブルとして第７図（
イ）に示すような焼きなましスケジュールテーブルを用
いる。このテーブルを構成する１つのセルは、第７図（
ロ）に示すように、温度と次のセルへのポインタとから
なる。

このポインタを、第７図（ハ）に示すように接続すると
１温度はＴＯ→Ｔ１→Ｔ２・・・と変更され最後のＴｎ
の後にＮＵＬＬが検出されると、ボルツマンマシンは、
探索を停止する。

これを第７図（ニ）に示すように接続すると。

温度ＴｎＯ後、再び温度ＴＯから同様に探索を繰り返す
。第７図（ホ）に示すように接続すると。

ボルツマンマシンは、１通りの探索終了後、温度Ｔｎで
の探索を繰り返す。

すなわち、焼きなましスケジュールチーフルのポインタ
を書き換えることにより２種々のスケジュールを実現す
ることができることになる。

これらの各種のデータは、共有データ部１２上に置かれ
、ニューラルネットのシミュレーション処理部１０およ
び言語処理系の記号処理部１１から、所定の条件のもと
て参照または更新が可能である。

第８図は、ＬＩＳＰ処理系で実行される初期化手続きの
フローチャートを示している。

まず、ＩＰｃシステムコールに依存するシェアートメモ
リを宣言し、共有データ部１２を確保する。ここに、素
子の数Ｎ５層構成、焼きなましスケジュールテーブルそ
の他の各種基本データを設定する。この設定手続きは、
利用者が任意に作成することができる。

その後、ＵＮＩＸにおけるｆｏｒｋ、ｅｘｅｃ等の機能
を用いて１　ボルツマンマシンのプロセスを生成する。

初期化終了後、ＬＩＳＰのトｙプレベルに戻る。

以後、関数の評価等を行い、記号処理を遂行するＬＩＳ
Ｐ処理系の記号処理部と、ボルツマンマシンのプロセス
とが並列に動作することになる。

本実施例におけるボルツマンマシンの処理の流れは１例
えば第９図および第１０図に示すようになる。図におい
て　（＝」は１代入を表している。Ｔｃはセルの温度、
Ｔは温度、　Ｔｅｍρ［０］はインデンクス０の温度（
Ｔ　Ｏ）　、　Ｔｓｅｌｆ（）は焼きなましスケジュー
ルテーブルにおける温度を得るための関数、　Ｔｎｅｘ
ｔ（）は次のセルのポインタを得るための関数である。

第９図では、出力に対する影響度を表す仮想的な温度Ｔ
をパラメータとして、データを取り出すときの手順の一
種である゛焼きなまし探索゛を行っている。温度Ｔは、
共有データ部１２の焼きなましスケジュールテーブルに
従って変化するがその際に、第７図で説明したリンクを
たどって次の温度を得る。リンクの先がＮＵＬＬの場合
には、ボルツマンマシンの動作は事実上停止することに
なる。このリンク構造は、ＬＩＳＰ処理系側からもアク
セスできるので、リンクを書き換えることにより、動作
の制御が可能である。

最初、ボルツマンマシンの初期化のために、第１０図（
イ）に示す処理を呼び出す。ここでは。

記号処理側のシェアートメモリの宣言に対応してボルツ
マンマシン側でも、シェアートメモリをＭ言する。また
、結合強度の初期化が必要であるが否かの指定によって
、必要であれば９初朋化フアイルからの読み込みを行う
。

第９図において、初期化後、セルの温度Ｔｃの初期値か
ら温度Ｔを求め１関数ｕｐｄａ　ｔｅを呼び出すと、関
数ｕｐｄａｔｅでは、第１０図（ロ）に示す処理を実行
する。この関数は、素子全体における状態更新を実行す
る部分である。

処理カウント値Ｃｏｕｎｔが、共有データ部１２に設定
された更新したい素子の数ＩＴＲになるまで。

乱数によって選択された素子の状態を、　Ｔｒａｎｓ関
数の呼び出しによって更新する。Ｒａｎｄｏｍ関数は。

０以上１未満の乱数を発生させる関数である。

Ｔ　ｒａｎｓ関数の処理では、第１０図（ハ）に示すよ
うに、素子ｉの状態更新を行う、すなわち、素子状態テ
ーブル５ｔａｔｅ［ｉ、１］が更新許可を示すとき５素
子状態テーブル５ｔａｔｅ［ｉ、Ｏ］を更新する。Ｉｎ
ｐｕｔ（ｉ）は、素子間結合を通して素子ｉに入力され
る量を計算する関数である。Ｐ　（ｕ）は入力がＵであ
る素子が、状態更新によってＯＮ。

すなわち、状態に１になる確率を計算する関数である。

以上の処理アルゴリズムは１周知の焼きなまし探索に基
づいている。

〔実施例２〕 次に、第２図に示す構成と同様な処理環境のもとで、学
習機能を取り入れた実施例について説明する。

第１１図は本発明の実施例に係る学習モード時の状態遷
移図、第１２図は本発明の実施例に係る記号処理側学習
手続きの処理フロー、第１３図ないし第１６図は本発明
の実施例に係るボルツマンマシンに関連する処理フロー
を示す。

動作の基本部分は、前述した第１の実施例とほとんと回
しであるが、共有データ部１２に設定される基本データ
として、第６図（ロ）に示す実数値のＦ−νａｌｕｅに
、学習時の結合強度の更新単位であるＷＳ　（Ｗｅｉｇ
ｈｔ　５ｔｅｐ）を追加する。

また１通常動作と学習動作の２つのモードを設け、これ
をオペレーティング・システムのメンセージ機能を用い
て５記号処理側からの制御によって選択的に使い分ける
構造とεている。学習モードでは、言語処理系とボルツ
マンマシンの両プロセスは、頻繁に同期をとる。

第１１図（イ）は１本実施例におけるシステム全体の状
態遷移図を示している。

ＬＩＳＰ起動によって、処理が開始され、初期設定によ
って、ボルツマンマシンのプロセスを生成する。その後
、記号処理の単独動作によって通常モード動作または学
習モード動作のいずれかを選択する。

ボルツマンマシン側の状ＩＱｉｉ！！移図は、第１１図
（ロ）に示すようになっている。

モード指定のメツセージを待ら、メンセージを受信した
ならば、モードを分析して１通常動作または学習動作を
行う。

このボルツマンマシンにおける学習動作の状態遷移図は
、第１１図（ハ）に示すようになっており、Ｔｙｐｅ１
〜４のメンセージを待ち、各Ｔ　ｙｐｅに応じて１図に
示すような処理を行う。

この第２の実施例における記号処理側学習手続きの処理
フローは、第１２図に示すようになっている。

“学習用教師信号の展開°°は、利用者に委ねられる部
分で、　　Ｐ　ｏｓｉｔｉｖｅ　Ｐ　ｈａｓｅでは、入
出力データの紐を、共有データ部１２に展開する。一方
Ｎｅｇａｔｉｖｅ　Ｐｈａｓｅでは、入力データのみを
、共有データ部１２上の素子状態テーブルおよび結合強
度テーブルの該当する部分に展開する。その値は。

素子状態テーブル上のビットパターンか、入力層につな
がる結合の値のどちらか一方もしくは両方となる。いず
れにしても、利用者の想定したモデルの特性がここに大
きく反映されるので、ここはモデルによって大きく異な
る部分である。

また、各フェーズや、学習動作などの終了条件も、利用
者に委ねられる。第１２図において１点線で囲んだ処理
手続きは、利用者依存の部分である。記号処理側の手続
きは、利用者に依存する部分が多くなるようにあえて作
られており、学習動作については、第１２図のフローチ
ャートに示した構造を守りさえすればよい。なお、第１
２図に示す個々のステップごとの処理内容は１図から明
らかであるので、これ以上の詳しい説明は省略する。

ボルツマンマシン側のメインルーチンハ、第１３図（イ
）に示すようになっている。

記号処理側からのモード選択のメンセージを受信して、
それに対応したモードに入る。シグナルによる割り込み
で、メツセージ待ちの状態に戻る。

通常動作では、第１３図（ロ）に示す処理により、焼き
なまし探索を行う。この焼きなまし探索は、第１３図（
ハ）に示すように行われるが、その処理内容については
、前述した第１の実施例の場合と同様である。

ボルツマンマシン側の学習動作は、第１４図に示すよう
に行われる。第１２図に示した記号処理側の学習手続き
により送信されるメソセージによって１次の３つの動作
フェーズを選択実行する。

Ｐｏ５ｉｔｉｖｅ　Ｐｈａｓｅ　：フローチャート中の
“計測１”に対応する。

−Ｎｅｇａｔｉｖｅ　Ｐｈａｓｅ　：フローチャート中
の“計測２”に対応する。

これらは共に、ボルツマンマシンの学習達成度を計測し
、素子間結合を更新するためのデータを収集するフェー
ズである。

・結合更新；上記２つのフェーズにより得たデータをも
とに、結合強度を更新する。

その際、讐ｅｉｇｈｔ　［ｉ　、　　ｊ　、　　１コで
示される更新許可に従う。

Ｔ　ｙｐｅ３のメツセージに受信に対しては、　　Ｐｏ
５ｉｔｉｖｅ　Ｐ　ｈａｓｅで、第１５図（イ）に示す
“計１ｊ１１１”の処理を実行する。

第１５図において、Ｓ［ｉ、ｊｌは、素子ｉと素子ｊの
状態が同時に１になっているものの個数を調べるための
カウンタで、素子ｉと素子ｊとの結合強度を変えるため
に用いられる。゛計測ｌ“では、Ｓ［ｉ、ｊｌをカウン
トアンプするのに対し、“計測２°°では、第１５１Ｅ
Ｊ（ロ）に示すように、これをカウントダウンさせる。

それ以外については、同様な処理となる。

これらのフェーズの後、　　Ｔ　ｙｐｅ２のメンセージ
を受信すると、結合更新のフェーズに移り、第１６図に
示す結合強度変更の処理を実行する。

ｌｄｅｉｇｈｔ　［ｉ、　　ｊ　、　　０　］は、第５
図に示す結合強度を示し、　Ｗｅｉｇｈｔ［ｉ、　　ｊ
、　　１コは、それに対応する更新許可である。

各素子ｉ、素子ｊの組について、　ＷｅｉｇＭ　［ｉｊ
、１］が［更新許可（１）」となっており、かつ“計測
１゛および“計測２°”でカウントした個数Ｓ［ｉ、ｊ
ｌがＯでなければ、その正・負により、結合強度−ｅｉ
ｇｈｔ　［ｉ　、　　ｊ　、　　０　］および−ｅｉｇ
ｈｔ［ｊ、ｉ、ｏ］を、結合強度の更新単位ＷＳだけ。

プラスまたはマイナスする。

結合強度の更新単位ＷＳは、あらかじめ記号処理側か共
有データ部１２に任意に設定できる。

以上、ニューラルネットのネットワーク・メカニズムと
して、ボルツマンマシンを例に説明したが、もちろん本
発明は、これに限られるわけではなく、他のニューラル
ネットについても、言語処理系とニューラルネットシミ
ュレータとが、共有データ部１２を介して、相互作用す
るように構成できることは言うまでもない。

例えば１人工知能の分野において、自然言語の解析に応
用する場合、言語処理系の記号処理部は。

文脈の主語・述語を判断するなど、所定の文法規則にあ
る程度厳密に従った解析処理を得意とする一方、あいま
いな用法や、よく間違えられる誤った用語等を認識する
ことは不得意である。これに対し、ニューラルネットシ
ミュレータは、あいまいな用法や表現等のパターンを、
学習に基づいてコード化するような処理を得意としてい
る。本発明によれば、これらを並列に動作させ、相互に
補い合うことによって、従来以上の意味理解が可能にな
る。

また、ニューラルネットシミュレータにおける学習の達
成状況などを随時観測できるので、その状態を表示する
ことなどにより、結合強度の更新単位など、外部から最
適な制御情報を与えることも可能になり、効率的な学習
を行わせることができるようになる。

〔発明の効果〕

以上説明したように１本発明によれば、ニエラル不ット
と記号処理用の言語処理系とが、基本データを共有しな
がら並列に動作するので、以下の特徴を持つ。

（ａ）　　記号処理の中からニューラル不ノＩ・の動作
を随時観測できる。

（ｂ）　　記号処理を実行しながら、ニューラルネット
の処理も同時に実行できる。

（Ｃ）　　共有データを通して、記号処理とニューラル
ネットの処理とが、相互作用できる。

したがって　ニューラルネットの処理と、記号処理とが
５アルゴリズムのレベルでは影響し合うことなく、互い
の処理の結果を他方に影響させることが可能となり、質
的に異なった画処理の特性を打ち消し合うことなく２両
処理を併用した人工知能などのモデルを実現できる環境
を構築することができるようになる。

【図面の簡単な説明】

第１図は本発明の構成例。 第２図は本発明の実施例の概要図 第３図は本発明の詳細な説明するための素子の層構成の
例。 第４図は本発明の実施例で用いる素子状態テーブルの例
。 第５図は本発明の実施例で用いる結合強度テーブルの例 第６図は本発明の実施例で用いる共有値の例第７図は本
発明の実施例で用いる焼きなましスケジュールテーブル
の例。 第８図は本発明の実施例に係る記号処理側初期化処理フ
ロー 第９図および第１０図は本発明の実施例に係るボルツマ
ンマシンの処理フロー 第１１図は本発明の実施例に係る学習モード時の状態遷
移図。 第１２図は本発明の実施例に係る記号処理側学習手続き
の処理フロー 第１３図は本発明の実施例に係るボルツマンマシンの処
理フロー 第１４図は第１３図の処理に関連する学習動作の処理フ
ロー 第１５図は第１４図の処理に関連する学習時の計測動作
処理フロー 第１６図は第１４図の処理に関連する結合強度変更処理
フロー 第１７図は従来方式の例。 第１８図は従来型で実現できる処理の形態説明図を示す
。 図中、１０はニューラルネットのシミュレーション処理
部、１１は言語処理系の記号処理部、１２は共有データ
部、１３および１４は共有データアクセス機構 １５は素子状態情報 １６は素子 間結合強度情報を表す。

Claims (1)

1. 【特許請求の範囲】 ニューラルネットのシミュレーションにより、入力デー
   タに基づいて出力データを決定する処理機構を有する計
   算機システムであって、 ニューラルネットの基本動作を実現する処理部（１０）
   と、 記号処理用の言語処理系を実現する処理部（１１）と、 前記両者間で共有するデータを保持する共有データ部（
   １２）とを備え、 少なくともニューラルネットを構成する素子の状態を示
   す情報および素子間の結合強度情報を含むニューラルネ
   ットの基本データを、前記共有データ部（１２）に格納
   することにより、記号処理とニューラルネットの処理と
   を並列に実行できる構造とし、 共有データを通じて両者が相互作用できるようにしたこ
   とを特徴とするニューラルネットシミュレート処理装置
   。