JPH0312789A - 連想回路網 - Google Patents
連想回路網Info
- Publication number
- JPH0312789A JPH0312789A JP2096618A JP9661890A JPH0312789A JP H0312789 A JPH0312789 A JP H0312789A JP 2096618 A JP2096618 A JP 2096618A JP 9661890 A JP9661890 A JP 9661890A JP H0312789 A JPH0312789 A JP H0312789A
- Authority
- JP
- Japan
- Prior art keywords
- line
- current
- local
- cells
- block
- 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
- 230000008878 coupling Effects 0.000 claims description 38
- 238000010168 coupling process Methods 0.000 claims description 38
- 238000005859 coupling reaction Methods 0.000 claims description 38
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 10
- 239000004065 semiconductor Substances 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 5
- 230000005669 field effect Effects 0.000 description 8
- 238000003491 array Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000005513 bias potential Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000036992 cognitive tasks Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C15/00—Digital stores in which information comprising one or more characteristic parts is written into the store and in which information is read-out by searching for one or more of these characteristic parts, i.e. associative or content-addressed stores
- G11C15/04—Digital stores in which information comprising one or more characteristic parts is written into the store and in which information is read-out by searching for one or more of these characteristic parts, i.e. associative or content-addressed stores using semiconductor elements
- G11C15/046—Digital stores in which information comprising one or more characteristic parts is written into the store and in which information is read-out by searching for one or more of these characteristic parts, i.e. associative or content-addressed stores using semiconductor elements using non-volatile storage elements
-
- 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
- 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)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (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】
〔産業上の利用分野〕
本発明は神経回路網の分野に関するものであり、とくに
、パターン一致およびハミング距離計算に有用な神経回
路網に関するものである。
、パターン一致およびハミング距離計算に有用な神経回
路網に関するものである。
〔従来の技術と発明が解決すべき課題〕過去数年にわた
って、アナログ神経回路網および連想メモリの分野にお
いて研究に従事している電子工学の研究者たちは、人の
脳により行われる論理を真似ようとしてきた。学習(た
とえばプログラミングモード)と意思決定(たとえば、
認識、連想メモリ等)を行う回路モデルが提案されてい
る。
って、アナログ神経回路網および連想メモリの分野にお
いて研究に従事している電子工学の研究者たちは、人の
脳により行われる論理を真似ようとしてきた。学習(た
とえばプログラミングモード)と意思決定(たとえば、
認識、連想メモリ等)を行う回路モデルが提案されてい
る。
実行において神経回路網がとくに有用である1つの種類
の作業は認識作業である。すなわち、ブタを分析し、ど
の特徴が存在するかを識別するために神経回路網を利用
できる。これにはテンフレートと予測される特徴をデー
タに一致させること、および最適な一致を見出すことが
含まれる。
の作業は認識作業である。すなわち、ブタを分析し、ど
の特徴が存在するかを識別するために神経回路網を利用
できる。これにはテンフレートと予測される特徴をデー
タに一致させること、および最適な一致を見出すことが
含まれる。
パターン一致プログラムにおいては、格納されている同
じパターンが同じ計算を用いて種々の入力パターンと繰
返えし比較される。それから、パターンの間の相対的な
一致の各種の基準を計算できる。
じパターンが同じ計算を用いて種々の入力パターンと繰
返えし比較される。それから、パターンの間の相対的な
一致の各種の基準を計算できる。
2つの2進パターンの間の1つの基準が「ハミング距離
」と呼ばれる。(この明細書においては、2進パターン
すなわち2進ベクトルを一連の1と0すなわちビットと
定義する。ビット列に意味がある。)数学的には、2つ
のパターンの間のハミング距離は、対応するビット位置
にある2つのパターンにおいて異なるビットの数である
。もちろん、ハミング距離が何らかの実際の意味を持つ
ためには両方のパターンは同じビット数を持たなければ
ならない。というのは、両方のパターンが同じビット数
であれば、ビット位置の間で1対1の対応があるからで
ある。神経回路網においてパターン一致を行う際に有用
である半導体セルが、1989年3月17日 に出願さ
れ、本発明の譲受人へ譲渡された1エクスクル−ジブ−
オア・セル−フォー春パターン会マツチング拳エンフ′
ロイング・フローティング・ゲート・デバイセズ(EX
CLUSIVE−ORCe1l For Patter
n Matching Employing Floa
ting Gate Devices) Jという名称
の未決の米国特許出願筒325.380号に開示されて
いる。
」と呼ばれる。(この明細書においては、2進パターン
すなわち2進ベクトルを一連の1と0すなわちビットと
定義する。ビット列に意味がある。)数学的には、2つ
のパターンの間のハミング距離は、対応するビット位置
にある2つのパターンにおいて異なるビットの数である
。もちろん、ハミング距離が何らかの実際の意味を持つ
ためには両方のパターンは同じビット数を持たなければ
ならない。というのは、両方のパターンが同じビット数
であれば、ビット位置の間で1対1の対応があるからで
ある。神経回路網においてパターン一致を行う際に有用
である半導体セルが、1989年3月17日 に出願さ
れ、本発明の譲受人へ譲渡された1エクスクル−ジブ−
オア・セル−フォー春パターン会マツチング拳エンフ′
ロイング・フローティング・ゲート・デバイセズ(EX
CLUSIVE−ORCe1l For Patter
n Matching Employing Floa
ting Gate Devices) Jという名称
の未決の米国特許出願筒325.380号に開示されて
いる。
大きな神経回路網をVLS Iアーキテクチャで実現す
るには、より小型の回路構成では通常は起らないいくつ
かの技術的問題が生ずる。たとえば、通常のメモリ製品
においては、読出しサイクル中にはアレイの一部(特定
のアドレスに対応するもの、すなわち、出力ビット当り
1個のセル)だけが動作する。いいかえると、出力の性
質は完全にデジタルであって、アレイ内の各セルの出力
電流の和には依存しない。これとは逆に、神経回路網は
全てのアレイ中の全てのセルを同時に活動状態にして大
きな全出力電流を供給できることもある。
るには、より小型の回路構成では通常は起らないいくつ
かの技術的問題が生ずる。たとえば、通常のメモリ製品
においては、読出しサイクル中にはアレイの一部(特定
のアドレスに対応するもの、すなわち、出力ビット当り
1個のセル)だけが動作する。いいかえると、出力の性
質は完全にデジタルであって、アレイ内の各セルの出力
電流の和には依存しない。これとは逆に、神経回路網は
全てのアレイ中の全てのセルを同時に活動状態にして大
きな全出力電流を供給できることもある。
上記出願に記載されているように、各神経回路網一致セ
ル(たとえば、排他的オアセル)は、典型的には1本ま
たは複数の列線に沿ってアナログ状に加え合わされる電
流を発生できる。それらの列線は非常に大きい電流(多
くのセルまたは全てのセルが電流に寄与している状況)
はもちろん、非常に小さい電流(どのセルも電流に寄与
しない7)を取扱うことができねばならない。
ル(たとえば、排他的オアセル)は、典型的には1本ま
たは複数の列線に沿ってアナログ状に加え合わされる電
流を発生できる。それらの列線は非常に大きい電流(多
くのセルまたは全てのセルが電流に寄与している状況)
はもちろん、非常に小さい電流(どのセルも電流に寄与
しない7)を取扱うことができねばならない。
非常に大きい動電流は、アレイ内で列線を製造するため
に用いられている金属のエレクトロマイグレーションを
ひき起すことがある。エレクトロマイグレーションは信
頼性型の障害物な原因である。電流加算線に沿う読出し
電流を減少させることを試みたとすると、信号干渉(す
なわちノイズ)が計算確度を低下させることがある。活
動状態にあるどのセルでも全列電流に寄与することがで
きる。電流の量は、加えられる入力ベクトルはもちろん
、プログラミング(すなわち学習)にももちろん依存す
る。
に用いられている金属のエレクトロマイグレーションを
ひき起すことがある。エレクトロマイグレーションは信
頼性型の障害物な原因である。電流加算線に沿う読出し
電流を減少させることを試みたとすると、信号干渉(す
なわちノイズ)が計算確度を低下させることがある。活
動状態にあるどのセルでも全列電流に寄与することがで
きる。電流の量は、加えられる入力ベクトルはもちろん
、プログラミング(すなわち学習)にももちろん依存す
る。
大きなアレイでは各加算線に比較的大きい電流が流れる
ことがあるから、抵抗電圧降下とエレクトロマイグレー
ションが非常に大きい神経回路網アレイに対して重大な
問題をひき起す。(前者は計算確度を低下させる信号干
渉を生じ、後者は信頼性の問題をひき起す。) 本発明は、新規な神経回路網アーキテクチャを使用する
ことによシそれらの問題を解決するものであることがわ
かるであろう。゛本発明によれば、神経回路網はいくつ
かのよシ小さいブロックに分割される。各ブロックは、
上記未決の米国特許出願に記載されているようなパター
ン一致セルのアレイを有する。セルは1本または複数の
局部電流加算線に沿う列に配置される。それらの線は、
各セルからの電流寄与を一緒に加え合わせて、ブロック
へ加えられた2進入力パターンと、アレイのセルに格納
されている2進重みパターンの間の相対的な一致の測定
値を生ずる手段を提供するものである。
ことがあるから、抵抗電圧降下とエレクトロマイグレー
ションが非常に大きい神経回路網アレイに対して重大な
問題をひき起す。(前者は計算確度を低下させる信号干
渉を生じ、後者は信頼性の問題をひき起す。) 本発明は、新規な神経回路網アーキテクチャを使用する
ことによシそれらの問題を解決するものであることがわ
かるであろう。゛本発明によれば、神経回路網はいくつ
かのよシ小さいブロックに分割される。各ブロックは、
上記未決の米国特許出願に記載されているようなパター
ン一致セルのアレイを有する。セルは1本または複数の
局部電流加算線に沿う列に配置される。それらの線は、
各セルからの電流寄与を一緒に加え合わせて、ブロック
へ加えられた2進入力パターンと、アレイのセルに格納
されている2進重みパターンの間の相対的な一致の測定
値を生ずる手段を提供するものである。
また、ブロック内の各列線は特殊な結合回路網を介して
全体的な加算線へ結合される。全体的な加算線は関連す
る局部列電流を加え合わせて、複数のブロックに対する
ハミング距離の測定値を生ずる。この明細書で述べるア
ーキテクチャの種類はアレイガブロック化され、平準化
された加算スキーム(LSBA)と呼ばれ、大きな神経
回路網を実現する問題に対する優雅な解決策を提供する
ものである。
全体的な加算線へ結合される。全体的な加算線は関連す
る局部列電流を加え合わせて、複数のブロックに対する
ハミング距離の測定値を生ずる。この明細書で述べるア
ーキテクチャの種類はアレイガブロック化され、平準化
された加算スキーム(LSBA)と呼ばれ、大きな神経
回路網を実現する問題に対する優雅な解決策を提供する
ものである。
本発明に関連するものと信ぜられる、発明者が知ってい
る別の従来技術は、米国特許第4,760,437号、
第4,660,166号、第4,782,460号、第
4.773,024号、第4,802,103号と、
アイイーイーイー、ジャーナルΦオプ・ンリッド・ステ
ート・サーキツツ(IEEE Journal of
5olid 5tate C1rcuits ) 24
巻、1号、1989年2月、28〜34ページ所載のク
ラーク(C1ark) 他による[ア・パイブライン
ド・アンーシアテイフ・メモリーイブルメンテツド・イ
ン・ブイエルニスアイ(A Pipelined As
5ociative Memory Implemen
ted In VLSI)Jを含む。
る別の従来技術は、米国特許第4,760,437号、
第4,660,166号、第4,782,460号、第
4.773,024号、第4,802,103号と、
アイイーイーイー、ジャーナルΦオプ・ンリッド・ステ
ート・サーキツツ(IEEE Journal of
5olid 5tate C1rcuits ) 24
巻、1号、1989年2月、28〜34ページ所載のク
ラーク(C1ark) 他による[ア・パイブライン
ド・アンーシアテイフ・メモリーイブルメンテツド・イ
ン・ブイエルニスアイ(A Pipelined As
5ociative Memory Implemen
ted In VLSI)Jを含む。
本発明によれば、複数の回路ブロックを備え、各ブロッ
ク自体は、加えられる入力パターンと格納されている重
みパターンの間の相対的な一致を計算するアレイを形成
するように配置された複数の半導体セルを含む連想回路
網が得られる。
ク自体は、加えられる入力パターンと格納されている重
みパターンの間の相対的な一致を計算するアレイを形成
するように配置された複数の半導体セルを含む連想回路
網が得られる。
新規な回路網アーキテクチャの動作においては、半導体
セルは、各ブロック内に配置される複数の局部加算線へ
電流を供給できる。それらの局部加算線はセルからの個
々の電流寄与を加え合わせるために用いられる。ブロッ
ク内を流れる個々の局部列電流の和を表す全電流は、2
つのパターンの間の一致に直接対応する。
セルは、各ブロック内に配置される複数の局部加算線へ
電流を供給できる。それらの局部加算線はセルからの個
々の電流寄与を加え合わせるために用いられる。ブロッ
ク内を流れる個々の局部列電流の和を表す全電流は、2
つのパターンの間の一致に直接対応する。
また、回路網内の各ブロックは関連する複数の全体的な
加算線に沿って一緒に結合される。全体的な加算線は結
合装置を介して関連する1本の局部加算線へ結合される
。結合装置により、いくつかのブロックに関連する各局
部列線からの電流を、個々の全体的な加算線に沿って加
え合わせることができるようにされる。得られる集めら
れた全体的な電流は、全ての入力パターンと、全体の回
路網に対する格納された全ての重みとの間の全体的な一
致に対応する。
加算線に沿って一緒に結合される。全体的な加算線は結
合装置を介して関連する1本の局部加算線へ結合される
。結合装置により、いくつかのブロックに関連する各局
部列線からの電流を、個々の全体的な加算線に沿って加
え合わせることができるようにされる。得られる集めら
れた全体的な電流は、全ての入力パターンと、全体の回
路網に対する格納された全ての重みとの間の全体的な一
致に対応する。
好適な実施例においては、回路網内の各ブロックに重み
を割当てることができるように、各結合装置を制御でき
る。いいかえると、局部加算線と全体的な加算線の間の
接続の強さをブロックごとに動的に変更することにより
、−船釣に計算過程はもちろん、全体的な電流の大きさ
を正確に制御できる。
を割当てることができるように、各結合装置を制御でき
る。いいかえると、局部加算線と全体的な加算線の間の
接続の強さをブロックごとに動的に変更することにより
、−船釣に計算過程はもちろん、全体的な電流の大きさ
を正確に制御できる。
この明細書においてはアレイがブロックに分けられ、平
準化された加算スキーム(LSBA)を用いる神経回路
網について説明する。以下の説明においては、本発明を
完全に理解できるようにするために、特定のセル構造、
回路構成等のような特定の詳細を数多く述べる。しかし
、本発明はそのような詳細なしに実施できることが当業
者には明らかであろう。他の場合には、本発明を不必要
にあいまいにしないようにするために、周知の回路につ
いては詳しく説明しない。
準化された加算スキーム(LSBA)を用いる神経回路
網について説明する。以下の説明においては、本発明を
完全に理解できるようにするために、特定のセル構造、
回路構成等のような特定の詳細を数多く述べる。しかし
、本発明はそのような詳細なしに実施できることが当業
者には明らかであろう。他の場合には、本発明を不必要
にあいまいにしないようにするために、周知の回路につ
いては詳しく説明しない。
第1A図と第1B図を参照する。これらの図には本発明
のLSBAアーキテクチャが示されている。神経回路網
18は、ブロック15のようなアレイブロックの二次元
マトリックスを含む。各ブロックには、入力電圧ベクト
ルを排他的オアセル14のようなパターン一致半導体セ
ルのアレイへ結合するための複数の入力線が組合わされ
る。与えられたブロック内の個々のセルは、入力ベクト
ルパターンのビットと格納されている重みパターンのビ
ットとの間の相対的な一致を計算する。
のLSBAアーキテクチャが示されている。神経回路網
18は、ブロック15のようなアレイブロックの二次元
マトリックスを含む。各ブロックには、入力電圧ベクト
ルを排他的オアセル14のようなパターン一致半導体セ
ルのアレイへ結合するための複数の入力線が組合わされ
る。与えられたブロック内の個々のセルは、入力ベクト
ルパターンのビットと格納されている重みパターンのビ
ットとの間の相対的な一致を計算する。
セル14は一対の浮動ゲート装置を含むことが好ましい
。それらの浮動ゲート装置のドレインが局部加算線(た
とえば第1A図の加算線L20 )へ結合され、ンース
が接地される。セル14の動作とプログラミングが、出
願人の未決の米国特許出願筒325,380号に詳しく
説明されている(従来の技術の項を参照されたい)。線
io、oとio、。
。それらの浮動ゲート装置のドレインが局部加算線(た
とえば第1A図の加算線L20 )へ結合され、ンース
が接地される。セル14の動作とプログラミングが、出
願人の未決の米国特許出願筒325,380号に詳しく
説明されている(従来の技術の項を参照されたい)。線
io、oとio、。
に存在する電圧と、装置の内部状態(たとえば、プログ
ラムされている、または消去されている)とに応じて、
セル14はブロック15内の局部加算線39を流れる電
流■1に寄与できる。各局部加算線を流れる電流ILは
、その線に関連する排他的オアセルからの個々の電流の
寄与の和に依存する。
ラムされている、または消去されている)とに応じて、
セル14はブロック15内の局部加算線39を流れる電
流■1に寄与できる。各局部加算線を流れる電流ILは
、その線に関連する排他的オアセルからの個々の電流の
寄与の和に依存する。
ブロック15の中には回路網12のような複数の結合回
路網もある。その結合回路網は個々の局部加算線(たと
えばL2G )を回路網18内の関連する全体加算線(
たとえばG2)へ結合する。結合回路網12はそれぞれ
[結合されたJ 、l−v REF 2J s「直接」
と記されている線26,27.28も含む。それらの線
は個々のブロックを、回路網18を流れる全体電流(た
とえば■。)への個々のブロックの相対的な寄与に関し
て制御する。本発明のこの面については後で詳しく説明
する。
路網もある。その結合回路網は個々の局部加算線(たと
えばL2G )を回路網18内の関連する全体加算線(
たとえばG2)へ結合する。結合回路網12はそれぞれ
[結合されたJ 、l−v REF 2J s「直接」
と記されている線26,27.28も含む。それらの線
は個々のブロックを、回路網18を流れる全体電流(た
とえば■。)への個々のブロックの相対的な寄与に関し
て制御する。本発明のこの面については後で詳しく説明
する。
電流I。は、回路網18内のいくつかのブロックの間の
全体的な加算線に関連する局部動電流の和を表す。たと
えば、第1A図と第1B図におい“て、線32(すなわ
ちG2)は線L20 、 L21 、 ”’L2Nを流
れる電流を加え合わせる。
全体的な加算線に関連する局部動電流の和を表す。たと
えば、第1A図と第1B図におい“て、線32(すなわ
ちG2)は線L20 、 L21 、 ”’L2Nを流
れる電流を加え合わせる。
回路網18内の各局部加算線には別々の結合回路網12
が組合わされる。全ての全体加算線G。
が組合わされる。全ての全体加算線G。
〜Gkについての全電流は、回路網18全体に対して、
入力ベクトル’j+にと格納されている重みパターン(
格納されている重みパターンは個々のセルの浮動ゲート
にプログラムされている)の間のハミング距離に対応す
る。後で詳しく説明するように、本発明の1つの重要な
特徴は、ブロックの重みを動的に変更すること、および
ノhミンク距離をブロックごとに測定することができる
ことである。
入力ベクトル’j+にと格納されている重みパターン(
格納されている重みパターンは個々のセルの浮動ゲート
にプログラムされている)の間のハミング距離に対応す
る。後で詳しく説明するように、本発明の1つの重要な
特徴は、ブロックの重みを動的に変更すること、および
ノhミンク距離をブロックごとに測定することができる
ことである。
次に、排他的オアセルと、全体加算線32と、局部加算
線39とともに結合回路網12が示されている第2図を
参照する。浮動ゲートトランジスタ37.38は、局部
加算線39へ結合される排他的オアセルを有する。それ
らの装置は、絶縁体(たとえば二酸化シリコン)により
完全に囲まれたポリシリコン浮動ゲートを用いることが
最もしばしばある。電子なだれ注入、チャネル注入、ト
ンネル効果等のような種々のメカニズムによって電荷は
それらの浮動ゲートへ送られる。浮動ゲートの電荷は装
置における導電度に影響を及ぼす。
線39とともに結合回路網12が示されている第2図を
参照する。浮動ゲートトランジスタ37.38は、局部
加算線39へ結合される排他的オアセルを有する。それ
らの装置は、絶縁体(たとえば二酸化シリコン)により
完全に囲まれたポリシリコン浮動ゲートを用いることが
最もしばしばある。電子なだれ注入、チャネル注入、ト
ンネル効果等のような種々のメカニズムによって電荷は
それらの浮動ゲートへ送られる。浮動ゲートの電荷は装
置における導電度に影響を及ぼす。
導電度があるレベル以上であれば、装置は1つの2進状
態へプログラムされたとみなされる。導電度が別のレベ
ル以下であれば、装置は別の2進状態へプログラムされ
たと見なされる。
態へプログラムされたとみなされる。導電度が別のレベ
ル以下であれば、装置は別の2進状態へプログラムされ
たと見なされる。
第2図において、装置37.38のドレインが局部加算
線39へ結合され、ンースは接地されたままである。装
置37の制御ゲートは、iJ+にと記されている電圧入
力線34へ直結される。浮動ゲート装置38の制御ゲー
トが電圧入力線1 j、に35へ同様に結合される。
線39へ結合され、ンースは接地されたままである。装
置37の制御ゲートは、iJ+にと記されている電圧入
力線34へ直結される。浮動ゲート装置38の制御ゲー
トが電圧入力線1 j、に35へ同様に結合される。
1つの浮動ゲート装置を所定のレベルへプログラミング
(すなわち充電)し、他の装置を消去(すなわち電荷を
除く)することにより、第2図の排他的オアセルにデジ
タル重みパターンが格納される。格納されている重みパ
ターンと印加される入力電圧に応じて、排他的オアセル
内の浮動ゲート装置の1つが電流を流すことができる。
(すなわち充電)し、他の装置を消去(すなわち電荷を
除く)することにより、第2図の排他的オアセルにデジ
タル重みパターンが格納される。格納されている重みパ
ターンと印加される入力電圧に応じて、排他的オアセル
内の浮動ゲート装置の1つが電流を流すことができる。
入力ベクトルと格納されている重みパターンが一致する
ことが検出された時に、一般に電流が流れる。装置37
または38が導通状態になると、線39を流れる全電流
ILに電流が寄与する。線39へ結合されている排他的
オアセルの1つおきのセルが電流を流すと、全電流工、
は大きい。−万、線39へ結合されている排他的オアセ
ルのいずれも電流を流していないとすると、全体的加算
線電流工。
ことが検出された時に、一般に電流が流れる。装置37
または38が導通状態になると、線39を流れる全電流
ILに電流が寄与する。線39へ結合されている排他的
オアセルの1つおきのセルが電流を流すと、全電流工、
は大きい。−万、線39へ結合されている排他的オアセ
ルのいずれも電流を流していないとすると、全体的加算
線電流工。
は非常に小さい(読出しバイアス電流だけに等しい)。
回路網18の読出し動作中に、1つまたは複数のブロッ
クの一致、またはハミング距離、を計算するためにそれ
らのブロックが標本化される。このプロセスは、局部加
算線を流れている電流を全体的な加算線に結合して、全
体的な電流I。を生ずることを含む。その電流工。は、
その全体的な加算線へ電流を寄与する各ブロックに関連
する2進パターンの間の一致に対応する。回路網には、
局部加算線の各列に関連する全体的な加算線があること
に注目されたい。各ブロックは1本または複数の局部加
算線を有することがあるから、全体的な加算線の数は、
回路網18内に配置されている列の数に常に等しい。列
を1列だけ有し、したかってその列に関連する局部加算
線と全体加算線を1本ずつ有するブロックを設けること
が可能である。
クの一致、またはハミング距離、を計算するためにそれ
らのブロックが標本化される。このプロセスは、局部加
算線を流れている電流を全体的な加算線に結合して、全
体的な電流I。を生ずることを含む。その電流工。は、
その全体的な加算線へ電流を寄与する各ブロックに関連
する2進パターンの間の一致に対応する。回路網には、
局部加算線の各列に関連する全体的な加算線があること
に注目されたい。各ブロックは1本または複数の局部加
算線を有することがあるから、全体的な加算線の数は、
回路網18内に配置されている列の数に常に等しい。列
を1列だけ有し、したかってその列に関連する局部加算
線と全体加算線を1本ずつ有するブロックを設けること
が可能である。
第2図において、局部加算線39を全体加算線32へ結
合する結合回路網は電界効果装置20〜24を含む。そ
れらのトランジスタは付加制御特徴を有する標準電流ミ
ラーを含む。好適な実施例においては、電界効果トラン
ジスタ20と21は、相補金稿−酸化物−半導体(CM
O8)法を用いて製造された通常のpチャネル装置であ
る。トランジスタ20.21のソースはVcc (すな
わち電源電位)へ結合され、ゲートは線30を介してト
ランジスタ20のドレインへ一緒に結合される。
合する結合回路網は電界効果装置20〜24を含む。そ
れらのトランジスタは付加制御特徴を有する標準電流ミ
ラーを含む。好適な実施例においては、電界効果トラン
ジスタ20と21は、相補金稿−酸化物−半導体(CM
O8)法を用いて製造された通常のpチャネル装置であ
る。トランジスタ20.21のソースはVcc (すな
わち電源電位)へ結合され、ゲートは線30を介してト
ランジスタ20のドレインへ一緒に結合される。
電流ミラーの動作に従って、トランジスタ21を流れる
電流はトランジスタ20を流れる電流の直接関数である
。いいかえると、装置21を流れる電流は電流■、に直
接関係づけられる。「結合された」と記されている線2
6が高い電位へ上昇させられると、トランジスタ22は
トランジスタ21を電流が流れるようにして、線32を
流れる全電流工。に寄与させる。読出し動作中は線26
は通常は高い電位にある。したがって、結合回路網12
の電流ミラーを用いることにより、局部加算電流が関連
する全体的な加算線電流に寄与できるようにされる。
電流はトランジスタ20を流れる電流の直接関数である
。いいかえると、装置21を流れる電流は電流■、に直
接関係づけられる。「結合された」と記されている線2
6が高い電位へ上昇させられると、トランジスタ22は
トランジスタ21を電流が流れるようにして、線32を
流れる全電流工。に寄与させる。読出し動作中は線26
は通常は高い電位にある。したがって、結合回路網12
の電流ミラーを用いることにより、局部加算電流が関連
する全体的な加算線電流に寄与できるようにされる。
トランジスタ21を流れる電流の実際の大きさ、したが
って全体の電流工。に寄与する電流はトランジスタ20
と21の寸法比の関数であることを理解すべきである。
って全体の電流工。に寄与する電流はトランジスタ20
と21の寸法比の関数であることを理解すべきである。
第2図にはトランジスタ21は1より大きい寸法IKJ
で示され、トランジスタ21は寸法「1」で示されてい
る。このことは、局部加算線電流■1が全体的加算線3
2へ結合された時に、局部加算線電流ILが係数にだけ
減少させられることを意味する。したがって、トランジ
スタの寸法比にはブロックに「重みをつけることができ
る」1つの方法である。したがって、これは電流■。の
大きさを妥当な範囲で減少させる1つの手段である。
で示され、トランジスタ21は寸法「1」で示されてい
る。このことは、局部加算線電流■1が全体的加算線3
2へ結合された時に、局部加算線電流ILが係数にだけ
減少させられることを意味する。したがって、トランジ
スタの寸法比にはブロックに「重みをつけることができ
る」1つの方法である。したがって、これは電流■。の
大きさを妥当な範囲で減少させる1つの手段である。
また、浮動ゲート装置によりプログラムされ、あるいは
ランダムアクセスメモリ(RAM)や類似の電荷保持装
置を介して動的に適応させられる、ハードウェアによっ
てKの極性と大きさを予め定めることができることを理
解すべきである。
ランダムアクセスメモリ(RAM)や類似の電荷保持装
置を介して動的に適応させられる、ハードウェアによっ
てKの極性と大きさを予め定めることができることを理
解すべきである。
ブロックの重みを制御する別のやり方は、電界効果トラ
ンジスタ23を基準電圧線(vREFI) 27ととも
に基本電流ミラーに付加することである。
ンジスタ23を基準電圧線(vREFI) 27ととも
に基本電流ミラーに付加することである。
基準電圧線27は電界効果トランジスタ23のゲートへ
結合される。電界効果トランジスタ23は通常のnチャ
ネルCMOSトランジスタとすることが好ましい。基準
電圧線2γにおける電位が高くなると、トランジスタ2
3はより自由に導通することによって回路点31におけ
る電位を上昇させる。そうすると線39を流れる電流工
、も増大させられる。したがって、電流工、の大きさは
基準電位vREFI の大きさに直接関係づけられ、電
位VREFI の制御はブロックの重みを調整する別
の方法である。種々のブロックの基準電位を選択的に上
昇または降下させることにより、個々のブロックまたは
ブロック群についてパターンの一致を計算できる。
結合される。電界効果トランジスタ23は通常のnチャ
ネルCMOSトランジスタとすることが好ましい。基準
電圧線2γにおける電位が高くなると、トランジスタ2
3はより自由に導通することによって回路点31におけ
る電位を上昇させる。そうすると線39を流れる電流工
、も増大させられる。したがって、電流工、の大きさは
基準電位vREFI の大きさに直接関係づけられ、電
位VREFI の制御はブロックの重みを調整する別
の方法である。種々のブロックの基準電位を選択的に上
昇または降下させることにより、個々のブロックまたは
ブロック群についてパターンの一致を計算できる。
たとえば、入力2進パターンとブロック15(他の全て
の重みを無視して)に格納されている重みの一致を計算
することを望んだとすると、電圧基準線VREF2 が
高い電位へ上昇させられると同時に、他の全てのブロッ
クに対する電圧基準線を接地し、または比較的低い電位
にする。ブロックに関連する電圧基準線を接地するとそ
のブロックはターンオフさせられる。そうすると、計算
中のブロックの列に関連する全体的な電流加算線への局
部電流のどのような寄与も阻止される。
の重みを無視して)に格納されている重みの一致を計算
することを望んだとすると、電圧基準線VREF2 が
高い電位へ上昇させられると同時に、他の全てのブロッ
クに対する電圧基準線を接地し、または比較的低い電位
にする。ブロックに関連する電圧基準線を接地するとそ
のブロックはターンオフさせられる。そうすると、計算
中のブロックの列に関連する全体的な電流加算線への局
部電流のどのような寄与も阻止される。
1次データ、2次データ等というような等級をつけられ
た入力の神経計算のためには同一でないブロックの重み
も有用である。LS BAアーキテクチャを用いるとブ
ロック重みを動的に適応でき、アレイ中の内部セル(た
とえば排他的オアセル)静止またはほぼ静止の状態に保
たれる。この特徴は、入力データの重要な部分が局限さ
れて、動的に動く応用において有用なことがある。
た入力の神経計算のためには同一でないブロックの重み
も有用である。LS BAアーキテクチャを用いるとブ
ロック重みを動的に適応でき、アレイ中の内部セル(た
とえば排他的オアセル)静止またはほぼ静止の状態に保
たれる。この特徴は、入力データの重要な部分が局限さ
れて、動的に動く応用において有用なことがある。
たとえば、ブロック重みを一正または負の関数として−
それの入力または他のブロックの入力の平均強さを追従
するようにできる。更に、ブロック重みの極性を制御で
きるようにすることにより、ベクトル(入力ベクトルと
列に格納されている状態ベクトル)の内積の加算または
減算のような、ブロック間計算を局部的に行うことがで
きる。この特徴は、マイクロプロセッサ制御神経回路網
、すなわち、マイクロプロセッサにより制御されるブロ
ック重みおよび入/出力路、を含む用途に有用なことが
ある。
それの入力または他のブロックの入力の平均強さを追従
するようにできる。更に、ブロック重みの極性を制御で
きるようにすることにより、ベクトル(入力ベクトルと
列に格納されている状態ベクトル)の内積の加算または
減算のような、ブロック間計算を局部的に行うことがで
きる。この特徴は、マイクロプロセッサ制御神経回路網
、すなわち、マイクロプロセッサにより制御されるブロ
ック重みおよび入/出力路、を含む用途に有用なことが
ある。
実時間ダイナミック重み応用のために、ランダムアクセ
スメモリ(RAM)またはその他の一時的電荷蓄積装置
を、第1A図と第1B図の排他的オアセルの代りに利用
できる。しかし、2進の性質(たとえばRAM)または
それらの装置に関連する有限蓄積時間のために、それら
の装置の応用は限られる。浮動ゲート装置に関連するプ
ログラム時間と消去時間(プログラム状態の検査時間を
含めて)が通常長いために、動的重み応用にそれらの浮
動ゲート装置(トランジスタ23とVREFによる結合
回路網の制御はない)を使用することは、低速の用途に
限られる。本発明のLBSAアーキテクチャにより、各
内部セルの重みが静止している間にブロック重みを動的
に変えることができるという、動的ブロック重み性能が
得られる。たしかに、上記のようにしてブロック重みを
変えることは、ブロック内の浮動ゲートセルのプログラ
ミング状態を順次変えることよりもはるかに速い。
スメモリ(RAM)またはその他の一時的電荷蓄積装置
を、第1A図と第1B図の排他的オアセルの代りに利用
できる。しかし、2進の性質(たとえばRAM)または
それらの装置に関連する有限蓄積時間のために、それら
の装置の応用は限られる。浮動ゲート装置に関連するプ
ログラム時間と消去時間(プログラム状態の検査時間を
含めて)が通常長いために、動的重み応用にそれらの浮
動ゲート装置(トランジスタ23とVREFによる結合
回路網の制御はない)を使用することは、低速の用途に
限られる。本発明のLBSAアーキテクチャにより、各
内部セルの重みが静止している間にブロック重みを動的
に変えることができるという、動的ブロック重み性能が
得られる。たしかに、上記のようにしてブロック重みを
変えることは、ブロック内の浮動ゲートセルのプログラ
ミング状態を順次変えることよりもはるかに速い。
トランジスタ37と38の浮動ゲート部材の再充電と放
電は次のようにして行われる。再び第2図を参照して、
トランジスタ3γをプログラムするために、それのドレ
インへ接続されている線39と、それの制御ゲートへ接
続されている線34が約12ボルトの高い正のプログラ
ミング電位へ引きあげられる。線39における電圧はト
ランジスタ24と、「直接」と記されている線28と、
全体的な加算線32とを用いて制御される。線28にお
ける電位を上昇させることにより、電界効果トランジス
タ24は自由に導通して、線32に存在する電位を線3
9へ移せるようにする。回路網18の外部端子から線3
2を自由にアクセスできるから、アレイの内部セルのプ
ログラミングを容易にする手段としてそれを容易に用い
られる。読出し動作中は、トランジスタ24が導通しな
いように線28は低い電位にある。
電は次のようにして行われる。再び第2図を参照して、
トランジスタ3γをプログラムするために、それのドレ
インへ接続されている線39と、それの制御ゲートへ接
続されている線34が約12ボルトの高い正のプログラ
ミング電位へ引きあげられる。線39における電圧はト
ランジスタ24と、「直接」と記されている線28と、
全体的な加算線32とを用いて制御される。線28にお
ける電位を上昇させることにより、電界効果トランジス
タ24は自由に導通して、線32に存在する電位を線3
9へ移せるようにする。回路網18の外部端子から線3
2を自由にアクセスできるから、アレイの内部セルのプ
ログラミングを容易にする手段としてそれを容易に用い
られる。読出し動作中は、トランジスタ24が導通しな
いように線28は低い電位にある。
上記の条件の下においては、トランジスタ3γの制御ゲ
ートに存在する高い正電圧が電子を、そのトランジスタ
のドレイン近くの薄い酸化物をトンネル効果で突き抜け
させる。それらの電子は浮動ゲートにより捕えられる。
ートに存在する高い正電圧が電子を、そのトランジスタ
のドレイン近くの薄い酸化物をトンネル効果で突き抜け
させる。それらの電子は浮動ゲートにより捕えられる。
そのためにそれの(プログラミング)しきい値が高くさ
れる。線34へ接続されている制御ゲートをアース電位
またはそれに近い電圧にすることにより、トランジスタ
25の浮動ゲートにある電子は除去される。そうすると
トランジスタ3Tのドレインは、上記のように線39に
おける電位を上昇させることにより、高い電圧にされる
。トランジスタ37のドレインへ高いバイアスを加え、
それの制御ゲートを接地すると、電子が浮動ゲートから
ドレインへトンネル動量により突き抜けることにより、
トランジスタ37の(消去)しきい値を低くする。
れる。線34へ接続されている制御ゲートをアース電位
またはそれに近い電圧にすることにより、トランジスタ
25の浮動ゲートにある電子は除去される。そうすると
トランジスタ3Tのドレインは、上記のように線39に
おける電位を上昇させることにより、高い電圧にされる
。トランジスタ37のドレインへ高いバイアスを加え、
それの制御ゲートを接地すると、電子が浮動ゲートから
ドレインへトンネル動量により突き抜けることにより、
トランジスタ37の(消去)しきい値を低くする。
神経回路網18の場合には、ブロックの寸法と、入力お
よび出力の数とは読出し電流、金属のエレクトロマイグ
レーション、チップアーキテクチャ、物理的設計等を考
慮して決定される。前記のように、大きなアレイの場合
にはセルの読出し電流をできるだけ小さくすることがし
ばしば望ましい。
よび出力の数とは読出し電流、金属のエレクトロマイグ
レーション、チップアーキテクチャ、物理的設計等を考
慮して決定される。前記のように、大きなアレイの場合
にはセルの読出し電流をできるだけ小さくすることがし
ばしば望ましい。
読出し電流の下限は、信号の分解能、洩れ、ノイズ、オ
フセット、各パターン一致セル、スなワチ排他的オアセ
ル、における物理的装置パラメータの分布を考慮して決
定される。EPROM/EEPROMをベースとするア
レイの場合には、読出し電流の制御は利用できる電圧基
準源と読出しドレインバイアス回路によっても制御され
る。たとえば、ダイオード電圧降下の変化またはMOS
Lきい値電圧降下の変化は、温度、電源変動、プロ
セス等に応じて起ることがある。
フセット、各パターン一致セル、スなワチ排他的オアセ
ル、における物理的装置パラメータの分布を考慮して決
定される。EPROM/EEPROMをベースとするア
レイの場合には、読出し電流の制御は利用できる電圧基
準源と読出しドレインバイアス回路によっても制御され
る。たとえば、ダイオード電圧降下の変化またはMOS
Lきい値電圧降下の変化は、温度、電源変動、プロ
セス等に応じて起ることがある。
第2図の参照を続けて、トランジスタ20と21だけを
用いて結合回路網12の電流ミラーを実現できることが
明らかである。いいかえると、電流ミラーの本来的な機
能にはトランジスタ22゜23.24は重要ではなく、
ある用途ではなくすことができる。必要があれば、確度
を高くするために、ウィルソン電流ミラーのようなより
高度の電流ミラーを使用できる。もちろん、トランジス
タ23と、それに関連するV□F1線が除去されるもの
とすると、ブロックに対するある制御が失われて、寄生
プログラミング効果が重大となることがある。VREF
I はトランジスタ寸法比にとともにブロック重みを
提供することを思い出されたい。第2図において、Kは
固定された値であるが、71月 はダイナミックブロッ
ク重み用途では可変である。
用いて結合回路網12の電流ミラーを実現できることが
明らかである。いいかえると、電流ミラーの本来的な機
能にはトランジスタ22゜23.24は重要ではなく、
ある用途ではなくすことができる。必要があれば、確度
を高くするために、ウィルソン電流ミラーのようなより
高度の電流ミラーを使用できる。もちろん、トランジス
タ23と、それに関連するV□F1線が除去されるもの
とすると、ブロックに対するある制御が失われて、寄生
プログラミング効果が重大となることがある。VREF
I はトランジスタ寸法比にとともにブロック重みを
提供することを思い出されたい。第2図において、Kは
固定された値であるが、71月 はダイナミックブロッ
ク重み用途では可変である。
第3図は結合回路網12の別の実施例を示す。
第3図の回路は、電界効果トランジスタ23の制御ゲー
トが増幅器41の出力端子へ結合されることを除き、あ
らゆる面で第2図の回路と同じである。増幅器41は通
常の差動増幅器であって、数多くの回路構成で実現でき
る。増幅器41の負入力端子はvREF線2γへ結合さ
れる。通常は、線27は全ブロックを横切って延びて、
各結合回路網を第3図に示すようにして接続する。
トが増幅器41の出力端子へ結合されることを除き、あ
らゆる面で第2図の回路と同じである。増幅器41は通
常の差動増幅器であって、数多くの回路構成で実現でき
る。増幅器41の負入力端子はvREF線2γへ結合さ
れる。通常は、線27は全ブロックを横切って延びて、
各結合回路網を第3図に示すようにして接続する。
動作時には、VREF線27が線39に存在する電圧よ
り上昇させられると、増幅器41は負入力電圧、すなわ
ち線39における電圧、をそれの正入力端子における入
力電圧と同じレベルへ駆動しようとして、それの出力電
圧を上昇させる。第3図の別の実施例は、第2図の結合
回路網と比較して、ブロック重みを一層正確に制御でき
るので有利である。
り上昇させられると、増幅器41は負入力電圧、すなわ
ち線39における電圧、をそれの正入力端子における入
力電圧と同じレベルへ駆動しようとして、それの出力電
圧を上昇させる。第3図の別の実施例は、第2図の結合
回路網と比較して、ブロック重みを一層正確に制御でき
るので有利である。
第2図を参照して説明したように、トランジスタ22を
使用せず、トランジスタ21のソースを全体的な加算線
32へ直結できる。しかし、洩れ検出回路は、結合回路
網12にトランジスタ22を含んでいることによる利益
をこうむる。
使用せず、トランジスタ21のソースを全体的な加算線
32へ直結できる。しかし、洩れ検出回路は、結合回路
網12にトランジスタ22を含んでいることによる利益
をこうむる。
第2図と第3図において、トランジスタ22が「オン」
で、トランジスタ24が「オフ」の時は、結合回路網1
2は読出し動作に採用できる電流ミラーとして動作する
。トランジスタ22と24が「オフ」の時は結合回路網
は切離され、ブロックは全体的な加算線32への電流の
寄与を禁止される。もちろん、電流ミラーを動作不能に
する別のやり方は、与えられた任意のブロックに対して
V□F線27を接地することである。トランジスタ24
が「オン」状態にある時は、トランジスタ22の状態と
は無関係に、全体的な加算線22は局部加算線39へ直
結される。アレイの排他的オアセルをプログラオングす
る時には線22と39の直結はとくに有用である。
で、トランジスタ24が「オフ」の時は、結合回路網1
2は読出し動作に採用できる電流ミラーとして動作する
。トランジスタ22と24が「オフ」の時は結合回路網
は切離され、ブロックは全体的な加算線32への電流の
寄与を禁止される。もちろん、電流ミラーを動作不能に
する別のやり方は、与えられた任意のブロックに対して
V□F線27を接地することである。トランジスタ24
が「オン」状態にある時は、トランジスタ22の状態と
は無関係に、全体的な加算線22は局部加算線39へ直
結される。アレイの排他的オアセルをプログラオングす
る時には線22と39の直結はとくに有用である。
次に、結合回路網12の別の実施例が示されている第4
図を参照する。第4図の回路は付加局部接地線42 (
LGND )を含む。この接地線は、各排他的オアセル
に対する浮動ゲート装置のソースをnチャネル電界効果
トランジスタ46.43のドレインへ結合する。第4図
の結合回路網の動作は次の通りである。
図を参照する。第4図の回路は付加局部接地線42 (
LGND )を含む。この接地線は、各排他的オアセル
に対する浮動ゲート装置のソースをnチャネル電界効果
トランジスタ46.43のドレインへ結合する。第4図
の結合回路網の動作は次の通りである。
読出し動作中は線27に存在する電圧基準vREFは高
いバイアス電位へ上昇させられる。そうすると増幅器4
1が動作させられてトランジスタ23をターンオンする
ことにより、電流ミラーを起動させる。トランジスタ4
3のゲートとpチャネルトランジスタ44のゲートへ結
合されている消去線4Tは高い正の電位へ上昇させられ
る。そうするとトランジスタ44と43がそれぞれター
ンオフ、ターンオンされるために、線42にあるアース
電位がアレイへ接続される。pチャネルトランジスタ5
2のゲートとnチャネルトランジスタ22のゲートへ接
続されているPGM線も読出し動作中は高電位である。
いバイアス電位へ上昇させられる。そうすると増幅器4
1が動作させられてトランジスタ23をターンオンする
ことにより、電流ミラーを起動させる。トランジスタ4
3のゲートとpチャネルトランジスタ44のゲートへ結
合されている消去線4Tは高い正の電位へ上昇させられ
る。そうするとトランジスタ44と43がそれぞれター
ンオフ、ターンオンされるために、線42にあるアース
電位がアレイへ接続される。pチャネルトランジスタ5
2のゲートとnチャネルトランジスタ22のゲートへ接
続されているPGM線も読出し動作中は高電位である。
そのためにトランジスタ52はターンオフされ、トラン
ジスタ22がターンオンされて、局部加算線ILが83
2を流れる全体的な加算線電流に寄与できるようにする
。
ジスタ22がターンオンされて、局部加算線ILが83
2を流れる全体的な加算線電流に寄与できるようにする
。
プログラミングモード中は、線27は接地されて電流ミ
ラーを動作不能状態にする。トランジスタ22をターン
オフし、トランジスタ52をターンオンするために、P
GM線48は低い電位にもされる(たとえば接地)。そ
れから消去線4γが、プログラミング電位Vpp(=t
zボルト)のような高い正の電位にされる。そうすると
トランジスタ43がターンオンされ、それぞれの浮動ゲ
ートセルのソースをアース電位へ接続する。消去47が
高い時はトランジスタ44はターンオフされる。
ラーを動作不能状態にする。トランジスタ22をターン
オフし、トランジスタ52をターンオンするために、P
GM線48は低い電位にもされる(たとえば接地)。そ
れから消去線4γが、プログラミング電位Vpp(=t
zボルト)のような高い正の電位にされる。そうすると
トランジスタ43がターンオンされ、それぞれの浮動ゲ
ートセルのソースをアース電位へ接続する。消去47が
高い時はトランジスタ44はターンオフされる。
また、プログラミングモード中は、vPGM/ERAS
E線50がプログラミングドレインバイアスへ接続され
る。そのバイアスは、この実施例においては、5〜8v
の間の任意の値とすることができる。全体的な加算線3
2が高い正電位にあると、トランジスタ51と52は「
オン」となり、線50に存在するプログラミングおよび
消去電位を局部加算線39へ接続できるようにする。入
力ベクトル線iJ+kにおける電位を選択的に上昇させ
ることにより、トランジスタ3γ、38のような各浮動
ゲート装置を順次プログラムできる。
E線50がプログラミングドレインバイアスへ接続され
る。そのバイアスは、この実施例においては、5〜8v
の間の任意の値とすることができる。全体的な加算線3
2が高い正電位にあると、トランジスタ51と52は「
オン」となり、線50に存在するプログラミングおよび
消去電位を局部加算線39へ接続できるようにする。入
力ベクトル線iJ+kにおける電位を選択的に上昇させ
ることにより、トランジスタ3γ、38のような各浮動
ゲート装置を順次プログラムできる。
第1〜5図におけるトランジスタはCMO8法で製造で
きるから、プログラミングモードと消去モードの間は井
戸を適切にバイアスすることが重要である。n井戸CM
O8法の場合には、トランジスタ21と22の井戸は、
GSL線と LSL線へ加えることができる可能な最高
電圧(通常のEPROM/EEPROM製品ではvpp
)へ上昇させることができる。
きるから、プログラミングモードと消去モードの間は井
戸を適切にバイアスすることが重要である。n井戸CM
O8法の場合には、トランジスタ21と22の井戸は、
GSL線と LSL線へ加えることができる可能な最高
電圧(通常のEPROM/EEPROM製品ではvpp
)へ上昇させることができる。
消去モード中は、電圧基準線27は接地されて電流ミラ
ーを動作不能にし、消去線4Tは低い電位(すなわちア
ース)にされ、PGM線48は高い正電位(たとえばV
pp=12ボルト)にされ、VPGM/ERAiIE線
50は高い正電位(たとえば12ボルト)へ接続される
。そうするとトランジスタ23.52.43がターンオ
フされる。全体的な加算線32が「高い」とするとトラ
ンジスタ46と42がオンにされて、線50に存在する
プログラミングおよび消去電位を局部接地線42へ結合
する接続路を設ける。この技術により、選択された列を
消去できる。
ーを動作不能にし、消去線4Tは低い電位(すなわちア
ース)にされ、PGM線48は高い正電位(たとえばV
pp=12ボルト)にされ、VPGM/ERAiIE線
50は高い正電位(たとえば12ボルト)へ接続される
。そうするとトランジスタ23.52.43がターンオ
フされる。全体的な加算線32が「高い」とするとトラ
ンジスタ46と42がオンにされて、線50に存在する
プログラミングおよび消去電位を局部接地線42へ結合
する接続路を設ける。この技術により、選択された列を
消去できる。
当業者には明らかなように、トランジスタ46のソース
/上レイフ間電圧降下を避けるために、希望によっては
トラフジスフ460代シにpチャネルトランジスタを使
用できる。その場合には、全体的な加算線32に低い電
位を加えることにより列選択が行われる。更に、消去線
47が局部化されたとすると、すなわち、各ブロックに
別々の消去線が設けられたとすると、選択されたブロッ
クの選択された列へ消去動作を局部化できる。
/上レイフ間電圧降下を避けるために、希望によっては
トラフジスフ460代シにpチャネルトランジスタを使
用できる。その場合には、全体的な加算線32に低い電
位を加えることにより列選択が行われる。更に、消去線
47が局部化されたとすると、すなわち、各ブロックに
別々の消去線が設けられたとすると、選択されたブロッ
クの選択された列へ消去動作を局部化できる。
前記した結合回路網より第4図に示す結合回路網が優れ
ている点は、第4図の結合回路網が、プログラミング/
消去動作中に近くのブロックを乱すことを減少すること
である。更に、低価格のフラッシュEEPROMがパタ
ーン一致セルに用いられる場合に、選択されたブロック
の選択された列に対して局部フラッシュ消去動作を行う
ことができる。(現在は、通常のEEFROMセルは、
フラッシュEEPROMセルより数倍大きく、より複雑
な処理を必要とする。) 次に、基本的な結合回路網の更に別の実施例が示されて
いる第5図を参照する。第5図の回路は負ブロック重み
の実現にとくに有用である。第2〜4図に示すものと同
様に、第5図におけるトランジスタ20と21は基本的
な電流ミラーを形成する。増幅器41とnチャネルトラ
ンジスタ23は読出し動作中にドレインバイアス電圧を
局部加算線42へ供給する。第5図の別の実施例はnチ
ャネルトランジスタ61は全体的な加算線32と局部加
算線42の間に接続される。トランジスタ61のゲート
はnチャネルトランジスタ60の一端へ接続される。ト
ランジスタ60の他端は増幅器41の出力端子へ結合さ
れ、ゲートは線56(W−と記されている)へ結合され
る。nチャネルトランジスタ54が増幅器41の出力端
子とトランジスタ23のゲートの間に接続される。トラ
ンジスタ58のゲートは線55(W+と記されている)
へ結合される。前と同様に、基準電圧線2γ、VREF
、が増幅器41の正入力端子へ結合されて、神経回路網
内の各ブロックへ重みを供給する。
ている点は、第4図の結合回路網が、プログラミング/
消去動作中に近くのブロックを乱すことを減少すること
である。更に、低価格のフラッシュEEPROMがパタ
ーン一致セルに用いられる場合に、選択されたブロック
の選択された列に対して局部フラッシュ消去動作を行う
ことができる。(現在は、通常のEEFROMセルは、
フラッシュEEPROMセルより数倍大きく、より複雑
な処理を必要とする。) 次に、基本的な結合回路網の更に別の実施例が示されて
いる第5図を参照する。第5図の回路は負ブロック重み
の実現にとくに有用である。第2〜4図に示すものと同
様に、第5図におけるトランジスタ20と21は基本的
な電流ミラーを形成する。増幅器41とnチャネルトラ
ンジスタ23は読出し動作中にドレインバイアス電圧を
局部加算線42へ供給する。第5図の別の実施例はnチ
ャネルトランジスタ61は全体的な加算線32と局部加
算線42の間に接続される。トランジスタ61のゲート
はnチャネルトランジスタ60の一端へ接続される。ト
ランジスタ60の他端は増幅器41の出力端子へ結合さ
れ、ゲートは線56(W−と記されている)へ結合され
る。nチャネルトランジスタ54が増幅器41の出力端
子とトランジスタ23のゲートの間に接続される。トラ
ンジスタ58のゲートは線55(W+と記されている)
へ結合される。前と同様に、基準電圧線2γ、VREF
、が増幅器41の正入力端子へ結合されて、神経回路網
内の各ブロックへ重みを供給する。
線55が1高く」、線56が「低い」と仮定すると、ト
ランジスタ58がオン、トランジスタ60がオフであっ
て、上記のように、ブロックは読出し動作のために結合
される(すなわち、ブロックへ正の結合が割当てられる
)。しかし、線55が1低く」、線56が1−高い」と
すると、トランジスタ60がオン、トランジスタ58が
オフとなって逆極で結合が行われる。したがって、割当
てられたブロック重みが符号つきの値をとるような状況
においては第5図の回路は有用である(いぜんとして、
重み関数の大きさは電圧VREFで制御できる)。
ランジスタ58がオン、トランジスタ60がオフであっ
て、上記のように、ブロックは読出し動作のために結合
される(すなわち、ブロックへ正の結合が割当てられる
)。しかし、線55が1低く」、線56が1−高い」と
すると、トランジスタ60がオン、トランジスタ58が
オフとなって逆極で結合が行われる。したがって、割当
てられたブロック重みが符号つきの値をとるような状況
においては第5図の回路は有用である(いぜんとして、
重み関数の大きさは電圧VREFで制御できる)。
第5図においては、図示を簡明にするためにプログラミ
ングおよび消去経路回路は示していないことに注目され
たい。また、電流ミラーは結合比1で示しである。結合
比1は妥当であるが、極性の一致のためには不要である
。他の結合比、すなわち1以下、を実現するために、負
重み経路のために付加電流ミラーを必要とする。
ングおよび消去経路回路は示していないことに注目され
たい。また、電流ミラーは結合比1で示しである。結合
比1は妥当であるが、極性の一致のためには不要である
。他の結合比、すなわち1以下、を実現するために、負
重み経路のために付加電流ミラーを必要とする。
以上の説明を読んだ後では本発明の数多の変更が当業者
には疑いもなく明らかであろうが、図示し、かつ説明し
た特定の実施例は限定するものと考えられることを決し
て意図するものではない。
には疑いもなく明らかであろうが、図示し、かつ説明し
た特定の実施例は限定するものと考えられることを決し
て意図するものではない。
たとえば、この開示は排他的オア一致セルを用いてLS
BAを実現する特定の方法を示したが、この出願で開示
した基本概念を用いることにより、種々のセルと種々の
アレイを用いる他の実現もできる。一般に、種々の計算
アレイのために種々の結合回路を必要とする。
BAを実現する特定の方法を示したが、この出願で開示
した基本概念を用いることにより、種々のセルと種々の
アレイを用いる他の実現もできる。一般に、種々の計算
アレイのために種々の結合回路を必要とする。
第1A図は本発明の一実施例の第1の部分を示し、第1
B図は本発明の一実施例の第2の部分を示し、第2図は
個々の局部加算線を関連する全体加算線へ結合するため
に用いられる結合回路網を詳しく示す第1A図と第1B
図の回路網の一部を示し、第3図は第1図と第2図に示
す結合回路網の別の実施例を示し、第4図は第1図乃至
第3図に示す結合回路網の更に別の実施例を示し、第5
図は第1図乃至第4図に示す結合回路の更に別の実施例
を示す。 12・・・・結合回路、14・・・・排他的オアセル、
15Φe11・アレイブロック、18・・・・神経回路
網、32・・・・全体加算線、39・・・・局部加算線
。 7IローIノし 。 11 / 會−二F?r:、 iB ◆ 7IIG: 3 一讃I’IIG: 5 7IIF 2 7NG−二〈【
B図は本発明の一実施例の第2の部分を示し、第2図は
個々の局部加算線を関連する全体加算線へ結合するため
に用いられる結合回路網を詳しく示す第1A図と第1B
図の回路網の一部を示し、第3図は第1図と第2図に示
す結合回路網の別の実施例を示し、第4図は第1図乃至
第3図に示す結合回路網の更に別の実施例を示し、第5
図は第1図乃至第4図に示す結合回路の更に別の実施例
を示す。 12・・・・結合回路、14・・・・排他的オアセル、
15Φe11・アレイブロック、18・・・・神経回路
網、32・・・・全体加算線、39・・・・局部加算線
。 7IローIノし 。 11 / 會−二F?r:、 iB ◆ 7IIG: 3 一讃I’IIG: 5 7IIF 2 7NG−二〈【
Claims (3)
- (1)複数のブロックを備え、各ブロックは、2つの2
進パターンの間の一致を計算するためのアレイを形成す
るように配置された複数のセルを備え、それらのセルは
、前記ブロック内の複数の局部加算線へ電流を寄与し、
前記局部加算線は、前記ブロックの全局部電流が前記一
致に対応するように、前記セルからの個々の電流寄与を
加え合わせることを特徴とする連想回路網。 - (2)複数の全体的な列線により互いに結合される複数
のブロックを備え、各前記ブロックは、アレイを形成す
るように配置された複数の半導体セルを備え、前記アレ
イは複数の局部列線を有し、各列線は前記セルの別々の
列へ結合され、前記アレイの各セルは出力電流を発生し
、その出力電流の値は、入力電圧ベクトルの対応する素
子と前記セルに格納されている重みパターンの間の相対
的な一致に依存し、前記出力電流は各前記局部列線を流
れる局部加算電流に寄与し、各局部加算電流が、2つの
2進パターンの間のハミング距離に対応する値を有する
全体的な加算電流に寄与するように、前記ブロックは、
各前記局部列線を対応する1つの前記全体的な列線へ結
合する複数の結合装置も含むことを特徴とする2進パタ
ーンの間のハミング距離を計算する連想回路網。 - (3)複数のブロックを備える神経回路網において、各
ブロックは、複数の列線に沿つて配置された複数のセル
を備え、それらのセルは、セルに加えられた入力パター
ンと格納されている重みパターンの間の一致に比例して
電流を前記列線へ寄与し、前記ブロックは、ブロックの
列線に流れこむ電流を、前記全体的な加算線において、
他のブロックに関連する他の列線からの電流に加え合わ
せることができるように、各前記列線を関連する全体的
な加算線へ結合するために前記列線に関連する複数の結
合装置を更に備え、前記回路網の全ての全体的加算線に
より発生された全電流が入力パターンと前記回路網の格
納されている重みパターンの間の全一致を表すものを供
給することを特徴とする神経回路網。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US07/357,411 US5040134A (en) | 1989-05-26 | 1989-05-26 | Neural network employing leveled summing scheme with blocked array |
US357,411 | 1989-05-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0312789A true JPH0312789A (ja) | 1991-01-21 |
Family
ID=23405474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2096618A Pending JPH0312789A (ja) | 1989-05-26 | 1990-04-13 | 連想回路網 |
Country Status (4)
Country | Link |
---|---|
US (1) | US5040134A (ja) |
JP (1) | JPH0312789A (ja) |
DE (1) | DE4016197A1 (ja) |
GB (1) | GB2231991B (ja) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8816278D0 (en) * | 1988-07-08 | 1988-08-10 | British Telecomm | Optical space switch |
US5220641A (en) * | 1988-10-11 | 1993-06-15 | Kabushiki Kaisha Toshiba | Multi-layer perceptron circuit device |
JPH0782481B2 (ja) * | 1989-12-26 | 1995-09-06 | 三菱電機株式会社 | 半導体神経回路網 |
JP2809791B2 (ja) * | 1990-02-27 | 1998-10-15 | 株式会社東芝 | モジュール割当方法 |
US5337395A (en) * | 1991-04-08 | 1994-08-09 | International Business Machines Corporation | SPIN: a sequential pipeline neurocomputer |
US5146420A (en) * | 1990-05-22 | 1992-09-08 | International Business Machines Corp. | Communicating adder tree system for neural array processor |
US5353382A (en) * | 1990-10-15 | 1994-10-04 | California Institute Of Technology | Programmable synapse for neural network applications |
US5206541A (en) * | 1991-04-30 | 1993-04-27 | The Johns Hopkins University | Current-mode based analog circuits for synthetic neural systems |
US5410490A (en) * | 1991-09-03 | 1995-04-25 | Hewlett-Packard Company | Electromigration verification method and apparatus |
US5903454A (en) | 1991-12-23 | 1999-05-11 | Hoffberg; Linda Irene | Human-factored interface corporating adaptive pattern recognition based controller apparatus |
US8352400B2 (en) | 1991-12-23 | 2013-01-08 | Hoffberg Steven M | Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore |
US10361802B1 (en) | 1999-02-01 | 2019-07-23 | Blanding Hovenweep, Llc | Adaptive pattern recognition based control system and method |
US6400996B1 (en) | 1999-02-01 | 2002-06-04 | Steven M. Hoffberg | Adaptive pattern recognition based control system and method |
US6850252B1 (en) | 1999-10-05 | 2005-02-01 | Steven M. Hoffberg | Intelligent electronic appliance system and method |
US6418424B1 (en) | 1991-12-23 | 2002-07-09 | Steven M. Hoffberg | Ergonomic man-machine interface incorporating adaptive pattern recognition based control system |
US5237210A (en) * | 1992-03-12 | 1993-08-17 | Intel Corporation | Neural network accomodating parallel synaptic weight adjustments for correlation learning algorithms |
US5247206A (en) * | 1992-03-12 | 1993-09-21 | Intel Corporation | Neural network accommodating parallel synaptic weight adjustments in a single cycle |
US5557686A (en) * | 1993-01-13 | 1996-09-17 | University Of Alabama | Method and apparatus for verification of a computer user's identification, based on keystroke characteristics |
US5426602A (en) * | 1993-03-31 | 1995-06-20 | Mentor Graphics Corporation | Detection of multiple hits within a device having multiple sense outputs |
US5479574A (en) * | 1993-04-01 | 1995-12-26 | Nestor, Inc. | Method and apparatus for adaptive classification |
US5455784A (en) * | 1993-08-09 | 1995-10-03 | Nec Corporation | Associative memory device with small memory cells selectively storing data bits and don't care bits |
US5951711A (en) * | 1993-12-30 | 1999-09-14 | Texas Instruments Incorporated | Method and device for determining hamming distance between two multi-bit digital words |
US5528516A (en) * | 1994-05-25 | 1996-06-18 | System Management Arts, Inc. | Apparatus and method for event correlation and problem reporting |
US5586219A (en) * | 1994-09-30 | 1996-12-17 | Yufik; Yan M. | Probabilistic resource allocation system with self-adaptive capability |
US5581485A (en) * | 1994-12-08 | 1996-12-03 | Omni Microelectronics, Inc. | Analog vector distance measuring and vector quantization architecture |
JP2643896B2 (ja) * | 1995-02-23 | 1997-08-20 | 日本電気株式会社 | 半導体メモリ |
US5720004A (en) * | 1995-09-29 | 1998-02-17 | United Microelectronics Corporation | Current-mode hamming neural network |
US6055524A (en) * | 1997-10-06 | 2000-04-25 | General Cybernation Group, Inc. | Model-free adaptive process control |
US7904187B2 (en) | 1999-02-01 | 2011-03-08 | Hoffberg Steven M | Internet appliance system and method |
US6317349B1 (en) | 1999-04-16 | 2001-11-13 | Sandisk Corporation | Non-volatile content addressable memory |
US6166938A (en) * | 1999-05-21 | 2000-12-26 | Sandisk Corporation | Data encoding for content addressable memories |
US6157558A (en) * | 1999-05-21 | 2000-12-05 | Sandisk Corporation | Content addressable memory cell and array architectures having low transistor counts |
US6684112B1 (en) * | 2000-04-11 | 2004-01-27 | George Shu-Xing Cheng | Robust model-free adaptive control |
JP3998904B2 (ja) * | 2000-09-14 | 2007-10-31 | 株式会社ルネサステクノロジ | 論理回路の設計方法、論理回路の設計支援システム、及びコンピュータ読取り可能な記録媒体 |
US10453528B1 (en) | 2018-06-14 | 2019-10-22 | International Business Machines Corporation | Controlling aggregate signal amplitude from device arrays by segmentation and time-gating |
US10861551B2 (en) * | 2018-12-28 | 2020-12-08 | Micron Technology, Inc. | Memory cells configured to generate weighted inputs for neural networks |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3934231A (en) * | 1974-02-28 | 1976-01-20 | Dendronic Decisions Limited | Adaptive boolean logic element |
US4090174A (en) * | 1976-11-01 | 1978-05-16 | International Business Machines Corporation | Method and apparatus for accessing horizontal sequences, vertical sequences and rectangular subarrays from an array stored in a modified word organized random access memory system |
US4660166A (en) * | 1985-01-22 | 1987-04-21 | Bell Telephone Laboratories, Incorporated | Electronic network for collective decision based on large number of connections between signals |
WO1987003411A1 (en) * | 1985-11-27 | 1987-06-04 | The Trustees Of Boston University | Pattern encoding system |
US4760437A (en) * | 1986-01-03 | 1988-07-26 | American Telephone And Telegraph Company, At&T Bell Laboratories | Neural networks |
US4773024A (en) * | 1986-06-03 | 1988-09-20 | Synaptics, Inc. | Brain emulation circuit with reduced confusion |
US4796199A (en) * | 1987-02-24 | 1989-01-03 | Oregon Graduate Center | Neural-model, information-handling architecture and method |
US4782460A (en) * | 1987-04-06 | 1988-11-01 | American Telephone And Telegraph Company, At&T Bell Laboratories | Computing apparatus comprising a programmable resistor |
GB2220289A (en) * | 1988-06-29 | 1990-01-04 | Philips Electronic Associated | Picture processing apparatus |
-
1989
- 1989-05-26 US US07/357,411 patent/US5040134A/en not_active Expired - Lifetime
-
1990
- 1990-03-02 GB GB9004783A patent/GB2231991B/en not_active Expired - Fee Related
- 1990-04-13 JP JP2096618A patent/JPH0312789A/ja active Pending
- 1990-05-19 DE DE4016197A patent/DE4016197A1/de not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
GB9004783D0 (en) | 1990-04-25 |
GB2231991A (en) | 1990-11-28 |
US5040134A (en) | 1991-08-13 |
GB2231991B (en) | 1993-09-22 |
DE4016197A1 (de) | 1990-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH0312789A (ja) | 連想回路網 | |
US7920428B2 (en) | Methods and apparatuses relating to automatic cell threshold voltage measurement | |
US9613713B2 (en) | Semiconductor memory device | |
US6078518A (en) | Apparatus and method for reading state of multistate non-volatile memory cells | |
JP4635066B2 (ja) | 半導体記憶装置 | |
US7483305B2 (en) | Method, apparatus and system relating to automatic cell threshold voltage measurement | |
US7636263B2 (en) | Semiconductor memory having function to determine semiconductor low current | |
TWI753492B (zh) | 用於人工神經網路中之類比神經記憶體的測試電路及方法 | |
US20060120154A1 (en) | Structure for testing nand flash memory and method of testing nand flash memory | |
US7782679B2 (en) | Memory device and reading method | |
JP2009163793A (ja) | 半導体記憶装置 | |
US9928917B2 (en) | Memory device and memory system having the same | |
US6075738A (en) | Semiconductor memory device | |
TW202105399A (zh) | 用於人工神經網路中之類比神經記憶體的測試電路及方法 | |
CN107204340A (zh) | Cp阱偏置方法 | |
Lue et al. | Introduction of 3D AND-type flash memory and it’s applications to computing-in-memory (CIM) | |
JP3226513B2 (ja) | 演算回路、演算装置、及び半導体演算回路 | |
JPH11134879A (ja) | 不揮発性半導体記憶装置 | |
JP2011040166A (ja) | 半導体記憶装置 | |
US7068204B1 (en) | System that facilitates reading multi-level data in non-volatile memory | |
KR100750443B1 (ko) | 불휘발성 반도체 기억 장치 | |
Tadayoni et al. | Modeling split-gate flash memory cell for advanced neuromorphic computing | |
US8138741B2 (en) | High voltage generator in semiconductor memory | |
US20240193224A1 (en) | Method for controlling nand flash memory to implement convolution operation | |
US6654285B1 (en) | Method of matching core cell and reference cell source resistances |