JPH0394365A - ニューラルネットワークシステム - 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】 （ａ）産業上の利用分野 この発明は、時間経過に従って変化するパターン（以下
「時系列パターン」という。）を認識するニューラルネ
ットワークシステムに関する。

（ｂ）従来の技術 階層型ニューラルネソトワークは複数のニューロンを入
力層，中間層．出力層に階層化して各層間をシナブスで
結合させたもので、どのような入力パターンに対しても
対応する出力パターンを生戒して出力するネットワーク
である。また、この階層型ニューラルネットワークはパ
ックプロパゲーション法等によって学習さセることもで
きる。

この特性を利用して図形や音声を認識する認識装置とし
て利用することができる。

この階層型ニューラルネットワークは、認識させようと
するパターンが複雑化すれば（入力要素が増加すれば）
、対応する数に入力層のニューロン数を増加しなければ
ならず、これにしたがって中間層や出力層のニューロン
数も増加し、結合が複雑化して学習に時間がかかるよう
になる。

（Ｃ）発明が解決しようとする課題 ここで、時系列パターン全体について認識しようとする
場合、階層型ニューラルネソトワークにある瞬間のパタ
ーンを入力するのみでは全体を総合的に認識させること
ができず、Ｌｐ識が不正確になり、変化するパターンの
各サンプリングタイミング毎のパターンを全て入力しよ
うとすれば入力パターンの要素数が膨大になり、上述し
たように極めて規模の大きい複雑なニューラルネットワ
ークを構威しなければならなくなり、コストアップ．学
習の困難化を招く欠点があった。このため、従来ニュー
ラルネソトワークに時系列パターンを正しく認識させる
ことは極めて困難であった。

この発明は各サンプリングタイミングのパターン認識結
果を時系列的に並べて二次的なパターンを生威し、この
パターンを認識することにより簡略な構或で時系列パタ
ーンを正確に認識できるようにしたニューラルネソトワ
ークシステムを提供することを目的とする。

Ｆｄ１課題を解決するための手段 この発明は、時間経過に従って変化するパターンを一定
時間毎に取り出す手段と、 取り出された各々のパターンと時間データとに基づくＳ
忍識結果を出力する第１のニューラルネットワークと、 一定の時間経過にわたる第１のニューラルネ・２トワー
クの認識結果を人力パターンとし、それに対する結論認
識結果を出力する第２のニューラルネットワークと、 を設けたことを特徴とする。

（ｅ）発明の作用 この発明のニューラルネソトワークシステムは、二つの
ニューラルネソトワークを有している。

第一のニューラルネ・７トワークは各サンプリングタイ
ミング毎に時系列パターンのパターン認識結果を出力す
る。認識結果は時系列に並べられて二次パターンを形威
し、この二次パターンが第二〇二ューラルネソトワーク
に人力される。第２のニューラルネットワークは二次バ
クーンの認識結果を出力する。第一のニューラルネソト
ワークが認識するパターンは時系列パターンの各サンプ
リングタイミング毎のパターン認識結果であり、二次パ
ターンはこの認識結果の時系列的パターンとなる。した
がって、この二次パターンを認識することにより時系列
パターンの正確な認識が可能になる。

（ｆ）実施例 第１図はこの発明の実施例であるニューラルネソトワー
クシステムのブロック図である。このニューラルネソト
ワークシステムでは、ゲート２第一のニューラルネノト
ヮーク３−バッファ４ーゲート５一第二のニューラルネ
・２トヮーク６が直列に接続されており、ゲート２．５
およびバッファ４にはタイミングコントローラ１が接続
されている。このタイミングコントローラ１には認識対
象物検出信号Ｘ０およびタイミング信号ＥＰが入力され
る。また、第一のニューラルネットワーク３にはゲート
２を介して認識対象パターンＸ，〜Ｘいが入力されタイ
業ングコントローラ１かラ時刻データＴｉが人力される
。ゲート２はタイミングコントローラ１の制御によりサ
ンプリングタイミング毎に開かれ、第一のニューラルネ
ットワーク３はそのときのＸ，〜Ｘｎ　＊　Ｔｌからな
るパターンの認識結果ｔｉを出力する。この第１のニュ
ーラルネットワーク３の認識結果ｔ　ｉ　（ｍ＝０〜ｍ
）はバンファ４に人力され時系列に順次記憶されて行く
。バッファのアドレス歩進−．アドレスクリアはタイミ
ングコントローラ１が制御する。サンプリングタイミン
グＴ０〜′ｒ，にわたる認識結果列ｔｉ（ｍ−＝ｏ〜ｍ
）は二次パターンとしてゲート５を介して第２のニュー
ラルネソトワーク６に与えられる。ゲート５はタイミン
グコントローラ１により認識対象である時系列パターン
が終了したとき開かれる。第２のニューラルネットワー
ク６はこの二次パターンに基づいて結論認識結果Ｏを出
力する。

第２図は同ニューラルネットワークシステムの認識対象
パターンを生成する装置の例を示す図である。この装置
は物体１）を矢印Ｄ方向に搬送するベルトコンベア１０
とこのベルトコンベア上を横切って設けられたフォトセ
ンサ１４（１４ａ．１４ｂ）およびベルトコンベア１０
の上方からベルトコンベアに向けて設けられたラインセ
ンサ１５（１５−１〜１５−ｎ）で構威されている。ラ
インセンサ１５はフォトセンサ１４の光軸上に配列され
ている。ベルトコンベア１０上を搬送される物体１）は
例えば製造された商品であり、前記ニューラルネットワ
ークシステムの認識結果はその商品の良／不良判定結果
として利用される。フォトセンサ１４は搬送される物体
１）を検出して物体検出信号Ｘ０を出力する。すなわち
、物体１）がフォトセンサ１４の位置を通過している間
物体検出信号Ｘ０が出力される。ラインセンサｌ５はｎ
個のセンサセルで構威されており、各セルがその直下に
物体が存在するか否かを検出する。セルは、物体の存在
を検出したとき“１゛を出力し、物体の存在を検出しな
いとき“Ｏ゛を出力する。各セルの検出値により人力パ
ターンＸ１〜Ｘｎが構威されニューラルネットワークシ
ステムに与えられる。またこのベルトコンベア１０には
ロータリーエンコーダ１２が設けられておりベルトコン
ベアの搬送距離に比例するパルスをセンサ１３が出力す
る。この出力がタイミング信号ＥＰとしてタイミングコ
ントローラｌに与えられる。

第３図はタンミングコントローラ１をマイクロコンピュ
ータで構或した場合の動作手順を示すフローチャートで
ある。動作がスタートするとまず歩進カタウンタｉをリ
セットするとともにバッファ４の内容をクリアする（ｎ
１）。次に物体検出信号Ｘ０が“１　＋ｔになるまでｎ
２で待機し、Ｘ．が“１”になったときゲート２をオー
プンする（ｎ３）。これにより物体の先端のパターンが
第一のニューラルネットワーク３に人力される。このパ
ターンはｔ０のパターンとしてバッファ４に記憶される
。次にｉをカウントアンプし（ｎ４）、タイξング信号
ＥＰの計数からサンプリングタイミングであることを判
断するか、物体検出信号Ｘ。が゛Ｏ　Ｉ１になるか、ま
たは、歩進カウンタｉの値がｎになったことを判断する
までｎ５，ｎ６で待機する。サンプリングタイミングと
判断した場合にはｎ５→ｎ３にもどりそのタイ４ングに
おけるパターンＸ，〜Ｘ．，Ｔｉを第一のニューラルネ
ットワーク３に入力する。ニューラルネソトワーク３の
認識結果はｔｉのパターンとしてバンファ４に記録され
る。物体検出信号Ｘ。がＯになった場合または歩進カウ
ンタｉの値がｎになった場合には検出動作終了であると
してゲート５をオープンし（ｎ６→ｎ７）バソファ４に
記憶されていたｔ。〜ｔｎの認識結果を第二のニューラ
ルネソトワーク６に人力する。これにより第二のニュー
ラルネットワーク６は結論認識結果Ｏを出力することに
なる。その出力結果は図示しない制御装置に入力され認
識された物体１）の取り扱い制御等に用いられる。この
後Ｘ０がＯであることを確Ｌコして（ｎ８）、ｎｌにも
どる。

第４図はこの発明の他の実施例を示すニューラルネット
ワークシステムのブロック図である。このニューラルネ
ットワークシステムは第一のニューラルネットワーク２
３に人力するパターンを検出パターンと理想パターンと
の誤差パターンとしたところに特徴を有している。この
ため、第一〇二ューラルネットワーク２３とゲート２２
との間には差分器３０が接続されており、この差分器３
０にはゲート２２からの入力パターンとＲＯＭ２８から
読み出されバソファ２９に並列に記憶された理想パター
ンとが入力される。第一のニューラルネットワーク２３
−バッファ２４−ゲート２５−第二のニューラルネット
ワーク２６の配列・機能は上記第一の実施例と同様であ
る。すなわち、第一のニューラルネットワーク２３の出
力はバソファ２４に貯えられ、これが特定のタイミング
にゲート２５を介して第二のニューラルネソトワーク２
６に入力される。第二のニューラルネソトワーク２６は
結論認識結果を出力する。一方このニューラネソトワー
クの動作手順を制御するタイミングコントローラ２１は
第３図に示したフローチャートとほぼ同様の動作をする
。タイξングコントローラ２１にはゲート２２．２５，
パソファ２４が接続されているほか、第一のニューラル
ネソトワーク２３に時間信号Ｔｉを入力していおり、ま
たアドレスジェネレータ２７が接続されている。

アドレスジェネレータ２７は入力された時間信号に対応
したアドレスを生戒する回路であり、生成されたアドレ
スでＲＯＭ２８をアクセスする。Ｒ０Ｍ２８は指定され
たアドレスに記憶されているデータをバッファ２９に出
力する。ＲＯＭ２８には認識対象物の各サンプリングタ
イミングにおける理想パターンが記憶されており、アド
レスジェネレータ２７はゲート２２から入力される入力
パターンのタイミングと対応する理想バクーンを読み出
すべくアドレスを生或する。この読みだしはゲート２２
が開かれる前に行われ、ゲート２２が開かれるときには
バッファ２９に理想パターンが並列に記憶されているよ
うにしている。ゲート２２が開かれたときゲート２２か
らの入力パターンとバッファ２９からの理想パターンが
ともに差分器３０に入力され、両者の差が第一のニュー
ラルネットワーク２３に入力される。

このニューラルネットワークシステムでＬｌ　ｍすぺき
時系列パターンを生威する装置は第２図に示した装置を
適用することができるが、この場合うインセンサ１５（
１５〜１〜１５−ｎ）を超音波センサ（超音波が物体表
面で反射して返ってくるまでの時間で物体との距離を計
測できるセンサ）で構或し、物体の存在／不存在のみな
らず物体の高さを検出するようにすれば立体的な形状認
識が可能になる。

また、認識すべき時系列パターンは物体の形状のみなら
ず、音声等時間的に変化するパターンであればなんでも
よい。

（酌発明の効果 以上のようにこの発明のニューラルネットワークシステ
ムによれば、時系列パターンを各サンプリングタイミン
グ毎に認識し、その認識結果のパターンを二次パターン
として再度ニューラルネットワークに入力することによ
り変化前後にわたる全パターンを総合的に判断した認識
結果を得ることができる．これにより、ニューラルネッ
トワークを大規模化することなく、時系列パターンを正
しく認識することができるようになり、ラインセンサに
よる物体の認識や周波数スペクトルによる音響の認識的
幅広い用途に応用することができる

【図面の簡単な説明】

第１図はこの発明の実施例であるニューラルネットワー
クシステムの構或を示すブロック図、第２図は同ニュー
ラルネントワークシステムで物体の形状を認識する装置
の概略を示す図、第３図は同ニューラルネットワークシ
ステムのタイξングコントローラの動作手順を示すフロ
ーチャートである。また第４図はこの発明の他の実施例
であるニューラルネットワークシステムの構戒を示すブ
ロック図である。 第 ３・図 ３．２３一第１のニューラルネントワーク、６．２６−
第２のニューラルネットワーク、１，２１−タイミング
コントローラ。

Claims (1)

【特許請求の範囲】
1. （１）時間経過に従って変化するパターンを一定時間毎
   に取り出す手段と、 取り出された各々のパターンと時間データとに基づく認
   識結果を出力する第一のニューラルネットワークと、 一定の時間経過にわたる第一のニューラルネットワーク
   の認識結果を入力パターンとし、それに対する結論認識
   結果を出力する第二のニューラルネットワークと、 を設けたことを特徴とするニューラルネットワークシス
   テム。