JPH0415773A - 神経回路網装置 - Google Patents

神経回路網装置

Info

Publication number
JPH0415773A
JPH0415773A JP11263790A JP11263790A JPH0415773A JP H0415773 A JPH0415773 A JP H0415773A JP 11263790 A JP11263790 A JP 11263790A JP 11263790 A JP11263790 A JP 11263790A JP H0415773 A JPH0415773 A JP H0415773A
Authority
JP
Japan
Prior art keywords
weight
neural network
storage means
network device
output
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
Application number
JP11263790A
Other languages
English (en)
Inventor
Noriyuki Oura
大浦 範之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP11263790A priority Critical patent/JPH0415773A/ja
Publication of JPH0415773A publication Critical patent/JPH0415773A/ja
Pending legal-status Critical Current

Links

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。

Description

【発明の詳細な説明】 [産業上の利用分野コ 本発明は、複数の階層を持つ神経回路網に使用される神
経回路網装置に関し、特にLSI化に適した神経回路網
装置に関する。
[従来の技術] 従来から、パターン認識等のあいまいな要素を含む処理
に適したネットワークシステムとして、人間の神経組織
を真似た神経回路網装置が知られている。第3図は、こ
の種の神経回路網装置に使用される1つの神経細胞回路
1の構成を概略的に示す模式図である。
複数の入力線21,2□、・・・、2.を介して入力さ
れる入力信号111+11□、・・・、■!、は、シナ
プスを形成する積演算回路3□、3゜、・・・、3゜に
おいて夫々所定のウェイトS11.S、□、・・・Sl
と乗算(シナプス演算)され、加算回路4で加算される
。加算回路4の出力は非線形演算回路5にて信号変換さ
れたのち、出力線6から出力信号o1として出力される
ようになっている。
第4図は−1この神経細胞回路を複数相互に結合してな
る階層構造の神経回路網の一例を示す模式この神経回路
網は、神経細胞回路121゜12□、・・・、12□か
らなる神経細胞層(以下、入力層12と呼ぶ)、神経細
胞回路14.。
14□、・・・、14□からなる神経細胞層(以下、中
間層14と呼ぶ)及び神経細胞回路16.。
16゜、・・・、16□からなる神経細胞層(以下、出
力層16と呼ぶ)の3層構造からなる。各層間はリンク
線13.15によって結合されており、この結合は完全
グラフをなしている。
3層のうち、入力層12は、第3図に示した回路とは異
なり、入力線it、、11゜、・・・111.から入力
される入力信号11+I2+・・・I9を中間層14の
各神経細胞回路14.乃至14ゎにブロードキャスト転
送するドライバである。
これらの3層の神経回路網から出力線171゜17゜、
・・・、17□を介して出力信号01を出力する0 [発明が解決しようとする課題] ところで、従来、このような階層型神経回路網では、所
望の性能を満足させるためには、少なくとも数百を超え
る神経細胞数が必要であるとされている。
しかしながら、現在のシリコンプレーナ技術では、その
要求を満足することは不可能であった。
即ち、従来の神経回路網装置では、シナプス演算のため
のウェイトメモリをシナプス演算の数と同じ容量だけ必
要とするので、このウェイトメモリの容量によって集積
化可能な神経細胞回路の数が限定されてしまう。特に多
数のリンク線を持った階層型の神経回路網では、そのウ
ェイトメモリの容量が膨大になってしまい、結局、数十
の神経細胞回路を集積化できればよいというのが現状で
ある。従って、従来の回路では、大規模な神経回路網を
集積化することは不可能であった。
本発明はかかる問題点に鑑みてなされたものであって、
小さな回路規模で大規模な神経回路網を構成することが
できる集積化に適した神経回路網装置を提供することを
目的とする。
[課題を解決するための手段] 本発明に係る神経回路網装置は、複数の神経細胞回路と
、これら神経細胞回路のシナプス演算のためのウェイト
値を記憶する第1及び第2のウェイト記憶手段と、前記
第1及び第2のウェイト記憶手段のうちの何れか一方の
記憶手段からのウェイト値を読み出して前記シナプス演
算を実行させると共に他方の記憶手段に対して外部から
のウェイト値の読み込みを行なわせる制御手段と、前記
神経回路網の出力を入力側に帰還させる帰還経路とを有
することを特徴とする。
[作用] 本発明では、ウェイト記憶手段が2層分しか設けられて
いない。そして、一方のウェイト記憶手段に格納された
ウェイト値を使用して、ある層の演算処理を実行してい
る最中に、次の層のシナプス演算に使用されるウェイト
値を外部からロードするようにしている。このため、内
部に設けられたメモリ容量は少なくても、これを適当な
タイミングで順次書き換えていくことにより、見掛は上
人容量のウェイト記憶手段が集積化されたのと同様にな
り、集積化する部分は小規模であるが、実質的に大規模
な階層型の神経回路網を容易に構成することができる。
[実施例] 以下、添付の図面を参照して本発明の実施例について説
明する。
第1図は本発明の実施例に係る神経回路網装置の構成を
示すブロック図である。
この装置は、神経細胞回路群20と、制御系回路群21
とにより構成されている。
神経細胞回路20は、n組の神経細胞からなるもので、
次のように構成されている。
即ち、入力信号I、nを入力する入力線34と、出力側
からのフィードバック信号とが入力データセレクタ36
に入力され、シナプス入力選択信号CNTに従って選択
されるようになっている。セレクタ36の出力は、時分
割バス391,392゜・・・、39.、を介して積演
算回路31..31□。
・・・、31.、に入力され、ここでウェイト出力バス
38から与えられるウェイト値と乗算される。積演算回
路31.乃至31.、の出力は、加算回路32、.32
゜、・・・、32.、で加算される。これらの積演算回
路31□乃至31.、及び加算回路33、乃至33□は
演算イネーブル信号INAに同期して演算処理を行なう
。加算回路32.乃至32f、の出力は夫々非線形回路
33..332゜・・・、33.、に入力されている。
非線形演算回路331乃至33.、から出力線35への
出力タイミングは、出力神経細胞コードCoをデコード
するデコーダ37の出力によって与えられる。出力神経
細胞コードCoは、順次時分割でインクリメントされ、
1からnまで出力されるようになっている。
制御系回路群21は、神経細胞回路群2oを制御するも
ので、次のように構成されている。
即ち、ウェイトメモリブロックA47aとウェイトメモ
リブロックB47bとは、夫々異なる層のウェイト値を
記憶するものである。外部から与えられるアドレス信号
A。乃至A1はアドレスバス44を介してクロスバスイ
ッチ45の一方端の入力に入力されている。クロスバス
イッチ45の他方の入力端にはアドレスカウンタ42か
らのアドレスが出力ゲートイネーブル線43を介して入
力されている。クロスバスイッチ45は、これら両アド
レスをクロスバスイッチモード制御信号SWMに基づい
てブロックAアドレスバス46aとブロックBアドレス
バス46bとに重複することなく、任意拳固時的に出力
する。これらバス46a、46bに与えられるアドレス
は、夫々ウェイトメモリブロックA47a及びウェイト
メモリブロックB47bのアドレス情報として与えられ
ている。
一方、データバス51を介して入力されるデータD。乃
至Dpは、データセレクタ50及びブロックAデータバ
ス48a1ブロックBデータバス48bを介してこれら
のウェイトメモリブロックA47a及びウェイトメモリ
ブロックB47bに格納されるようになっている。そし
て、ウェイトメモリブロックA47a及びウェイトメモ
リブロックB47bからのデータであるウェイト値は、
ウェイトセレクタ49で選択されてウェイト出力バス3
8に出力されるようになっている。ウェイトセレクタ4
9及びデータセレクタ5oは、ウェイトメモリ命データ
バス選択信号WDSに基づいて選択動作を行なう。
タイミング制御回路41は、リード/ライト制御信号R
/W1ストローブ信号sTb、神経細胞演算開始信号S
TP及びウェイト・メモリブロック選択信号SELwを
入力し、各種制御信号を出力する。なお、制御信号のう
ち、クロスバスイッチモード制御信号SWMは、クロス
バスイッチ43の接続モードの指定で、論理1でバス4
4とバス48a及びバス43とバス46bを夫々接続し
、論理Oでバス44とバス46b及びバス43とバス4
6aを夫々接続することを指示する。ウェイトメモリ・
データバス選択信号WDSは、セレクタ49.50に対
する選択指定を行なう信号で、論理1でバス38とバス
48a及びバス51とバス48bを接続し、論理Oでバ
ス38とバス48b及びバス51とバス48aを接続す
ることを指示する。ウェイトメモリブロックBイネーブ
ル信号BAI及びウェイトメモリブロックハイネーブル
信号BBIは、メモリブロックA、Bの選択信号で、排
他的に選択動作を行なう。
リード/ライト制御信号R/Wは、ウェイトメモリブロ
ックA47a又はウェイトメモリブロックB47bに対
するアクセスの入出力方向指定であり、論理1でウェイ
ト値の読み出し、論理Oでウェイト値の書込である。ま
た、ストローブ信号STbは、リード/ライトのストロ
ーブ信号で、ウェイトメモリブロック選択信号SELw
は、論理1でブロックAを、また論理OでブロックBを
選択する。また、神経細胞演算開始信号STPは、積演
算回路31□乃至31.、及び加算回路321乃至32
□に対し、論理Oから論理1への立上がりエツジで、演
算処理の開始を要求する信号である。この信号により積
演算及び加算のタイミングと、アドレスカウンタ42へ
のアドレスカウントタイミングが与えられる。そして、
アドレスカウンタ42において、メモリブロックA、B
に対する全アドレスの供給が終了したら、神経細胞演算
終了信号ENDPが出力されるようになっている。
次に、第2図を参照して、本実施例に係る神経回路網装
置の動作について説明する。
この装置は第4図に示した3層の回路網に適用されるも
のであるとすると、動作タイミングは、大きく3つに分
割される。フェイズ(Phase) lは、ウェイトメ
モリブロックB47bに対するウェイトロード、フェイ
ズ2は、加算・積演算とウェイトメモリブロックA47
aに対するウェイトロードの平行処理、フェイズ3は、
加算・積演算である。
フェイズ1からフェイズ3を実行することによって、第
4図に示した3層の神経回路網の演算を行なうことがで
きる。フェイズ2では、中間層14の演算を行い、フェ
イズ3では出力層16の演算を行なう。また、フェイズ
1では中間層14の演算を行なうためのウェイト値のロ
ード、フェイズ2では中間層14の演算と同時に、出力
層16の演算を行なうためのウェイト値のロードを行な
う。
なお、層数が3層以上である場合には、基本的には、上
記のフェイズ2,3を繰り返せばよく、フェイズ3では
、加算・積演算と同時にウェイトメモリブロックB47
bに対するウェイトロードのサイクルがはいる。従って
、多層の神経回路網の演算を行なうことかできる。
フェイズ1では、ウェイトメモリブロックB47bに対
してウェイト値をチップ外から読み込むため、ストロー
ブ信号5Tb1 リード/ライト信号R/W及びウェイ
トメモリブロックB選択信号BB工を制御する。アドレ
スバス44のアドレスA。乃至A1と、データバス51
からのデータD。乃至DPをストローブ信号STbのタ
イミングで出力し、ウェイトメモリブロックB47bに
書き込む。そのため、リード/ライト制御信号R/Wは
、書込指示で論理Oとし、ウェイトメモリブロック選択
信号SELwを論理0にする。この結果、ウェイトメモ
リブロックBイネーブル信号BBIが論理1になり、ウ
ェイトメモリブロックBがアクティブになる。また、ク
ロスバスイッチモードSWMを論理1とし、ウェイトメ
モリブロックB47bにし、クロスバスイッチ45を介
してアドレスを供給する。また、データセレクタ50も
データバス48bと接続する。これにより、ブロックB
への書込モードが設定される。
フェイズ2では、加算・積演算と同時にメモリブロック
A47aに対するウェイト値のロードを行なう。このと
きには、加算回路32.乃至32、、及び積演算回路3
1.乃至31.、の積演算回路の演算のための開始信号
STPによってイネーブル信号INAがアクティブにな
り、アドレスカウンタ42の起動と積演算回路31.乃
至31、、及び加算回路32.乃至32、の実行起動を
行なわれる。また、同時にウェイトメモリブロックA4
7aに対するウェイト値のロードが行なわれる。このロ
ードについてはブロックBの動作から明らかであるため
、以下の動作は省略する。
フェイズ3では、出力層16の演算に相当する処理を行
なう。フェイズ2と異なる点は、積演算の入力がフェイ
ズ2では、入力線34がら入力したのに対し、フェイズ
3では、出力線35をフィードバックさせて入力してい
る点である。このため、シナプス入力選択信号CNTを
論理0に設定する点と、積演算回路311.・・・に対
するウェイト値がウェイトメモリブロックAがら行なわ
れるため、ウェイトメモリブロック選択信号SELwが
論理Oに設定される点である。
[発明の効果] 以上述べたように、本発明によれば、実装する神経回路
の数は1層分だけでよく、また、シナプス演算のための
ウェイト値を保持するメモリを2層分の2ブロツクだけ
持つことにより、少ない回路規模で大規模な神経回路網
を1チツプに構成することができる。
【図面の簡単な説明】
第1図は本発明の実施例に係る神経回路網装置のブロッ
ク図、第2図は同装置の動作を示すタイミング図、第3
図は神経細胞回路の構成を示す模式図、第4図は階層型
神経回路網の模式図である。

Claims (3)

    【特許請求の範囲】
  1. (1)複数の神経細胞回路と、これら神経細胞回路のシ
    ナプス演算のためのウェイト値を記憶する第1及び第2
    のウェイト記憶手段と、前記第1及び第2のウェイト記
    憶手段のうちの何れか一方の記憶手段からのウェイト値
    を読み出して前記シナプス演算を実行させると共に他方
    の記憶手段に対して外部からのウェイト値の読み込みを
    行なわせる制御手段と、前記神経回路網の出力を入力側
    に帰還させる帰還経路とを有することを特徴とする神経
    回路網装置。
  2. (2)アドレスカウンタと、このアドレスカウンタから
    供給されるアドレスと外部から供給されるアドレスとを
    選択して前記第1及び第2のウェイト記憶手段に供給す
    るクロスバスイッチとを更に備え、前記シナプス演算に
    供されるウェイト値は前記アドレスカウンタから供給さ
    れるアドレスによって前記第1又は第2のウェイト記憶
    手段から読み出され、前記第1又は第2の記憶手段に対
    するウェイト値の書込は、前記外部からのアドレスを指
    定することにより行なうことを特徴とする請求項1に記
    載の神経回路網装置。
  3. (3)前記第1又は第2のウェイト記憶手段からのウェ
    イト値は、1種類のウェイト出力バスを介して選択的に
    前記神経細胞回路に供給されるものであることを特徴と
    する請求項1又は2に記載の神経回路網装置。
JP11263790A 1990-04-30 1990-04-30 神経回路網装置 Pending JPH0415773A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP11263790A JPH0415773A (ja) 1990-04-30 1990-04-30 神経回路網装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP11263790A JPH0415773A (ja) 1990-04-30 1990-04-30 神経回路網装置

Publications (1)

Publication Number Publication Date
JPH0415773A true JPH0415773A (ja) 1992-01-21

Family

ID=14591712

Family Applications (1)

Application Number Title Priority Date Filing Date
JP11263790A Pending JPH0415773A (ja) 1990-04-30 1990-04-30 神経回路網装置

Country Status (1)

Country Link
JP (1) JPH0415773A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020077449A (ja) * 2018-10-11 2020-05-21 力晶積成電子製造股▲ふん▼有限公司Powerchip Semiconductor Manufacturing Corporation 人工知能動作を実行できるメモリチップおよびその方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020077449A (ja) * 2018-10-11 2020-05-21 力晶積成電子製造股▲ふん▼有限公司Powerchip Semiconductor Manufacturing Corporation 人工知能動作を実行できるメモリチップおよびその方法
US11443185B2 (en) 2018-10-11 2022-09-13 Powerchip Semiconductor Manufacturing Corporation Memory chip capable of performing artificial intelligence operation and method thereof

Similar Documents

Publication Publication Date Title
US4739474A (en) Geometric-arithmetic parallel processor
US5325510A (en) Multiprocessor system and architecture with a computation system for minimizing duplicate read requests
US20160196488A1 (en) Neural network computing device, system and method
EP0486635A1 (en) Scalable flow virtual learning neurocomputer
US5517596A (en) Learning machine synapse processor system apparatus
JPH04293151A (ja) 並列データ処理方式
KR900008395A (ko) 데이터 셀 장치 및 그 장치를 이용한 신경 네트워크 시스템
US11620504B2 (en) Neuromorphic device based on memory
US5781702A (en) Hybrid chip-set architecture for artificial neural network system
US20230118943A1 (en) Neuromorphic system and operating method thereof
JPH0415773A (ja) 神経回路網装置
Shams et al. Implementing regularly structured neural networks on the DREAM machine
Distante et al. Mapping neural nets onto a massively parallel architecture: a defect-tolerance solution
JPH05159087A (ja) ニューロプロセッサ
EP0674792B1 (en) Neural network architecture
JP3246764B2 (ja) ニューロチップ
JP3699003B2 (ja) データ処理装置および方法
JP2522406B2 (ja) 全結合型ネットワ―ク並列処理方法と装置
NL7907963A (nl) Werkwijze en bus-registerschakeling voor het verkrijgen van de werking van een sequentieele machine.
Rückert et al. Digital VLSI implementations of an associative memory based on neural networks
JP2552287B2 (ja) システムバス方式
JPH02287859A (ja) データ処理装置
JPH0883261A (ja) ニューロ演算装置
JP2878160B2 (ja) 競合調停装置
JP2517118B2 (ja) デ―タフロ―装置