JPH05128083A - 信号処理装置 - Google Patents

信号処理装置

Info

Publication number
JPH05128083A
JPH05128083A JP3286053A JP28605391A JPH05128083A JP H05128083 A JPH05128083 A JP H05128083A JP 3286053 A JP3286053 A JP 3286053A JP 28605391 A JP28605391 A JP 28605391A JP H05128083 A JPH05128083 A JP H05128083A
Authority
JP
Japan
Prior art keywords
neural network
neuron element
connection information
neuron
identification
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
JP3286053A
Other languages
English (en)
Inventor
Hirotoshi Eguchi
裕俊 江口
Toshiyuki Furuta
俊之 古田
Shuji Motomura
修二 本村
Tatsuya Furukawa
達也 古川
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.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
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 Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to JP3286053A priority Critical patent/JPH05128083A/ja
Publication of JPH05128083A publication Critical patent/JPH05128083A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

(57)【要約】 【目的】 多数のニューロン素子の結合によるニューラ
ルネットワークの接続状態の判断を容易かつ正確に行な
え、保守性を高めること。 【構成】 神経細胞の働きを模倣した多数のニューロン
素子を網状に結合させたニューラルネットワーク4を用
いた信号処理装置6において、各ニューロン素子に識別
用IDを設定保持させておく一方、ニューラルネットワ
ーク4内における各ニューロン素子の接続情報を記憶手
段7に記憶させておき、ニューラルネットワーク4の動
作開始時又は動作中の任意時に、記憶手段7に記憶され
ている接続情報と、各ニューロン素子から出力させた識
別用IDに基づく実際の接続情報とを管理手段7により
比較してニューラルネットワーク4の状態をチェックす
るようにした。

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、生物の神経細胞の働き
を模倣したニューロン素子を多数結合させて構成したニ
ューラルネットワークを利用して、ロボット制御、文字
・画像或いは音声認識等を行なうようにした信号処理装
置に関する。
【0002】
【従来の技術】近年、従来のノイマン型コンピュータの
ような逐次処理では、処理手順を明らかにできないと
か、或いは、数値化するのが困難である、といった問題
に対処するため、生物の情報処理機構、即ち脳の機能を
模倣しようとする試みが注目を集めている。
【0003】生物の脳は、多数の神経細胞、即ちニュー
ロンからなっている。このようなニューロンを互いに接
続して網状にしたニューラルネットワークの形で用い
る。
【0004】ここに、ニューロンを半導体で形成したニ
ューロンチップを多数接続したニューラルネットワーク
については、特開平2−98771号公報や特開平2−
178758号公報に示されている。
【0005】前者の特開平2−98771号公報は、ニ
ューロチップ内のROMに学習用データを書込んでおく
ことでニューラルネットが学習を行なえるようにしたも
のである。この場合、学習結果(結合係数)はコンデン
サの電荷量とされている。追加学習が必要な場合には、
ニューロチップ内のRAMに追加学習用のデータを書込
む。このようなニューロチップを接続してニューラルネ
ットワークを構成したものである。
【0006】後者の特開平2−178758号公報は、
外部のメモリ、例えばSRAMに結合係数を記憶させて
おき、同じく外部の演算手段により行なわれる学習の結
果により、この結合係数を書換えることで、学習可能な
ニューラルネットワークを構成したものである。
【0007】さらには、伝達する信号をパルス密度で取
扱うものとし、内部にメモリと学習回路とを持つことで
自己学習を可能としたニューロ素子を用いて並列処理可
能にネットワーク構成したニューラルネットワークも本
出願人により提案されている。
【0008】
【発明が解決しようとする課題】例えば、階層型ネット
ワークと称されるニューラルネットワーク1の構造例を
図3に示す。図中、白丸で示す部分が各々ニューロン素
子2を表す。ニューロンをデバイス化した時、複数のニ
ューロンが1つのデバイスに搭載されていてもよい。と
ころが、図3からも判るように、ニューラルネットワー
ク1を構成するニューロン素子2は一般に多数であり、
それらの結合3も、ニューラルネットワーク1内部に多
数存在し、それらが全て正常に接続されているか否かの
確認は非常に煩雑である。
【0009】即ち、接続状態の確認方式として、ニュー
ラルネットワーク1に既知の入力データを与え、得られ
る出力を予め計算で求めておいた答えと比較する方式が
あるが入力データの全ての組合せをテストすることは殆
ど不可能である。まして、ニューラルネットワークは、
よい意味での冗長性があるため、予想と異なる出力が得
られた場合、一部のニューロン間の接続が間違っていて
も、間違っている個所を特定するのが極めて困難であ
り、不確実な動作をした場合の原因究明が非常に困難
で、場合によっては間違ったことすら気付かないおそれ
がある。
【0010】
【課題を解決するための手段】請求項1記載の発明で
は、神経細胞の働きを模倣した多数のニューロン素子を
網状に結合させたニューラルネットワークを用いた信号
処理装置において、前記各ニューロン素子に識別用ID
を設定保持させた。この際、請求項2記載の発明では、
識別用IDをニューロン素子外部から設定自在とし、ま
た、請求項3記載の発明では、識別用IDをニューロン
素子外部に対して出力自在とした。
【0011】また、請求項4記載の発明では、ニューラ
ルネットワーク内における各ニューロン素子の接続情報
を記憶した記憶手段を設け、請求項5記載の発明では、
各ニューロン素子に、自己のニューロン素子に対する他
のニューロン素子の接続情報を記憶した記憶手段を設け
た。
【0012】さらに、請求項6記載の発明では、ニュー
ラルネットワークの動作開始時又は動作中の任意時に、
記憶手段に記憶されている接続情報と、各ニューロン素
子から出力させた識別用IDに基づく実際の接続情報と
を比較して前記ニューラルネットワークの状態をチェッ
クする管理手段を設けた。
【0013】
【作用】各ニューロン素子に識別用IDを設定保持させ
ておくことにより、ニューラルネットワーク上での実際
のニューロン素子の接続状態に関する情報を容易に得る
ことができ、ニューロン素子間の接続状態を管理又は検
査することで、その適否を容易に判断でき保守しやすい
ものとなる。特に、使用しようとするニューラルネット
ワーク内における各ニューロン素子の接続状態を記憶手
段に記憶させておき、又は、各ニューロン素子毎にその
ニューロン素子に対して接続すべきニューロン素子の接
続情報を記憶手段に記憶させておくことにより、実際の
接続状態との対比によるネットワーク構成状態の把握が
容易かつ正確となる。
【0014】
【実施例】本発明の第一の実施例を図1に基づいて説明
する。まず、使用しようとするニューラルネットワーク
4は制御装置5に接続されて信号処理装置6が構成され
ている。ここに、ニューラルネットワーク4は多数のニ
ューロン素子を網状に結合させたもので、任意の形態を
とり得るが、例えば図3に示したような階層型ネットワ
ーク構成とされる。しかして、前記制御装置5内にはニ
ューラルネットワーク4内における各ニューロン素子の
接続情報(設計された情報)を記憶して記憶手段及び管
理手段となる接続情報管理手段7が設けられ、前記ニュ
ーラルネットワーク4にも接続されている。一方、ニュ
ーラルネットワーク4内の各ニューロン素子には、各ニ
ューロン素子(デバイス)に固有の識別用IDが設定保
持されている。識別用IDの設定は外部から行ない得る
もので、デバイスにスイッチを設けてスイッチの切換え
により設定してもよく、IDを書込んだROMを搭載さ
せてもよく、或いは、ID用のRAMを搭載させておき
このRAMに書込むようにしてもよい。
【0015】このような構成により、接続情報管理手段
7に記憶したニューロン素子の接続情報と、ニューラル
ネットワーク4における実際の接続情報とを比較対比す
ることにより、このニューラルネットワーク4が設計通
りに構成されているかをチェックすることができる。
【0016】まず、接続情報管理手段7から各ニューロ
ン素子にそのニューロン素子に接続されているニューロ
ン素子の識別用IDを知らせるように、指令を順次送
る。このような指令を受けて各ニューロン素子内の識別
用IDは外部に読出せるので、接続情報管理手段7はあ
るニューロン素子に接続されている全てのニューロン素
子を知ることができる。このように収集した実際の接続
情報を、予めこの接続情報管理手段7に記憶されている
接続情報と比較することで、ニューラルネットワーク4
内のニューロン素子間の接続状態の可否(正否)を判断
することができる。
【0017】ここに、各ニューロン素子の識別用ID
を、各ニューロン素子内のRAMに書込むことにより、
接続情報の変更は容易に行なえるので、ニューラルネッ
トワーク4の構造は随時変更し得るものである。
【0018】また、ニューラルネットワーク4の動作開
始時に限らず、ニューラルネットワーク4の動作中でも
任意時(適時或いは一定間隔毎に)、このようにニュー
ラルネットワーク4の接続状態(構成状態)を監視する
ことで、この信号処理装置6の保守を容易かつ確実に行
なうことができ、この信号処理装置6の扱う信号の信頼
性を高めることができる。
【0019】つづいて、本発明の第二の実施例を図2に
より説明する。本実施例は、ニューラルネットワーク4
を構成する各ニューロン素子8自体に、そのニューロン
素子8に対して接続すべき他のニューロン素子8の識別
用IDを接続情報(設計された接続情報)として記憶す
る記憶手段となる接続情報記憶手段9を設けたものであ
る。この接続情報記憶手段9も、識別用IDの場合と同
様に、外部スイッチ、ROM、RAMなどの手段により
容易に実現し得る。
【0020】このような構成において、所望の接続が終
了した時点で、各ニューロン素子8の接続情報記憶手段
9に記憶されている接続情報と、実際に接続されている
ニューロン素子8の接続情報とを比較する。これは、接
続情報記憶手段9がニューロン素子8の識別用IDを読
出すようにしてもよく、或いは、接続情報記憶手段9が
格納している自己の識別用IDを出力するようにしても
よい。比較手段は接続情報記憶手段9に並設されていて
もよく、或いは、外部に一括して設けられていてもよ
い。この比較結果により、ニューラルネットワーク4に
おけるニューロン素子8間の接続状態の正否を容易に判
断できる。
【0021】ところで、各ニューロン素子の内部状態
(入力信号でもよい)の読出しと、出力信号の制御を可
能とし、任意のニューロン素子に既知の信号を出力さ
せ、このニューロン素子に接続されているべきニューロ
ン素子の入力信号を読出すことで、ニューロン素子間の
接続状態の正否を判断することもできる。この場合に
は、各ニューロン素子に接続情報記憶手段9を備える必
要はない。代わりに、外部から入力信号のモニタ及び出
力信号の制御を行なえる機構を付加すればよい。また、
任意のニューロン素子のセレクトは、前述したように識
別用IDを各ニューロン素子が持つので、容易になし得
る。
【0022】また、接続情報管理手段7や接続情報記憶
手段9を用いて、図1や図2の構成により、ニューラル
ネットワーク4の接続状態を診断する場合、図3に示し
たような3層の階層型ネットワークであれば、第1層に
属するニューロン素子の識別用IDと第3層に属するニ
ューロン素子の識別用IDとは重複しても構わない。こ
れは、第1層と第3層とではニューロン素子間の直接の
接続がなく、同時に同じ識別用IDを参照することはな
いからである。もっとも、このような階層型ネットワー
ク構成が例えば4層構造の場合であれば、第2層のニュ
ーロン素子と第4層のニューロン素子とに同じ識別用I
Dを割り振ることには注意を要する。これは、第1層‐
第2層間と同じような接続が、第3層‐第4層間でも行
なわれる可能性があり、両者の区別が困難な場合がある
からである。何れにしても、大規模なニューラルネット
ワークを構築する際には、各ニューロン素子に付与する
識別用IDが多数になるのを抑えるため、上記のように
ネットワーク間の接続を考慮して、支障ない範囲で重複
した識別用IDを付与することで、ニューロン素子が識
別用ID用に持つメモリ容量を減らすこともできる。
【0023】
【発明の効果】本発明は、上述したように、各ニューロ
ン素子に識別用IDを設定保持させたので、ニューラル
ネットワーク上での実際のニューロン素子の接続状態に
関する情報を容易に得ることができ、これに基づきニュ
ーロン素子間の接続状態を管理又は検査することで、そ
の適否を容易に判断でき保守しやすいものとなり、特
に、このような識別用IDを外部から設定自在としたの
で、接続情報の変更も容易であり、ニューラルネットワ
ークの構造変更も容易となり、また、使用しようとする
ニューラルネットワーク内における各ニューロン素子の
接続状態を記憶手段に記憶させておき、又は、各ニュー
ロン素子毎にそのニューロン素子に対して接続すべきニ
ューロン素子の接続情報を記憶手段に記憶させておくこ
とにより、管理手段を用いて、実際の接続状態との対比
によるネットワーク構成状態の把握を容易かつ正確に行
ない、保守性を高めることができる。
【図面の簡単な説明】
【図1】本発明の第一の実施例を示す概略ブロック図で
ある。
【図2】本発明の第二の実施例を示す模式図である。
【図3】階層型ネットワーク構成例を示す模式図であ
る。
【符号の説明】
4 ニューラルネットワーク 7 記憶手段&管理手段 8 ニューロン素子 9 記憶手段
───────────────────────────────────────────────────── フロントページの続き (72)発明者 古川 達也 東京都大田区中馬込1丁目3番6号 株式 会社リコー内

Claims (6)

    【特許請求の範囲】
  1. 【請求項1】 神経細胞の働きを模倣した多数のニュー
    ロン素子を網状に結合させたニューラルネットワークを
    用いた信号処理装置において、前記各ニューロン素子に
    識別用IDを設定保持させたことを特徴とする信号処理
    装置。
  2. 【請求項2】 識別用IDをニューロン素子外部から設
    定自在としたことを特徴とする請求項1記載の信号処理
    装置。
  3. 【請求項3】 識別用IDをニューロン素子外部に対し
    て出力自在としたことを特徴とする請求項1又は2記載
    の信号処理装置。
  4. 【請求項4】 ニューラルネットワーク内における各ニ
    ューロン素子の接続情報を記憶した記憶手段を設けたこ
    とを特徴とする請求項1,2又は3記載の信号処理装
    置。
  5. 【請求項5】 各ニューロン素子に、自己のニューロン
    素子に対する他のニューロン素子の接続情報を記憶した
    記憶手段を設けたことを特徴とする請求項1,2又は3
    記載の信号処理装置。
  6. 【請求項6】 ニューラルネットワークの動作開始時又
    は動作中の任意時に、記憶手段に記憶されている接続情
    報と、各ニューロン素子から出力させた識別用IDに基
    づく実際の接続情報とを比較して前記ニューラルネット
    ワークの状態をチェックする管理手段を設けたことを特
    徴とする請求項4又は5記載の信号処理装置。
JP3286053A 1991-10-31 1991-10-31 信号処理装置 Pending JPH05128083A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP3286053A JPH05128083A (ja) 1991-10-31 1991-10-31 信号処理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3286053A JPH05128083A (ja) 1991-10-31 1991-10-31 信号処理装置

Publications (1)

Publication Number Publication Date
JPH05128083A true JPH05128083A (ja) 1993-05-25

Family

ID=17699352

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3286053A Pending JPH05128083A (ja) 1991-10-31 1991-10-31 信号処理装置

Country Status (1)

Country Link
JP (1) JPH05128083A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017510890A (ja) * 2014-02-28 2017-04-13 クゥアルコム・インコーポレイテッドQualcomm Incorporated 一般的なニューロンモデルの効率的な実装のための方法および装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017510890A (ja) * 2014-02-28 2017-04-13 クゥアルコム・インコーポレイテッドQualcomm Incorporated 一般的なニューロンモデルの効率的な実装のための方法および装置

Similar Documents

Publication Publication Date Title
Seoane Evolutionary aspects of reservoir computing
Blank et al. Bringing up robot: Fundamental mechanisms for creating a self-motivated, self-organizing architecture
Lagnado et al. Beyond covariation
EP2641214B1 (en) Electronic synapses for reinforcement learning
JP6911498B2 (ja) 学習装置、学習方法、及び学習プログラム
US5412576A (en) Selective assembly of component kits
Scheutz et al. Architectural mechanisms for dynamic changes of behavior selection strategies in behavior-based systems
CN108197014A (zh) 故障诊断方法、装置及计算机设备
CN112784976A (zh) 一种基于脉冲神经网络的图像识别系统及方法
CN109844772B (zh) 存储器单元、存储器单元系统和制造存储器单元的方法
Amir et al. Report on DARPA workshop on self-aware computer systems
US6792413B2 (en) Data processing apparatus and method, recording medium, and program
CN108415819A (zh) 一种硬盘故障追踪方法和装置
JPH05128083A (ja) 信号処理装置
US6366896B1 (en) Adaptive agent using neural network
Lesgold Context-specific requirements for models of expertise
Maren A logical topology of neural networks
CN117479027B (zh) 基于sram的模拟动态视觉传感器阵列的方法
Pezzulo et al. Schema-based design and the akira schema language: An overview
Ye et al. A hybrid intelligent system for fault diagnosis of advanced manufacturing system
Belkada et al. Measuring knowledge transfer skills by using constrained-student modeler autonomous agent
Toparcean Enabling automation with deep learning at optical X-ray inspection station succeeding various soldering processes in electronic control units manufacturing
JPH0552607A (ja) プラントの異常時運転支援方法及びその装置並びに異常時運転学習方法及びその装置
Corbacho Towards the Self-constructive Brain: emergence of adaptive behavior
US20040122784A1 (en) Methods and apparatus for communicating information in a supervised learning system