JPH06161586A - 光ニューラルプロセッサ - Google Patents
光ニューラルプロセッサInfo
- Publication number
- JPH06161586A JPH06161586A JP30721992A JP30721992A JPH06161586A JP H06161586 A JPH06161586 A JP H06161586A JP 30721992 A JP30721992 A JP 30721992A JP 30721992 A JP30721992 A JP 30721992A JP H06161586 A JPH06161586 A JP H06161586A
- Authority
- JP
- Japan
- Prior art keywords
- light
- optical
- signal light
- excitatory
- input
- 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
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 線画の連結点数の検出処理を高速で行うこと
のできる光ニューラルプロセッサを提供する。 【構成】 興奮性及び抑制性の信号光を受ける一対の受
光部と、受光した興奮性信号光強度が抑制性信号光強度
より大きい場合は発光を開始し、興奮性信号光強度が抑
制性信号光強度より小さく、その差がある値を越えた場
合は発光を停止する発光部を持つ光デバイス２０と、該
光デバイス２０の出力光を２次元配列された周辺の同一
デバイスへ分配して光学的な結線を実現する光結線部２
２とからなる特徴抽出器を、前記閾値を変えたものを複
数個用意し、該特徴抽出器１０ａ〜１０ｆをその閾値の
順番に並べ、隣り合うもの同士を比較器１１によって比
較することにより、入力された線画の連結点数を検出す
る。
のできる光ニューラルプロセッサを提供する。 【構成】 興奮性及び抑制性の信号光を受ける一対の受
光部と、受光した興奮性信号光強度が抑制性信号光強度
より大きい場合は発光を開始し、興奮性信号光強度が抑
制性信号光強度より小さく、その差がある値を越えた場
合は発光を停止する発光部を持つ光デバイス２０と、該
光デバイス２０の出力光を２次元配列された周辺の同一
デバイスへ分配して光学的な結線を実現する光結線部２
２とからなる特徴抽出器を、前記閾値を変えたものを複
数個用意し、該特徴抽出器１０ａ〜１０ｆをその閾値の
順番に並べ、隣り合うもの同士を比較器１１によって比
較することにより、入力された線画の連結点数を検出す
る。
Description
【０００１】
【産業上の利用分野】本発明は、パターンの前処理、認
識及び識別を行う知的情報処理システムを光の技術を用
いて実現する光ニューラルプロセッサに関するものであ
る。
識及び識別を行う知的情報処理システムを光の技術を用
いて実現する光ニューラルプロセッサに関するものであ
る。
【０００２】
【従来の技術】従来、線画の連結点数の検出方法とし
て、線画を構成する各画素を逐次的に検索するノイマン
的手法があったが、高速処理には不向きであった。
て、線画を構成する各画素を逐次的に検索するノイマン
的手法があったが、高速処理には不向きであった。
【０００３】一方、並列処理が得意なニューラルプロセ
ッサは、従来、集積回路技術を利用して電子デバイスで
小規模なハードウエアを構成した例はあるものの、数万
個乃至数１０万個のニューロンに相当するプロセッサを
相互に複雑に結線した大規模な電子回路が必要となる。
この場合、シナプス結合に電気配線を用いると、配線量
が膨大になる上、配線による遅延時間や相互の電気的な
干渉等の問題が生じるため、大規模化、高速化すること
は困難であった。その結果、ニューラルプロセッサの本
来の特徴である、並列性を充分に活かすことができなか
った。
ッサは、従来、集積回路技術を利用して電子デバイスで
小規模なハードウエアを構成した例はあるものの、数万
個乃至数１０万個のニューロンに相当するプロセッサを
相互に複雑に結線した大規模な電子回路が必要となる。
この場合、シナプス結合に電気配線を用いると、配線量
が膨大になる上、配線による遅延時間や相互の電気的な
干渉等の問題が生じるため、大規模化、高速化すること
は困難であった。その結果、ニューラルプロセッサの本
来の特徴である、並列性を充分に活かすことができなか
った。
【０００４】
【発明が解決しようとする課題】本発明の目的は、従来
のノイマン的手法では高速処理を実現しにくかった、線
画の連結点数の検出処理を高速で行うことのできるニュ
ーラルプロセッサを、光の技術を用いることにより、先
に述べた種々の問題点を有する電気的なニューラルプロ
セッサの代替技術を提供することにある。
のノイマン的手法では高速処理を実現しにくかった、線
画の連結点数の検出処理を高速で行うことのできるニュ
ーラルプロセッサを、光の技術を用いることにより、先
に述べた種々の問題点を有する電気的なニューラルプロ
セッサの代替技術を提供することにある。
【０００５】
【課題を解決するための手段】本発明では前記目的を達
成するため、複数のニューロンから入力される信号に対
して興奮性又は抑制性の重み付けを施した後、興奮性信
号及び抑制性信号を各々個別に加算し、その和信号をし
きい値処理するニューロンが複数個、２次元平面上で接
続されたニューラルネットワークを、興奮性及び抑制性
の信号光を受光する一対の信号入力用受光部と、受光し
た興奮性信号光強度が抑制性信号光強度より大きい場合
は発光を開始し、興奮性信号光強度が抑制性信号光強度
より小さく、その差がある値を越えた場合は発光を停止
するような１つの信号出力用発光部とを持つ光デバイス
を用いて実現する光ニューラルプロセッサにおいて、前
記光デバイスの出力光を２次元配列された周辺の同一デ
バイスへ分配して光学的な結線を実現する光学素子から
なるモジュールを、前記閾値を変えたものを複数個用意
し、該モジュールをその閾値の順番に並べるとともに隣
り合うモジュールを比較器によって比較する機能を持た
せた光ニューラルプロセッサを提案する。
成するため、複数のニューロンから入力される信号に対
して興奮性又は抑制性の重み付けを施した後、興奮性信
号及び抑制性信号を各々個別に加算し、その和信号をし
きい値処理するニューロンが複数個、２次元平面上で接
続されたニューラルネットワークを、興奮性及び抑制性
の信号光を受光する一対の信号入力用受光部と、受光し
た興奮性信号光強度が抑制性信号光強度より大きい場合
は発光を開始し、興奮性信号光強度が抑制性信号光強度
より小さく、その差がある値を越えた場合は発光を停止
するような１つの信号出力用発光部とを持つ光デバイス
を用いて実現する光ニューラルプロセッサにおいて、前
記光デバイスの出力光を２次元配列された周辺の同一デ
バイスへ分配して光学的な結線を実現する光学素子から
なるモジュールを、前記閾値を変えたものを複数個用意
し、該モジュールをその閾値の順番に並べるとともに隣
り合うモジュールを比較器によって比較する機能を持た
せた光ニューラルプロセッサを提案する。
【０００６】
【作用】本発明によれば、入力された線画の一の画素は
各モジュールを構成する光デバイスの興奮性信号光用受
光部に入力され、その周囲のオン又はオフの画素の数に
応じて変化する抑制性信号光強度及びモジュール固有の
閾値によりオン又はオフとされ、さらに閾値の異なるモ
ジュールにおける結果と比較されて周囲のオンの画素数
が判定され、全ての画素に対する判定結果から入力され
た線画の連結点数が検出される。
各モジュールを構成する光デバイスの興奮性信号光用受
光部に入力され、その周囲のオン又はオフの画素の数に
応じて変化する抑制性信号光強度及びモジュール固有の
閾値によりオン又はオフとされ、さらに閾値の異なるモ
ジュールにおける結果と比較されて周囲のオンの画素数
が判定され、全ての画素に対する判定結果から入力され
た線画の連結点数が検出される。
【０００７】
【実施例】以下、本発明の実施例を図面により詳細に説
明する。図１は本発明の光ニューラルプロセッサの一実
施例を示すもので、図中、１０ａ〜１０ｆは特徴抽出
器、１１は比較器、１０１は入力パターン（光）、１０
２ａ〜１０２ｇは出力パターン（光）である。
明する。図１は本発明の光ニューラルプロセッサの一実
施例を示すもので、図中、１０ａ〜１０ｆは特徴抽出
器、１１は比較器、１０１は入力パターン（光）、１０
２ａ〜１０２ｇは出力パターン（光）である。
【０００８】図２は図１中の特徴抽出器の概念図であ
る。図中、２０は、例えば特願平４−１７１１５２号に
示したような、興奮性及び抑制性の一対の入力光２０１
及び２０２に対応する受光部と、これらの入力光強度を
比較するコンパレータ部と、出力光２０３を発光する１
つの発光部とから構成されたニューロンに相当する光デ
バイスであり、図３に示すように、 （入力光２０１の光パワー）≧（入力光２０２の光パワ
ー） の時に出力光２０３が得られ、また、 （入力光２０１の光パワー）＜（入力光２０２の光パワ
ー）−θ の時には出力光２０３の光パワーは０となる。なお、θ
は光デバイスの閾値である。また、入力光２０１，２０
２を切ってもこれらの状態は保持される。また、２２は
複数の近傍の光デバイス２０に対して出力光を分配し、
抑制性の信号光を生成する光学素子からなる光結線部で
ある。
る。図中、２０は、例えば特願平４−１７１１５２号に
示したような、興奮性及び抑制性の一対の入力光２０１
及び２０２に対応する受光部と、これらの入力光強度を
比較するコンパレータ部と、出力光２０３を発光する１
つの発光部とから構成されたニューロンに相当する光デ
バイスであり、図３に示すように、 （入力光２０１の光パワー）≧（入力光２０２の光パワ
ー） の時に出力光２０３が得られ、また、 （入力光２０１の光パワー）＜（入力光２０２の光パワ
ー）−θ の時には出力光２０３の光パワーは０となる。なお、θ
は光デバイスの閾値である。また、入力光２０１，２０
２を切ってもこれらの状態は保持される。また、２２は
複数の近傍の光デバイス２０に対して出力光を分配し、
抑制性の信号光を生成する光学素子からなる光結線部で
ある。
【０００９】外界からの興奮性の入力光２０１は図１中
の入力パターン１０１に相当し、光デバイス２０に入力
され、前述したようにその光強度によって出力光２０３
を出力する。この出力光２０３から抑制性のフィードバ
ックを担う光結線部２２によって抑制性の入力光２０２
が生成され、前述した如く入力光２０１と入力光２０２
の光パワーの大きさによって出力光２０３の状態が決ま
る。
の入力パターン１０１に相当し、光デバイス２０に入力
され、前述したようにその光強度によって出力光２０３
を出力する。この出力光２０３から抑制性のフィードバ
ックを担う光結線部２２によって抑制性の入力光２０２
が生成され、前述した如く入力光２０１と入力光２０２
の光パワーの大きさによって出力光２０３の状態が決ま
る。
【００１０】図４は特徴抽出器の具体的な構成例であ
る。図中、４０は光デバイス２０が正六角配置に並んで
いる面であり、また、４１は面４０に平行に配したハー
フミラーである。光デバイス２０の出力光２０３が円錐
形に広がると、その上方に配されたハーフミラー４１に
よって反射され、近傍の光デバイス２０の抑制性の入力
光２０２として受光される。このようにして抑制性の結
合が達成される。
る。図中、４０は光デバイス２０が正六角配置に並んで
いる面であり、また、４１は面４０に平行に配したハー
フミラーである。光デバイス２０の出力光２０３が円錐
形に広がると、その上方に配されたハーフミラー４１に
よって反射され、近傍の光デバイス２０の抑制性の入力
光２０２として受光される。このようにして抑制性の結
合が達成される。
【００１１】この際、面４０とハーフミラー４１との距
離Ｌを変更することにより、抑制性の結合が及ぶ範囲あ
るいは信号の強度を変えることができる。また、光デバ
イス２０の出力光２０３はハーフミラー４１を通して、
あるいは２０３ａの如く入力光と同じ方向から出力され
る。なお、前述した抑制性の結合はハーフミラー４１の
代わりに回析格子、プリズム等を用いても実現できる。
離Ｌを変更することにより、抑制性の結合が及ぶ範囲あ
るいは信号の強度を変えることができる。また、光デバ
イス２０の出力光２０３はハーフミラー４１を通して、
あるいは２０３ａの如く入力光と同じ方向から出力され
る。なお、前述した抑制性の結合はハーフミラー４１の
代わりに回析格子、プリズム等を用いても実現できる。
【００１２】図５は図１中の比較器の概念図である。図
中、５０は、正入力５０１及び負入力５０２の一対の入
力光に対応する受光部と、これらの入力光強度を比較す
るコンパレータ部と、出力光５０３を発光する１つの発
光部とから構成された光デバイスであり、図６に示すよ
うに、 （正入力５０１の光パワー）＞（負入力５０２の光パワ
ー） の時に出力光５０３が得られ、また、 （正入力５０１の光パワー）≦（負入力５０２の光パワ
ー） の時には出力光５０３の光パワーは０となる。なお、正
入力５０１及び負入力５０２を切った場合も、出力光５
０３の光パワーは０となる。
中、５０は、正入力５０１及び負入力５０２の一対の入
力光に対応する受光部と、これらの入力光強度を比較す
るコンパレータ部と、出力光５０３を発光する１つの発
光部とから構成された光デバイスであり、図６に示すよ
うに、 （正入力５０１の光パワー）＞（負入力５０２の光パワ
ー） の時に出力光５０３が得られ、また、 （正入力５０１の光パワー）≦（負入力５０２の光パワ
ー） の時には出力光５０３の光パワーは０となる。なお、正
入力５０１及び負入力５０２を切った場合も、出力光５
０３の光パワーは０となる。
【００１３】図７は図１の実施例の動作を概念的に示す
図である。図中、７００１は入力パターン１０１に対応
する入力パターン、７００２は入力パターン７００１の
線画の一部分を拡大したもので、一の画素とその最近傍
の６画素とを示す。
図である。図中、７００１は入力パターン１０１に対応
する入力パターン、７００２は入力パターン７００１の
線画の一部分を拡大したもので、一の画素とその最近傍
の６画素とを示す。
【００１４】特徴抽出器１０ａ〜１０ｆの閾値は、それ
ぞれ周囲の光デバイス２０が０，１，２，３，４，５個
発光している時に興奮性の入力光の受光部で受光される
光パワーと抑制性の入力光の受光部で受光される光パワ
ーとの差より小さく、かつ、周囲の光デバイス２０が
１，２，３，４，５，６個発光している時に興奮性の入
力光の受光部で受光される光パワーと抑制性の入力光の
受光部で受光される光パワーとの差より大きく設定して
あるものとすると、例えば特徴抽出器１０ａの場合、周
囲の０個が画素がオンとなっている画素に対応する光デ
バイス２０では、周辺の光デバイス２０から光結線部２
２を介して抑制性の入力光２０２の受光部に入る光パワ
ーと興奮性の入力光２０１の受光部に入る光パワーとの
差はθに比べて小さくなるため、この光デバイス２０は
オンのままとなり、周囲の１〜６個の画素がオンとなっ
ている画素にあたる光デバイス２０では、周辺の光デバ
イス２０から光結線部２２を介して抑制性の入力光２０
２の受光部に入る光パワーと興奮性の入力光２０１の受
光部に入る光パワーとの差はθに比べて大きいため、こ
の光デバイス２０はオフとなる。
ぞれ周囲の光デバイス２０が０，１，２，３，４，５個
発光している時に興奮性の入力光の受光部で受光される
光パワーと抑制性の入力光の受光部で受光される光パワ
ーとの差より小さく、かつ、周囲の光デバイス２０が
１，２，３，４，５，６個発光している時に興奮性の入
力光の受光部で受光される光パワーと抑制性の入力光の
受光部で受光される光パワーとの差より大きく設定して
あるものとすると、例えば特徴抽出器１０ａの場合、周
囲の０個が画素がオンとなっている画素に対応する光デ
バイス２０では、周辺の光デバイス２０から光結線部２
２を介して抑制性の入力光２０２の受光部に入る光パワ
ーと興奮性の入力光２０１の受光部に入る光パワーとの
差はθに比べて小さくなるため、この光デバイス２０は
オンのままとなり、周囲の１〜６個の画素がオンとなっ
ている画素にあたる光デバイス２０では、周辺の光デバ
イス２０から光結線部２２を介して抑制性の入力光２０
２の受光部に入る光パワーと興奮性の入力光２０１の受
光部に入る光パワーとの差はθに比べて大きいため、こ
の光デバイス２０はオフとなる。
【００１５】このようにして、特徴抽出器１０ａ，１０
ｂ，１０ｃ，１０ｄ，１０ｅ，１０ｆは、周囲の画素が
０，０〜１，０〜２，０〜３，０〜４，０〜５個オンと
なっている画素はオンのままとなり、それ以上の周囲の
画素がオンとなっている場合は、その画素がオフとなる
ことによって周囲の画素が０，０〜１，０〜２，０〜
３，０〜４，０〜５個オンとなっている画素を検出する
ことができる。隣り合う特徴抽出器、例えば１０ａ及び
１０ｂの出力パターンを比較することによって、周囲の
画素が０，１，２，３，４，５，６個の画素のみを出力
パターン１０２ａ〜１０２ｇに得る。以上の動作は、各
画素において並列的に進行する。
ｂ，１０ｃ，１０ｄ，１０ｅ，１０ｆは、周囲の画素が
０，０〜１，０〜２，０〜３，０〜４，０〜５個オンと
なっている画素はオンのままとなり、それ以上の周囲の
画素がオンとなっている場合は、その画素がオフとなる
ことによって周囲の画素が０，０〜１，０〜２，０〜
３，０〜４，０〜５個オンとなっている画素を検出する
ことができる。隣り合う特徴抽出器、例えば１０ａ及び
１０ｂの出力パターンを比較することによって、周囲の
画素が０，１，２，３，４，５，６個の画素のみを出力
パターン１０２ａ〜１０２ｇに得る。以上の動作は、各
画素において並列的に進行する。
【００１６】
【発明の効果】以上説明したように本発明によれば、興
奮性及び抑制性の一対の受光部と１つの発光部とを有
し、興奮性信号光強度が抑制性信号光強度に比べて大き
い時は発光し、そうでない時は発光しないような光デバ
イスで構成し、各光デバイス間の結線を光学的に実現し
ているので、従来のコンピュータとは異なり、パターン
処理を光の持つ非干渉性及び広帯域性を利用して並列的
に行うことが可能となり、これによって、ノイマン的手
法の持つ欠点や電気的な配線を用いた結線方法の持つ様
々な欠点を解消した、複雑なパターン認識、画像処理等
を高速に行うことが可能な光ニューラルプロセッサを実
現できる。
奮性及び抑制性の一対の受光部と１つの発光部とを有
し、興奮性信号光強度が抑制性信号光強度に比べて大き
い時は発光し、そうでない時は発光しないような光デバ
イスで構成し、各光デバイス間の結線を光学的に実現し
ているので、従来のコンピュータとは異なり、パターン
処理を光の持つ非干渉性及び広帯域性を利用して並列的
に行うことが可能となり、これによって、ノイマン的手
法の持つ欠点や電気的な配線を用いた結線方法の持つ様
々な欠点を解消した、複雑なパターン認識、画像処理等
を高速に行うことが可能な光ニューラルプロセッサを実
現できる。
【図１】本発明の光ニューラルプロセッサの一実施例を
示す構成図
示す構成図
【図２】図１中の特徴抽出器の概念図
【図３】特徴抽出器を構成する光デバイスの特性図
【図４】特徴抽出器の具体的な構成例を示す図
【図５】図１中の比較器の概念図
【図６】比較器を構成する光デバイスの特性図
【図７】図１の実施例の動作を概念的に示す図
１０ａ〜１０ｆ…特徴抽出器、１１…比較器、１０１…
入力パターン、１０２ａ〜１０２ｇ…出力パターン。
入力パターン、１０２ａ〜１０２ｇ…出力パターン。
Claims (1)
- 【請求項１】 複数のニューロンから入力される信号に
対して興奮性又は抑制性の重み付けを施した後、興奮性
信号及び抑制性信号を各々個別に加算し、その和信号を
しきい値処理するニューロンが複数個、２次元平面上で
接続されたニューラルネットワークを、興奮性及び抑制
性の信号光を受光する一対の信号入力用受光部と、受光
した興奮性信号光強度が抑制性信号光強度より大きい場
合は発光を開始し、興奮性信号光強度が抑制性信号光強
度より小さく、その差がある値を越えた場合は発光を停
止するような１つの信号出力用発光部とを持つ光デバイ
スを用いて実現する光ニューラルプロセッサにおいて、 前記光デバイスの出力光を２次元配列された周辺の同一
デバイスへ分配して光学的な結線を実現する光学素子か
らなるモジュールを、前記閾値を変えたものを複数個用
意し、該モジュールをその閾値の順番に並べるとともに
隣り合うモジュールを比較器によって比較する機能を持
たせたことを特徴とする光ニューラルプロセッサ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30721992A JPH06161586A (ja) | 1992-11-17 | 1992-11-17 | 光ニューラルプロセッサ |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30721992A JPH06161586A (ja) | 1992-11-17 | 1992-11-17 | 光ニューラルプロセッサ |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06161586A true JPH06161586A (ja) | 1994-06-07 |
Family
ID=17966482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP30721992A Pending JPH06161586A (ja) | 1992-11-17 | 1992-11-17 | 光ニューラルプロセッサ |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06161586A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11216717B2 (en) | 2017-04-04 | 2022-01-04 | Hailo Technologies Ltd. | Neural network processor incorporating multi-level hierarchical aggregated computing and memory elements |
| US11221929B1 (en) | 2020-09-29 | 2022-01-11 | Hailo Technologies Ltd. | Data stream fault detection mechanism in an artificial neural network processor |
| US11237894B1 (en) | 2020-09-29 | 2022-02-01 | Hailo Technologies Ltd. | Layer control unit instruction addressing safety mechanism in an artificial neural network processor |
| US11263077B1 (en) | 2020-09-29 | 2022-03-01 | Hailo Technologies Ltd. | Neural network intermediate results safety mechanism in an artificial neural network processor |
| US11811421B2 (en) | 2020-09-29 | 2023-11-07 | Hailo Technologies Ltd. | Weights safety mechanism in an artificial neural network processor |
-
1992
- 1992-11-17 JP JP30721992A patent/JPH06161586A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11216717B2 (en) | 2017-04-04 | 2022-01-04 | Hailo Technologies Ltd. | Neural network processor incorporating multi-level hierarchical aggregated computing and memory elements |
| US11461614B2 (en) | 2017-04-04 | 2022-10-04 | Hailo Technologies Ltd. | Data driven quantization optimization of weights and input data in an artificial neural network |
| US11221929B1 (en) | 2020-09-29 | 2022-01-11 | Hailo Technologies Ltd. | Data stream fault detection mechanism in an artificial neural network processor |
| US11237894B1 (en) | 2020-09-29 | 2022-02-01 | Hailo Technologies Ltd. | Layer control unit instruction addressing safety mechanism in an artificial neural network processor |
| US11263077B1 (en) | 2020-09-29 | 2022-03-01 | Hailo Technologies Ltd. | Neural network intermediate results safety mechanism in an artificial neural network processor |
| US11811421B2 (en) | 2020-09-29 | 2023-11-07 | Hailo Technologies Ltd. | Weights safety mechanism in an artificial neural network processor |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6801655B2 (en) | Spatial image processor | |
| US20220327371A1 (en) | Diffractive deep neural networks with differential and class-specific detection | |
| JPH03164816A (ja) | 情報処理装置 | |
| JPH06161586A (ja) | 光ニューラルプロセッサ | |
| US5640261A (en) | Optical operation apparatus for finding an inner product of vectors using light | |
| Brajovic et al. | A VLSI sorting image sensor: Global massively parallel intensity-to-time processing for low-latency adaptive vision | |
| JPH0676092A (ja) | 光ニューラルプロセッサ | |
| JPH03276137A (ja) | 光ニューラルプロセッサ | |
| JPH02157832A (ja) | 光ニューラルプロセッサ | |
| JP2786275B2 (ja) | 光ニューラルネットワーク光学システム | |
| JPH06295351A (ja) | ラテラル相互結合を有するニューラルネットワーク | |
| JP2986303B2 (ja) | 情報処理装置 | |
| US5704015A (en) | Optical operation element, optical data processing circuit and photoelectric operation element | |
| JP2556487B2 (ja) | 光分岐方法及び装置 | |
| JP2827378B2 (ja) | 光ニューロ素子 | |
| Devi et al. | Improved Faster RCNN-based Nighttime Pedestrian Detection Using RGB Images | |
| JPH0618953A (ja) | 光ニューラルコンピュータおよびこれを用いた光学部品 | |
| RU2070334C1 (ru) | Оптоэлектронная модель нейронной сети | |
| JP2827379B2 (ja) | 光ニューロ素子 | |
| JPH03208026A (ja) | 光ニューロ素子 | |
| JPH02201426A (ja) | 光ニューロコンピュータ | |
| JPH0696243A (ja) | ２次ニューラルネットワーク光学システムに用いる光学系 | |
| JPH0321914A (ja) | 光ニューラル素子 | |
| JPH05100278A (ja) | 光学的パタ−ン認識分類装置 | |
| US5191549A (en) | Method and apparatus for performing a multiple-input optical arithmetic comparison |