JPH0652139A - ニューラルネットワークのデータ構造 - Google Patents
ニューラルネットワークのデータ構造Info
- Publication number
- JPH0652139A JPH0652139A JP4225045A JP22504592A JPH0652139A JP H0652139 A JPH0652139 A JP H0652139A JP 4225045 A JP4225045 A JP 4225045A JP 22504592 A JP22504592 A JP 22504592A JP H0652139 A JPH0652139 A JP H0652139A
- Authority
- JP
- Japan
- Prior art keywords
- cell
- cells
- connection
- data structure
- coefficients
- 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
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 コンピュータ上でニューラルネットワークを
扱うに際し、これらの記憶形式を考慮したＮＮのデータ
構造を得ること。 【構成】 ニューラルネットワークを構成するセル毎
に、これら各セルに接続するセル番号と結合係数の列か
らなるシナプス情報を用いてＮＮを記述する。
扱うに際し、これらの記憶形式を考慮したＮＮのデータ
構造を得ること。 【構成】 ニューラルネットワークを構成するセル毎
に、これら各セルに接続するセル番号と結合係数の列か
らなるシナプス情報を用いてＮＮを記述する。
Description
【０００１】
【産業上の利用分野】本発明は、コンピュータ上でＮＮ
を扱うに際してのＮＮのデータ構造に関する。
を扱うに際してのＮＮのデータ構造に関する。
【０００２】
【従来の技術】近年、ニューロコンピュータが開発さ
れ、各種の研究成果が発表されている。ニューロコンピ
ュータとは、脳の基本素子であるニューロン（神経細
胞）に着目したものであり、これらが結合した結果でき
るニューラルネットワークをヒントにすることにより、
脳と同じような機能を達成しようとするものである。そ
して、従来のコンピュータがアルゴリズムに基づいた直
列情報処理であるのに対して、ニューロコンピュータは
各ニューロン間の並列情報処理である点を特徴としてい
る。しかも実際のネットワークモデルとしては、各ニュ
ーロンに対応したセルを備えた入力層，中間層及び出力
層からなり、各層にあるセルは、その前後の層にある全
てのセルと結合する構成を有している。又、各セル同士
の結合には荷重と称する結合係数を導入し、かつ、これ
らの係数は学習により修正（補正）するようにしてい
る。
れ、各種の研究成果が発表されている。ニューロコンピ
ュータとは、脳の基本素子であるニューロン（神経細
胞）に着目したものであり、これらが結合した結果でき
るニューラルネットワークをヒントにすることにより、
脳と同じような機能を達成しようとするものである。そ
して、従来のコンピュータがアルゴリズムに基づいた直
列情報処理であるのに対して、ニューロコンピュータは
各ニューロン間の並列情報処理である点を特徴としてい
る。しかも実際のネットワークモデルとしては、各ニュ
ーロンに対応したセルを備えた入力層，中間層及び出力
層からなり、各層にあるセルは、その前後の層にある全
てのセルと結合する構成を有している。又、各セル同士
の結合には荷重と称する結合係数を導入し、かつ、これ
らの係数は学習により修正（補正）するようにしてい
る。
【０００３】
【発明が解決しようとする課題】上記した従来技術から
明らかなように、ＮＮの各階層に属するセルは前後の層
の全てのセルと結合しているため、これをコンピュータ
上のソフトウェアにて処理しようとすると、ＮＮに関す
る全てのデータを一旦メモリ上に記憶し、逐次プログラ
ムがそのデータを読み込んで演算しなければならず、メ
モリも膨大になるばかりか、ＮＮの形にも柔軟性がない
と言う欠点を有する。本発明は上記欠点を解決するため
になされたものであり、コンピュータ上でＮＮを扱うに
際し、これらのデータの記憶形式を考慮したＮＮのデー
タ構造を提供することを目的としている。
明らかなように、ＮＮの各階層に属するセルは前後の層
の全てのセルと結合しているため、これをコンピュータ
上のソフトウェアにて処理しようとすると、ＮＮに関す
る全てのデータを一旦メモリ上に記憶し、逐次プログラ
ムがそのデータを読み込んで演算しなければならず、メ
モリも膨大になるばかりか、ＮＮの形にも柔軟性がない
と言う欠点を有する。本発明は上記欠点を解決するため
になされたものであり、コンピュータ上でＮＮを扱うに
際し、これらのデータの記憶形式を考慮したＮＮのデー
タ構造を提供することを目的としている。
【０００４】
【課題を解決するための手段】上記目的を達成するた
め、本発明はＮＮを構成する各セル毎に、これら各セル
に接続するセル番号と結合係数の列からなるシナプス情
報を用いてＮＮを記述するようにする。
め、本発明はＮＮを構成する各セル毎に、これら各セル
に接続するセル番号と結合係数の列からなるシナプス情
報を用いてＮＮを記述するようにする。
【０００５】
【実施例】以下図面を参照して実施例を説明する。図１
は一つのセル（セル番号ｉ）とそのセルの入力端に結合
するセルとの関係を示す図である。なお、Ｎ1 ，Ｎ2 ，
…，Ｎj ，…，Ｎjmx は各入力セルに付けられた番号
で、Ｗ1 ，Ｗ2 ，…，Ｗj ，…，Ｗjmx は結合係数であ
る。図２はセルｉのシナプス情報を示すメモリ構造であ
り、図に示されるように結合するセル番号と結合係数の
組が順次書かれている。即ち、セル番号Ｎ1 と結合係数
Ｗ1 ，セル番号Ｎ2 と結合係数Ｗ2 ，…であり、最後に
セルｉに関する情報の終りを示す「０」が書かれてい
る。
は一つのセル（セル番号ｉ）とそのセルの入力端に結合
するセルとの関係を示す図である。なお、Ｎ1 ，Ｎ2 ，
…，Ｎj ，…，Ｎjmx は各入力セルに付けられた番号
で、Ｗ1 ，Ｗ2 ，…，Ｗj ，…，Ｗjmx は結合係数であ
る。図２はセルｉのシナプス情報を示すメモリ構造であ
り、図に示されるように結合するセル番号と結合係数の
組が順次書かれている。即ち、セル番号Ｎ1 と結合係数
Ｗ1 ，セル番号Ｎ2 と結合係数Ｗ2 ，…であり、最後に
セルｉに関する情報の終りを示す「０」が書かれてい
る。
【０００６】図３は他の実施例を説明するためのであ
る。本実施例は入力端（あるいは出力端）に結合がある
セルのシナプス情報の場合であり、図において、１〜７
はセル番号、ａ〜ｊは結合係数である。ここでセル１，
２は入力セル、セル３，４，５は中間セル、セル６，７
は出力セルである。図３のＮＮのメモリ構造を図４に示
す。即ち、セル３はセル１と結合係数ａ、終りを示す０
であり、セル４ではセル１と結合係数ｂ、セル２と結合
係数ｃである。以下同様であるため説明を省略する。図
４に示したメモリ情報の他に、入力セルと中間セルと出
力セルの数がわかれば、ＮＮの計算が行なえる。そし
て、このようなメモリ構造でＮＮを記述すれば、階層構
造のＮＮにおいて、隣合う層の全てのセルが必ず結合す
ると言う制約なしに、柔軟な構成のＮＮが作成できる。
る。本実施例は入力端（あるいは出力端）に結合がある
セルのシナプス情報の場合であり、図において、１〜７
はセル番号、ａ〜ｊは結合係数である。ここでセル１，
２は入力セル、セル３，４，５は中間セル、セル６，７
は出力セルである。図３のＮＮのメモリ構造を図４に示
す。即ち、セル３はセル１と結合係数ａ、終りを示す０
であり、セル４ではセル１と結合係数ｂ、セル２と結合
係数ｃである。以下同様であるため説明を省略する。図
４に示したメモリ情報の他に、入力セルと中間セルと出
力セルの数がわかれば、ＮＮの計算が行なえる。そし
て、このようなメモリ構造でＮＮを記述すれば、階層構
造のＮＮにおいて、隣合う層の全てのセルが必ず結合す
ると言う制約なしに、柔軟な構成のＮＮが作成できる。
【０００７】図５は更に他の実施例の構成図であり、本
実施例では各結合毎の学習ゲインを含めて記述したもの
である。図４との差は、各結合毎に学習ゲインＧa 〜Ｇ
j を定め、このゲイン、あるいはこのゲインに定数を掛
けたゲインに応じて学習をし、これを併せて記述したも
のである。ここで、例えば学習ゲインが０の結合をつく
れば、その結合係数は更新されず、初期値を保つことに
なる。
実施例では各結合毎の学習ゲインを含めて記述したもの
である。図４との差は、各結合毎に学習ゲインＧa 〜Ｇ
j を定め、このゲイン、あるいはこのゲインに定数を掛
けたゲインに応じて学習をし、これを併せて記述したも
のである。ここで、例えば学習ゲインが０の結合をつく
れば、その結合係数は更新されず、初期値を保つことに
なる。
【０００８】
【発明の効果】以上説明したように、本発明によればＮ
Ｎを構成する各セル毎に、これら各セルに接続するセル
番号に結合係数の列からなるシナプス情報を用いてＮＮ
を記述する構成としたので、セルの結合に関する規制が
なくなり、ＮＮの設計に柔軟性がでるデータ構造を提供
できる。
Ｎを構成する各セル毎に、これら各セルに接続するセル
番号に結合係数の列からなるシナプス情報を用いてＮＮ
を記述する構成としたので、セルの結合に関する規制が
なくなり、ＮＮの設計に柔軟性がでるデータ構造を提供
できる。
【図１】一つのセルと、そのセルの入力端に結合するセ
ルとの関係を示す図。
ルとの関係を示す図。
【図２】図１のセルｉのシナプス情報を示すメモリ構造
図。
図。
【図３】他の実施例を説明する図。
【図４】図３のメモリ構造図。
【図５】更に他の実施例の構造図。
Ｎ1 〜Ｎjmx 入力セルの番号 Ｗ1 〜Ｗjmx ，ａ〜ｊ 結合係数 Ｇa 〜Ｇj 学習ゲイン
Claims (2)
- 【請求項１】 ニューラルネットワーク（以下ＮＮと称
す）を構成する各セル毎に、これら各セルに接続するセ
ル番号と結合係数の列からなるシナプス情報を用いてＮ
Ｎを記述することを特徴とするＮＮのデータ構造。 - 【請求項２】 シナプス情報の列にはセル番号と結合係
数の他に学習係数を加えたことを特徴とする請求項１記
載のＮＮのデータ構造。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4225045A JPH0652139A (ja) | 1992-07-31 | 1992-07-31 | ニューラルネットワークのデータ構造 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4225045A JPH0652139A (ja) | 1992-07-31 | 1992-07-31 | ニューラルネットワークのデータ構造 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0652139A true JPH0652139A (ja) | 1994-02-25 |
Family
ID=16823181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4225045A Pending JPH0652139A (ja) | 1992-07-31 | 1992-07-31 | ニューラルネットワークのデータ構造 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0652139A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002003190A1 (en) * | 2000-06-30 | 2002-01-10 | Information Bionics, Inc. | System for linking data cells through permutation |
| KR101212684B1 (ko) * | 2010-12-30 | 2013-01-09 | 엘지전자 주식회사 | 히트펌프 연동 급탕장치 및 그 제어방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03206549A (ja) * | 1989-10-25 | 1991-09-09 | Hitachi Ltd | 情報処理装置及びその学習方法 |
| JPH04118741A (ja) * | 1990-09-10 | 1992-04-20 | Toshiba Corp | ニューラルネットワーク装置 |
| JPH0652140A (ja) * | 1992-07-31 | 1994-02-25 | Mikuni Corp | ニューラルネットワークのデータ構造 |
| JPH0652141A (ja) * | 1992-07-31 | 1994-02-25 | Mikuni Corp | ニューラルネットワークのデータ構造 |
-
1992
- 1992-07-31 JP JP4225045A patent/JPH0652139A/ja active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03206549A (ja) * | 1989-10-25 | 1991-09-09 | Hitachi Ltd | 情報処理装置及びその学習方法 |
| JPH04118741A (ja) * | 1990-09-10 | 1992-04-20 | Toshiba Corp | ニューラルネットワーク装置 |
| JPH0652140A (ja) * | 1992-07-31 | 1994-02-25 | Mikuni Corp | ニューラルネットワークのデータ構造 |
| JPH0652141A (ja) * | 1992-07-31 | 1994-02-25 | Mikuni Corp | ニューラルネットワークのデータ構造 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002003190A1 (en) * | 2000-06-30 | 2002-01-10 | Information Bionics, Inc. | System for linking data cells through permutation |
| US7016900B2 (en) | 2000-06-30 | 2006-03-21 | Boris Gelfand | Data cells and data cell generations |
| US7200600B2 (en) | 2000-06-30 | 2007-04-03 | Boris Gelfand | Data cells, and a system and method for accessing data in a data cell |
| US7783675B2 (en) | 2000-06-30 | 2010-08-24 | Boris Gelfand | Data cells, and a system and method for accessing data in a data cell |
| US7822784B2 (en) | 2000-06-30 | 2010-10-26 | Information Bionics, Incorporated | Data cells and data cell generations |
| KR101212684B1 (ko) * | 2010-12-30 | 2013-01-09 | 엘지전자 주식회사 | 히트펌프 연동 급탕장치 및 그 제어방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3374476B2 (ja) | ニューラルネットワーク構築方法 | |
| JPH0652139A (ja) | ニューラルネットワークのデータ構造 | |
| JP2907486B2 (ja) | ニューラルネットワーク装置 | |
| JPH0652140A (ja) | ニューラルネットワークのデータ構造 | |
| JPH07210534A (ja) | ニューラルネットワーク | |
| JPH04237388A (ja) | ニューロプロセッサ | |
| JPH0652141A (ja) | ニューラルネットワークのデータ構造 | |
| JPH01114899A (ja) | ダイナミックなニューラルネットワーク | |
| JP2860057B2 (ja) | ニューラルネットワークシステム | |
| JPH01116869A (ja) | ダイナミックプログラミング機能を有するニューラルネットワーク | |
| JP3343626B2 (ja) | ファジィ推論のためのニューラルネットワーク | |
| JP3296609B2 (ja) | メンバーシップ関数を出力するニューラルネットワーク | |
| TWI730452B (zh) | 立體類神經網路系統 | |
| JP3389684B2 (ja) | ニューラルネットワークの学習方法 | |
| JP3310009B2 (ja) | ニューラルネットワークシステム | |
| JPH0561843A (ja) | ニユーラルネツトワーク装置 | |
| JPH02189635A (ja) | ファジィ推論装置 | |
| CN116050503B (zh) | 一种通用化的神经网络前向训练方法 | |
| JPH0883261A (ja) | ニューロ演算装置 | |
| JP3491317B2 (ja) | フィードフォワード型ニューラルネットワークの構築方法 | |
| JP3343625B2 (ja) | ファジィ推論のためのニューラルネットワーク | |
| JPH06301663A (ja) | 直列結合型リカレントニューラルネットワークの学習方式 | |
| JPH0744513A (ja) | 直列結合型リカレントニューラルネットワークの学習方式 | |
| JP3393511B2 (ja) | 文字認識装置及び方法 | |
| JPH04353963A (ja) | 神経回路網の構築装置および方法 |