JPH0676092A - 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
JPH0676092A
JPH0676092A JP4346555A JP34655592A JPH0676092A JP H0676092 A JPH0676092 A JP H0676092A JP 4346555 A JP4346555 A JP 4346555A JP 34655592 A JP34655592 A JP 34655592A JP H0676092 A JPH0676092 A JP H0676092A
Authority
JP
Japan
Prior art keywords
light
optical
signal light
intensity
suppressive
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
JP4346555A
Other languages
English (en)
Inventor
Wataru Kawakami
弥 川上
Kenichi Kitayama
研一 北山
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.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone 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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP4346555A priority Critical patent/JPH0676092A/ja
Publication of JPH0676092A publication Critical patent/JPH0676092A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

(57)【要約】 【目的】 線画や2値画像の特徴の抽出等の画像処理を
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】 興奮性の信号光31を受光する第1の受光部
11と、抑制性の信号光32を受光する第2の受光部1
2と、発光部13と、受光した興奮性及び抑制性の信号
光強度を比較し、興奮性の信号光強度が抑制性の信号光
強度より大きい場合は発光させ、興奮性の信号光強度が
抑制性の信号光強度より小さく且つその差が所定の閾値
を越えた場合は発光させない比較部14とを備えた光デ
バイス10を複数、2次元配列し、各光デバイス10の
出力光をその周囲の複数の光デバイス10の第2の受光
部12へ分配する光結合部20を設けたことにより、光
の非干渉性及び広域性を利用して画像処理を並列的に行
うことを可能とする。

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、パターン(画像)認識
や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、パターン認識等に先立って線画や
2値画像の特徴を抽出するような場合、これらを構成す
る画素をフォンノイマン型コンピュータを用いて逐次的
に検索する方法があったが、高速処理ができないという
問題があった。
【0003】一方、並列処理が得意なニューラルプロセ
ッサを用いれば、前述した線画や2値画像の特徴の抽出
を高速に処理することが可能になる。
【0004】
【発明が解決しようとする課題】しかしながら、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
ウェアを構成したニューラルプロセッサはあるものの、
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
り、また、この際、シナプス結合に電気的配線を用いる
と配線量が膨大になる上、配線による遅延時間や相互の
電気的な干渉等が問題になるため、大規模化、高速化を
達成することが困難であるという問題があった。
【0005】本発明は前記従来の問題点に鑑み、線画や
2値画像の特徴の抽出等の画像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ことを目的と
する。
【0006】
【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、複数の入力信号に対して興奮性又は抑制性
の重み付けを施し、得られた興奮性及び抑制性の信号を
それぞれ個別に加算し、その和信号を閾値処理するニュ
ーロンを複数相互に結合してなるニューラルネットワー
クを、光素子を用いて実現する光ニューラルプロセッサ
において、興奮性の信号光を受光する第1の受光部と、
抑制性の信号光を受光する第2の受光部と、発光部と、
受光した興奮性及び抑制性の信号光強度を比較し、興奮
性の信号光強度が抑制性の信号光強度より大きい場合は
発光させ、興奮性の信号光強度が抑制性の信号光強度よ
り小さく且つその差が所定の閾値を越えた場合は発光さ
せない比較部とを備えた光デバイスを複数、2次元配列
し、各光デバイスの出力光をその周囲の複数の光デバイ
スの第2の受光部へ分配する光結合部を設けた光ニュー
ラルプロセッサを提案する。
【0007】
【作用】本発明によれば、興奮性の信号光は光デバイス
の第1の受光部に入力され、また、抑制性の信号光は光
デバイスの第2の受光部に入力され、各光デバイスはそ
の光強度に応じた出力光を出力する。この出力光は光結
合部を介してその周囲の複数の光デバイスの第2の受光
部へ分配され、抑制性の信号光となり、該抑制性の信号
光の光強度と興奮性の信号光の光強度とによって出力光
の光強度が決定される。
【0008】
【実施例】図1は本発明の光ニューラルプロセッサの基
本構成を示すもので、図中、10は光デバイス、20は
光結合部である。
【0009】光デバイス10はニューロンに相当するも
ので、興奮性の入力信号に相当する信号光31を受光す
る第1の受光部11と、抑制性の入力信号に相当する信
号光32を受光する第2の受光部12と、出力信号に相
当する出力光33を発生する発光部13と、比較部14
とからなっている。
【0010】比較部14は、受光部11で受光した信号
光31の光強度、例えばP1 及び受光部12で受光した
信号光32の光強度、例えばP2 を比較し、図2に示す
ようにP1 ≧P2 、即ち興奮性の信号光強度P1 が抑制
性の信号光強度P2 より大きい場合は発光部13より一
定の光強度、例えばP3 の出力光33を発光させ、ま
た、P1 <P2 −θ、即ち興奮性の信号光強度P1 が抑
制性の信号光強度P2 より小さく且つその差が所定の閾
値θを越えた場合は発光部13より出力光33を発光さ
せない如く制御する。なお、信号光31,32を切って
もこれらの状態は保持される如くなっている。
【0011】前記光デバイス10は後述するように複
数、2次元配列される。また、光結合部20は複数の各
光デバイス10の出力光33を、その周囲の複数の光デ
バイス10の第2の受光部12へ分配し、抑制性の信号
光32を生成する。
【0012】前記構成において、外界からの興奮性の信
号光31は光デバイス10の受光部11に入力される
が、光デバイス10は前述したようにその光強度に応じ
て出力光33を出力する。この出力光33は抑制性のフ
ィードバックを担う光結合部20により抑制性の信号光
32を生成し、前述した如く興奮性の信号光31の光強
度と抑制性の信号光32の光強度とによって出力光33
の光強度が決定する。
【0013】図3は本発明の光ニューラルプロセッサの
第1の実施例を示すもので、ここでは線画のパターンを
備えた入力画像より端点を検出する場合に対応した例を
示す。図中、40は複数の光デバイスを、一の光デバイ
ス、例えば10aに対して6個の他の光デバイス、例え
ば10bが正六角形の頂点に位置する如く配列した面で
あり、また、41は面40に対して平行に配置されたハ
ーフミラーである。前記構成において、光デバイス10
aの出力光33は円錐形に広がり、その上方に配置され
たハーフミラー41によって均等に反射され、その周囲
の光デバイス10bに抑制性の信号光32として入力さ
れ、抑制性の光結合が達成される。なお、この場合の光
デバイス10としては、受光部12が発光部13と同一
面で且つ受光部11と反対の面に配置される如くなって
いるものが用いられる。
【0014】また、本実施例では、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、抑制性結合が
及ぶ範囲あるいは抑制性の信号光強度を変えることがで
きる。また、光デバイス10の光出力33はハーフミラ
ー41を通して出力する外、符号33´に示す如く信号
光31の入力方向に出力するようになしても良い。ま
た、前記抑制性の光結合は回折格子、プリズム等を用い
ても容易に実現できる。
【0015】また、本実施例の光デバイス10における
閾値θは、周囲の複数の光デバイス10中、発光してい
る光デバイス10が0又は1個の時にその第2の受光部
12で受光される抑制性の信号光強度と興奮性の信号光
強度との差より大きく、発光している光デバイス10が
2つ以上の時にその第2の受光部12で受光される抑制
性の信号光強度と興奮性の信号光強度との差より小さく
設定するものとする。
【0016】図4は前記第1の実施例による画像処理の
一例を示すもので、同図(a) は入力画像51を、また、
同図(b) は出力画像52を示す。
【0017】線画のパターンを備えた入力画像51を入
力すると、該線画のパターンの画素に対応する光デバイ
ス10は当初、全て発光状態となる。ここで、線画のパ
ターンの中央部分の画素に対応する光デバイス10につ
いてみると、その周囲の複数の光デバイス10中、発光
している光デバイス10は2つ以上であり、その出力光
33は光結合部20を介して抑制性の信号光32とな
る。この際、抑制性の信号光32の光強度は興奮性の信
号光31の光強度に比べて閾値θより大きくなるため、
この光デバイス10は発光しない状態となる。
【0018】一方、線画のパターンの端点の部分の画素
に対応する光デバイス10についてみると、その周囲の
複数の光デバイス10中、発光している光デバイス10
は1つであり、周辺の複数の光デバイス10から光結合
部20を介して入力される抑制性の信号光32の光強度
と興奮性の信号光31の光強度との差は閾値θに比べて
小さくなるため、この光デバイス10は発光状態のまま
となる。
【0019】以上の動作は各画素に対応する全ての光デ
バイス10において並列的に進行し、この結果、入力画
像51中の線画のパターンの端点のみが残っているよう
な出力画像52が得られる。
【0020】図5は線画のパターンを備えた入力画像よ
り特定の方向の直線を検出する場合に対応した第2の実
施例を示すもので、図中、第1の実施例と同一構成部分
は同一符号をもって表す。即ち、40は面、42は一の
光デバイス、例えば10aの出力光33に対して特定の
方向の光を反射しない、正確にいえば光デバイス10a
に対応する6個の他の光デバイス10bのうちで該光デ
バイス10aを挟んで特定の方向に並ぶ2個の他の光デ
バイス10bへ光を反射させない部分42aを、複数の
各光デバイスのそれぞれについて同様に備えたハーフミ
ラーであり、該ハーフミラー42は面40に対して平行
に配置される。
【0021】前記構成において、光デバイス10aの出
力光33は円錐形に広がり、その上方に配置されたハー
フミラー42によって反射され、その周囲の光デバイス
10bのうち、前述した特定の方向に並ぶ2個の光デバ
イス10bを除く4個の光デバイス10bに抑制性の信
号光32として入力され、抑制性の光結合が達成される
が、該特定の方向に並ぶ2個の光デバイス10bについ
ては入力されず、抑制性の光結合も達成されない。
【0022】なお、その他の構成は第1の実施例と同様
であり、また、面40とハーフミラー42との距離Lを
変更することにより、抑制性結合が及ぶ範囲あるいは抑
制性の信号光強度を変えることができる点、光デバイス
10の光出力33はハーフミラー42を通して出力する
外、符号33´に示す如く信号光31の入力方向に出力
するようになしても良い点、前記抑制性の光結合は回折
格子、プリズム等を用いても容易に実現できる点は第1
の実施例と同様である。
【0023】また、本実施例の光デバイス10における
閾値θは、周囲の複数の光デバイス10中、発光してい
る光デバイス10が少なくとも1個ある時にその第2の
受光部12で受光される抑制性の信号光強度と興奮性の
信号光強度との差より小さく、発光している光デバイス
が0個の時にその第2の受光部12で受光される抑制性
の信号光強度と興奮性の信号光強度との差より大きく設
定するものとする。
【0024】図6は前記第2の実施例による画像処理の
一例を示すもので、同図(a) は入力画像53を、また、
同図(b) は出力画像54を示す。なお、ここでは入力画
像に対して右上りの方向に光結合がない場合の動作を示
す。
【0025】線画のパターンを備えた入力画像53を入
力すると、該線画のパターンの画素に対応する光デバイ
ス10は当初、全て発光状態となる。ここで、線画のパ
ターンの右上りの直線中の画素に対応する光デバイス1
0についてみると、その周囲の複数の光デバイス10
中、発光している光デバイス10は少なくとも1個ある
が、その出力光33はハーフミラー42の部分42aに
より反射されない、即ち第2の受光部12に入力されな
いため、この光デバイス10は発光状態のままとなる。
【0026】一方、線画のパターンの他の方向の直線中
の画素に対応する光デバイス10についてみると、その
周囲の複数の光デバイス10中、発光している光デバイ
ス10は少なくとも1個あり、その出力光33はハーフ
ミラー42により反射され、第2の受光部12に抑制性
の信号光32として入力される。この際、抑制性の信号
光32の光強度は興奮性の信号光31の光強度に比べて
閾値θより大きくなるため、この光デバイス10は発光
しない状態となる。
【0027】以上の動作は各画素に対応する全ての光デ
バイス10において並列的に進行し、この結果、入力画
像53中の線画のパターンの右上りの直線のみが残って
いるような出力画像54が得られる。
【0028】図7は線画のパターンを備えた入力画像よ
り2つの線が所定のT字型に接続する点を検出する場合
に対応した第3の実施例を示すもので、図中、第1の実
施例と同一構成部分は同一符号をもって表す。即ち、4
0は面、43は一の光デバイス、例えば10aの出力光
33に対して所定のT字型の方向の光を反射しない、正
確にいえば光デバイス10aに対応する6個の他の光デ
バイス10bのうちで該光デバイス10aを挟んで一の
方向に並ぶ2個の他の光デバイス10b及びこれに直交
する1個の他の光デバイス10bへ光を反射させない部
分43aを、複数の各光デバイスのそれぞれについて同
様に備えたハーフミラーであり、該ハーフミラー43は
面40に対して平行に配置される。
【0029】前記構成において、光デバイス10aの出
力光33は円錐形に広がり、その上方に配置されたハー
フミラー42によって反射され、その周囲の光デバイス
10bのうち、前述した一の方向に並ぶ2個の光デバイ
ス10b及びこれに直交する1個の光デバイス10bを
除く3個の光デバイス10bに抑制性の信号光32とし
て入力され、抑制性の光結合が達成されるが、該一の方
向に並ぶ2個の光デバイス10b及びこれに直交する1
個の光デバイス10bについては入力されず、抑制性の
光結合も達成されない。
【0030】なお、その他の構成は第1の実施例と同様
であり、また、面40とハーフミラー43との距離Lを
変更することにより、抑制性結合が及ぶ範囲あるいは抑
制性の信号光強度を変えることができる点、光デバイス
10の光出力33はハーフミラー43を通して出力する
外、符号33´に示す如く信号光31の入力方向に出力
するようになしても良い点、前記抑制性の光結合は回折
格子、プリズム等を用いても容易に実現できる点は第1
の実施例と同様である。また、本実施例の光デバイス1
0における閾値θは第2の実施例の場合と同様に設定す
るものとする。
【0031】図8は前記第3の実施例による画像処理の
一例を示すもので、同図(a) は入力画像55を、また、
同図(b) は出力画像56を示す。
【0032】線画のパターンを備えた入力画像55を入
力すると、該線画のパターンの画素に対応する光デバイ
ス10は当初、全て発光状態となる。ここで、線画のパ
ターンのT字型の中心部分(接続部分)の画素に対応す
る光デバイス10についてみると、その周囲の複数の光
デバイス10中、発光している光デバイス10は少なく
とも1個あるが、その出力光33はハーフミラー43の
部分43aにより反射されない、即ち第2の受光部12
に入力されないため、この光デバイス10は発光状態の
ままとなる。
【0033】一方、線画のパターンの前記以外の部分の
画素に対応する光デバイス10についてみると、その周
囲の複数の光デバイス10中、発光している光デバイス
10は少なくとも1個あり、その出力光33はハーフミ
ラー43により反射され、第2の受光部12に抑制性の
信号光32として入力される。この際、抑制性の信号光
32の光強度は興奮性の信号光31の光強度に比べて閾
値θより大きくなるため、この光デバイス10は発光し
ない状態となる。
【0034】以上の動作は各画素に対応する全ての光デ
バイス10において並列的に進行し、この結果、入力画
像55中の線画のパターンの所定のT字型の接続部分の
みが残っているような出力画像56が得られる。
【0035】図9は2値の入力画像より特定のパター
ン、ここでは三角形のパターンを持つ点を検出する場合
に対応した第4の実施例を示すもので、図中、第1の実
施例と同一構成部分は同一符号をもって表す。即ち、4
0は面、44は一の光デバイス、例えば10aの出力光
33に対して三角形のパターンの左隅の点がその周囲に
画素を含む可能性がある向きに光を反射しない、正確に
いえば光デバイス10aに対応する6個の他の光デバイ
ス10bのうちで該光デバイス10aから見て三角形の
パターンの左隅の点がその周囲に画素を含む可能性があ
る向きの3個の他の光デバイス10bへ光を反射させな
い部分44aを、複数の各光デバイスのそれぞれについ
て同様に備えたハーフミラーであり、該ハーフミラー4
4は面40に対して平行に配置される。
【0036】前記構成において、光デバイス10aの出
力光33は円錐形に広がり、その上方に配置されたハー
フミラー44によって反射され、その周囲の光デバイス
10bのうち、前述した光デバイス10aから見て三角
形のパターンの左隅の点がその周囲に画素を含む可能性
がある向きの3個の光デバイス10bを除く3個の光デ
バイス10bに抑制性の信号光32として入力され、抑
制性の光結合が達成されるが、該三角形のパターンの左
隅の点がその周囲に画素を含む可能性がある向きの3個
の光デバイス10bについては入力されず、抑制性の光
結合も達成されない。
【0037】なお、その他の構成は第1の実施例と同様
であり、また、面40とハーフミラー44との距離Lを
変更することにより、抑制性結合が及ぶ範囲あるいは抑
制性の信号光強度を変えることができる点、光デバイス
10の光出力33はハーフミラー44を通して出力する
外、符号33´に示す如く信号光31の入力方向に出力
するようになしても良い点、前記抑制性の光結合は回折
格子、プリズム等を用いても容易に実現できる点は第1
の実施例と同様である。また、本実施例の光デバイス1
0における閾値θは第2の実施例の場合と同様に設定す
るものとする。
【0038】図10は前記第4の実施例による画像処理
の一例を示すもので、同図(a) は入力画像57を、ま
た、同図(b) は出力画像58を示す。
【0039】三角形のパターン(実際は全て一様なパタ
ーンであるが、図面の都合上、クロスハッチングで示
す。)を備えた入力画像57を入力すると、該三角形の
パターンの画素に対応する光デバイス10は当初、全て
発光状態となる。ここで、三角形のパターンの左隅の点
の画素に対応する光デバイス10についてみると、その
周囲の複数の光デバイス10中、発光している光デバイ
ス10は少なくとも1個あるが、その出力光33はハー
フミラー44の部分44aにより反射されない、即ち第
2の受光部12に入力されないため、この光デバイス1
0は発光状態のままとなる。
【0040】一方、三角形のパターンの前記左隅の点以
外の部分の画素に対応する光デバイス10についてみる
と、その周囲の複数の光デバイス10中、発光している
光デバイス10は少なくとも1個あり、その出力光33
はハーフミラー44により反射され、第2の受光部12
に抑制性の信号光32として入力される。この際、抑制
性の信号光32の光強度は興奮性の信号光31の光強度
に比べて閾値θより大きくなるため、この光デバイス1
0は発光しない状態となる。
【0041】以上の動作は各画素に対応する全ての光デ
バイス10において並列的に進行し、この結果、入力画
像57中の三角形のパターンの左隅の部分のみが残って
いるような出力画像(但し、図面上では元の三角形のパ
ターンに対応した部分を破線によるハッチングで示して
いる。)58が得られる。
【0042】
【発明の効果】以上説明したように本発明によれば、複
数の入力信号に対して興奮性又は抑制性の重み付けを施
し、得られた興奮性及び抑制性の信号をそれぞれ個別に
加算し、その和信号を閾値処理するニューロンを複数相
互に結合してなるニューラルネットワークを、光素子を
用いて実現する光ニューラルプロセッサにおいて、興奮
性の信号光を受光する第1の受光部と、抑制性の信号光
を受光する第2の受光部と、発光部と、受光した興奮性
及び抑制性の信号光強度を比較し、興奮性の信号光強度
が抑制性の信号光強度より大きい場合は発光させ、興奮
性の信号光強度が抑制性の信号光強度より小さく且つそ
の差が所定の閾値を越えた場合は発光させない比較部と
を備えた光デバイスを複数、2次元配列し、各光デバイ
スの出力光をその周囲の複数の光デバイスの第2の受光
部へ分配する光結合部を設けたため、光の非干渉性及び
広域性を利用して画像処理を並列的に行うことが可能と
なり、これによって複雑なパターン認識、画像の処理等
を高速で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。
【図面の簡単な説明】
【図1】本発明の光ニューラルプロセッサの基本構成を
示す図
【図2】光デバイスの光入出力特性を示す図
【図3】本発明の光ニューラルプロセッサの第1の実施
例を示す構成図
【図4】第1の実施例による画像処理の一例を示す図
【図5】本発明の光ニューラルプロセッサの第2の実施
例を示す構成図
【図6】第2の実施例による画像処理の一例を示す図
【図7】本発明の光ニューラルプロセッサの第3の実施
例を示す構成図
【図8】第3の実施例による画像処理の一例を示す図
【図9】本発明の光ニューラルプロセッサの第4の実施
例を示す構成図
【図10】第4の実施例による画像処理の一例を示す図
【符号の説明】
10…光デバイス、11,12…受光部、13…発光
部、14…比較部、20…光結合部。

Claims (2)

    【特許請求の範囲】
  1. 【請求項1】 複数の入力信号に対して興奮性又は抑制
    性の重み付けを施し、得られた興奮性及び抑制性の信号
    をそれぞれ個別に加算し、その和信号を閾値処理するニ
    ューロンを複数相互に結合してなるニューラルネットワ
    ークを、光素子を用いて実現する光ニューラルプロセッ
    サにおいて、 興奮性の信号光を受光する第1の受光部と、抑制性の信
    号光を受光する第2の受光部と、発光部と、受光した興
    奮性及び抑制性の信号光強度を比較し、興奮性の信号光
    強度が抑制性の信号光強度より大きい場合は発光させ、
    興奮性の信号光強度が抑制性の信号光強度より小さく且
    つその差が所定の閾値を越えた場合は発光させない比較
    部とを備えた光デバイスを複数、2次元配列し、 各光デバイスの出力光をその周囲の複数の光デバイスの
    第2の受光部へ分配する光結合部を設けたことを特徴と
    する光ニューラルプロセッサ。
  2. 【請求項2】 各光デバイスの出力光をその周囲の複数
    の光デバイスのうちの一部の光デバイスの第2の受光部
    へ分配する光結合部を設けたことを特徴とする請求項1
    記載の光ニューラルプロセッサ。
JP4346555A 1992-06-29 1992-12-25 光ニューラルプロセッサ Pending JPH0676092A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP4346555A JPH0676092A (ja) 1992-06-29 1992-12-25 光ニューラルプロセッサ

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP4-171152 1992-06-29
JP17115292 1992-06-29
JP4346555A JPH0676092A (ja) 1992-06-29 1992-12-25 光ニューラルプロセッサ

Publications (1)

Publication Number Publication Date
JPH0676092A true JPH0676092A (ja) 1994-03-18

Family

ID=26493958

Family Applications (1)

Application Number Title Priority Date Filing Date
JP4346555A Pending JPH0676092A (ja) 1992-06-29 1992-12-25 光ニューラルプロセッサ

Country Status (1)

Country Link
JP (1) JPH0676092A (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009133592A1 (ja) * 2008-05-02 2009-11-05 国立大学法人広島大学 光ニューラルネットワーク
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
US11238334B2 (en) 2017-04-04 2022-02-01 Hailo Technologies Ltd. System and method of input alignment for efficient vector operations in an artificial neural network
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

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009133592A1 (ja) * 2008-05-02 2009-11-05 国立大学法人広島大学 光ニューラルネットワーク
US7847225B2 (en) 2008-05-02 2010-12-07 Hiroshima University Optical neural network
US11216717B2 (en) 2017-04-04 2022-01-04 Hailo Technologies Ltd. Neural network processor incorporating multi-level hierarchical aggregated computing and memory elements
US11238334B2 (en) 2017-04-04 2022-02-01 Hailo Technologies Ltd. System and method of input alignment for efficient vector operations in an artificial neural network
US11238331B2 (en) 2017-04-04 2022-02-01 Hailo Technologies Ltd. System and method for augmenting an existing artificial neural network
US11263512B2 (en) 2017-04-04 2022-03-01 Hailo Technologies Ltd. Neural network processor incorporating separate control and data fabric
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
US7085749B2 (en) Pulse signal circuit, parallel processing circuit, pattern recognition system, and image input system
JP3707804B2 (ja) 光学情報処理装置
US5784309A (en) Optical vector multiplier for neural networks
US20220327371A1 (en) Diffractive deep neural networks with differential and class-specific detection
JPH0676092A (ja) 光ニューラルプロセッサ
JPH03164816A (ja) 情報処理装置
CN1447915A (zh) 用于芯片处理的集成全波长分光计
US5220642A (en) Optical neurocomputer with dynamic weight matrix
Ichino et al. Different operations on a single circuit: Field computation on an excitable chemical system
JPH03276137A (ja) 光ニューラルプロセッサ
JPH06161586A (ja) 光ニューラルプロセッサ
JP2703900B2 (ja) 光スイッチ
US5530953A (en) Apparatus for relocating spatial information for use in data exchange in a parallel processing environment
US5113485A (en) Optical neural network system
JP2648386B2 (ja) 光ニューロコンピュータ
JPH0251713A (ja) 光ニューラルコンピュータ
US6038073A (en) Optical information processing system
JP2556487B2 (ja) 光分岐方法及び装置
JPH04177329A (ja) 神経ネットワーク回路
JP3262857B2 (ja) ニューラルネット装置
RU2070334C1 (ru) Оптоэлектронная модель нейронной сети
JPH0296818A (ja) 光ニューラルネット回路
SU1427394A1 (ru) Оптическое устройство дл вычислени произведени трех матриц
Gold An Organic Convolution Model of the Ventral Visual Pathway Can Explain the Curvature Selective Shape Tuning Found in Area V4
JPH0614161B2 (ja) 光学的演算を実行する方法及び装置