JPH0830708A - 神経機能素子 - Google Patents

神経機能素子

Info

Publication number
JPH0830708A
JPH0830708A JP6165576A JP16557694A JPH0830708A JP H0830708 A JPH0830708 A JP H0830708A JP 6165576 A JP6165576 A JP 6165576A JP 16557694 A JP16557694 A JP 16557694A JP H0830708 A JPH0830708 A JP H0830708A
Authority
JP
Japan
Prior art keywords
chaotic
weighting
vibration
function element
time
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.)
Withdrawn
Application number
JP6165576A
Other languages
English (en)
Inventor
Kotaro Oka
浩太郎 岡
Hiroto Ogawa
宏人 小川
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP6165576A priority Critical patent/JPH0830708A/ja
Publication of JPH0830708A publication Critical patent/JPH0830708A/ja
Withdrawn legal-status Critical Current

Links

Abstract

(57)【要約】 【目的】 本発明は神経機能素子に関し、入力信号が入
来した位置と時間とを入力信号に非線形演算することに
より、入力信号の時空間的な信号処理が可能で、生体系
の神経細胞の機能により近くなることを目的とする。 【構成】 複数の入力信号に重み付けを行って総和をと
り、これを被比較信号として閾値信号と比較して比較結
果を出力する神経機能素子において、入力伝送路101
〜10mは、1次元配列された複数のカオス振動子夫々
の振動値を重み係数として設定された複数の重み付け回
路121 〜12nにより複数の入力信号に重み付けを行
い、重み付けされた複数の入力信号の加算を行う。

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は神経機能素子に関し、生
体系の神経細胞に近い動作を行う神経機能素子に関す
る。
【0002】近年、生体系神経科学の分野では、神経細
胞での信号伝達が単に電気信号によるものだけでなく、
分子状ガス(NO,CO)の生成や細胞内カルシウムの
動態が信号伝達に寄与していることが解明されてきてお
り、シナプス部の興奮性及び抑制性をより生体系に近づ
け、生体の学習に対応させることができるニューロンモ
デルが望まれている。
【0003】
【従来の技術】図8は従来の神経機能素子のブロック図
を示す。図8において、シナプス結合を模擬した重み付
け回路1及びシナプス後細胞を模擬した閾値処理回路2
から成る。重み付け回路1はn個の乗算器から成り、閾
値処理回路2は総和演算回路2A,コンパレータ2B,
閾値設定回路2C及び出力抵抗Rから成る。
【0004】その機能は、各入力信号Xi(iは1〜n
の整数)に対して重み付け回路1の乗算器により重みW
iがそれぞれ乗算されると、その総和ΣWiXiが閾値
処理回路2の総和演算回路2Aにより演算される。この
演算結果信号Yは被比較信号としてコンパレータ2Bに
出力される。一方、閾値設定回路2Cからコンパレータ
2Bに閾値信号Ythが出力される。これにより、コンパ
レータ2Bから出力信号Z0=1/〔1+e-Y+Yth〕が
出力され、抵抗Rの両端に出力信号Z0が現れる。
【0005】
【発明が解決しようとする課題】生体系の神経細胞では
神経線維上に生じた入力信号の時空間的なパターンは、
神経線維上の特定な位置での入力信号効率(シナプス伝
達効率)を維持又は変化させることで処理している。こ
れに対して、図8に示す従来の神経機能素子は同時に入
来する入力信号X1 〜Xnの信号処理は可能である。し
かし、時系列的に変化する入力信号の時空間的なパター
ンの信号処理を行うことはできないという問題があっ
た。
【0006】本発明は上記の点に鑑みなされたもので、
入力信号が入来した位置と時間とを入力信号に非線形演
算することにより、入力信号の時空間的な信号処理が可
能で、生体系の神経細胞の機能により近い神経機能素子
を提供することを目的とする。
【0007】
【課題を解決するための手段】請求項1に記載の発明は
複数の入力信号に重み付けを行って総和をとり、これを
被比較信号として閾値信号と比較して比較結果を出力す
る神経機能素子において、1次元配列された複数のカオ
ス振動子夫々の振動値を重み係数として設定された複数
の重み付け回路により上記複数の入力信号に重み付けを
行い、重み付けされた複数の入力信号の加算を行う入力
伝送路を有する。
【0008】請求項2に記載の発明では、前記1次元配
列された複数のカオス振動子は、前記入力伝送路の出力
側に対応するものを下流側として、時間の経過と共に、
上流側のカオス振動子の振動を下流側に移流する結合関
係とする。
【0009】請求項3に記載の発明では、前記1次元配
列された複数のカオス振動子は、時間の経過と共に、各
カオス振動子の振動を隣接するカオス振動子に拡散する
結合関係とする。
【0010】請求項4に記載の発明では、前記1次元配
列された複数のカオス振動子は、前記入力伝送路の出力
側に対応するものを下流側として、時間の経過と共に、
上流側のカオス振動子の振動を下流側に移流し、かつ、
各カオス振動子の振動を隣接するカオス振動子に拡散す
る結合関係とする。
【0011】
【作用】請求項1に記載の発明においては、カオス振動
子の振動値によって入力信号の重み付けを行って加算す
るため、入力信号が入来した位置と時間とによってカオ
ス振動子の振動値は変化して入力信号に非線形の重み付
けがなされ、入力信号の時空間的な信号処理が可能とな
る。
【0012】請求項2に記載の発明においては、カオス
振動子の振動が時間と共に、上流側から下流側に移流
し、重み付け回路の重み係数が時間と共に入力伝送路の
上流側ら下流側に移流するパターンを得ることができ
る。
【0013】請求項3に記載の発明においては、各カオ
ス振動子の振動が時間と共に、隣接するカオス振動子に
拡散し、重み付け回路の重み係数が時間と共に拡散する
パターンを得ることができる。
【0014】請求項4に記載の発明においては、各カオ
ス振動子の振動が時間と共に上流側から下流側に移流
し、かつ、隣接するカオス振動子に拡散するため、重み
付け回路の重み係数が時間と共に移流かつ拡散するパタ
ーンを得ることができる。
【0015】
【実施例】図1は本発明の神経機能素子の一実施例のブ
ロック図を示す。同図中、101〜10mは入力伝送路
である。入力伝送路101 〜10m夫々は重み付け回路
12と加算回路142 〜14nとから構成されており、
入力端子111 〜11n夫々から入来する信号は重み付
け回路121 〜12n夫々で所定の重み係数を乗算され
て重み付けされた後、加算器142 〜14nで加算され
総和が得られる。各入力伝送路の重み付け回路121
12n夫々の重み係数は重み付け制御回路15から設定
される。なお、上記nは例えば50〜100程度とす
る。
【0016】入力伝送路101 〜10n夫々の最終段の
加算器14nから出力される総和の信号は加算器17で
加算され、被比較信号Yとされてコンパレータ18に供
給される。コンパレータ18は閾値設定回路19から供
給される閾値信号Vthと被比較信号Yとを比較して非線
形閾値処理した出力電流Iout を出力し、この電流が出
力抵抗21を流れることによって電圧Vout の出力信号
が端子20から出力される。コンパレータ18は図2に
示す出力特性を有している。図中、横軸は被比較信号Y
の電圧V1と閾値信号Vthの電圧V2との差であり、縦
軸は出力信号電圧Vout である。
【0017】次に、重み付け制御回路15の動作につい
て説明する。重み付け制御回路15内には入力伝送路単
位でn個のカオス振動するカオス振動子が1次元配置さ
れている。このカオス振動子は例えば、次式に示すよう
なロジスティック関数を用いる。
【0018】 f(x)=1−ax2 …(1) ここで、xは振動子への入力であり、aは1.44以上
の定数である。勿論、この関数以外にもカオス振動する
振動子であればどのような関数を用いても良い。(1)
式で示されるカオス振動子をn個1次元配列して、これ
らの間に次式で表わされる結合関係を与える。
【0019】 xj+1,i =(1−γ)f(xj,i )+γf(xj,i-1 ) …(2) ここで、xj,i は時点jにおける1次元配列のi番目の
カオス振動子を表わしており、0<γ<1である。
【0020】上記の(2)式は図3に示す如く、時点j
+1のi番目のカオス振動子xj+1, i の振動はその前の
時点jにおけるi−1番目のカオス振動子xj,i-1 及び
i番目のカオス振動子xj,i の振動に基いて決定される
ことを表わしている。つまり、時間が経過するに従って
1次元配列のiの値が小さい上流側からiの値が大きい
下流側に向って振動が移流することを表わしている。
【0021】また、(2)式の代りに次式の関係を与え
る。
【0022】 xj+1,i =(1−ε)f(xj,i )+0.5ε{f(xj,i-1 )+ f(Xj,i+1 ) …(3) ここで、0<ε<1である。
【0023】この(3)式は図4に示す如く、時点j+
1のi番目のカオス振動子xj+1,iはその前の時点jの
i番目のカオス振動子xj,i と、これに隣接するカオス
振動子xj,i-1 及びxj,i+1 の振動に基いて決定される
ことを表わしている。つまり、時間が経過するに従っ
て、各カオス振動子の振動は隣接するカオス振動子に拡
散することを表わしている。
【0024】更に、(2),(3)式の代りに次式で表
わされる結合関係を与える。
【0025】 xj+1,i =0.5[(1−ε)f(xj,i )+0.5{fx(j,i-1) +f(xj,i+1)} +(1−γ)f(xj,i )+γf(xj,i-1 )] …(4) この(4)式は、(2)式と(3)式とを組み合わせて
平均をとったものであり、各カオス振動子の振動は移流
及び拡散する。
【0026】図5は(1),(2)式において、a=
1.53、γ=0.3、n=50としたときの各カオス
振動子の振動の様子をカオス振動子の配置方向(i
軸)、時間軸(j軸)、振動の値の3次元で示してい
る。ここでは時間の経過と共に振動がi軸の左側から右
方向に移流している。
【0027】図6は(1),(3)式において、a=
1.53、ε=0.3、n=50としたときとの各カオ
ス振動子の振動の様子を示す。ここではランダムに与え
た初期値が時間の経過と共に徐々にいくつかの振動パタ
ーンに引き込まれて安定に維持されている。
【0028】図7は(1),(4)式において、a=
1.74、ε=0.3、γ=0.9、n=50としたと
きの各カオス振動子の振動の様子を示す。ここでは時間
の経過と共に振動がi軸の左側から右方向に複雑なパタ
ーンを描きながら進行している。
【0029】重み付け制御回路15は入力伝送路単位で
設けられた、時間の経過と共に変化するn個のカオス振
動子夫々の振動値を重み係数として図1に示す入力伝送
路101 〜10m夫々のn個の重み付け回路121 〜1
2n夫々に設定する。この重み係数の設定は単位時間毎
に行われる。
【0030】これによって、入力伝送路101 〜10m
夫々の重み付け回路121 〜12nに重み係数が設定さ
れ、端子111 〜11n夫々に入来する入力信号は、入
来した位置と時間とにより異なる重み係数を乗算され
る。つまり入来した位置と時間とが入力信号に非線形演
算される。これにより入力信号の時空間的な信号処理が
可能となる。
【0031】図1に示す神経機能素子は入力層と中間層
と出力層の神経機能素子からなるニューラルネットワー
クの入力層の神経機能素子として適用される。この場
合、入力層の図1に示す構成の神経機能素子には端子1
5aから重み付け制御回路15に対して、(2),
(3),(4)式のいずれを用いるのかを設定し、また
定数a,γ,ε,夫々の値を設定することにより、入力
伝送路101 〜10m夫々の重み付け回路121 〜12
n夫々の重み付けのパターンを変更する。
【0032】カオス振動子は(1)式の定数aを変更す
ることによってカオス振動のパターンが変化し、また、
(2),(3),(4)式の定数γ,εを変更すること
によって移流,拡散のパターンが変化する。このように
定数a,γ,ε等の変更によって重み付け回路121
12nの重み係数を簡単に変更できる。
【0033】
【発明の効果】上述の如く、請求項1に記載の発明にお
いては、カオス振動子の振動値によって入力信号の重み
付けを行って加算するため、入力信号が入来した位置と
時間とによってカオス振動子の振動値は変化して入力信
号に非線形の重み付けがなされ、入力信号の時空間的な
信号処理が可能となる。
【0034】また、請求項2に記載の発明によれば、カ
オス振動子の振動が時間と共に、上流側から下流側に移
流し、重み付け回路の重み係数が時間と共に入力伝送路
の上流側ら下流側に移流するパターンを得ることができ
る。
【0035】また、請求項3に記載の発明によれば、各
カオス振動子の振動が時間と共に、隣接するカオス振動
子に拡散し、重み付け回路の重み係数が時間と共に拡散
するパターンを得ることができる。
【0036】また、請求項4に記載の発明によれば、各
カオス振動子の振動が時間と共に上流側から下流側に移
流し、かつ、隣接するカオス振動子に拡散するため、重
み付け回路の重み係数が時間と共に移流かつ拡散するパ
ターンを得ることができ、実用上きわめて有用である。
【図面の簡単な説明】
【図1】本発明素子の一実施例のブロック図である。
【図2】コンパレータの出力特性図である。
【図3】カオス振動子の振動の移流を説明するための図
である。
【図4】カオス振動子の振動の拡散を説明するための図
である。
【図5】(1),(2)式による振動の様子を表わす図
である。
【図6】(1),(3)式による振動の様子を表わす図
である。
【図7】(1),(4)式による振動の様子を表わす図
である。
【図8】従来素子の一例のブロック図である。
【符号の説明】
101 〜10m 入力伝送路 111 〜11n 入力端子 121 〜12n 重み付け回路 141 〜14n,17 加算回路 15 重み付け制御回路 18 コンパレータ 19 閾値設定回路 20 出力端子 21 出力抵抗

Claims (4)

    【特許請求の範囲】
  1. 【請求項1】 複数の入力信号に重み付けを行って総和
    をとり、これを被比較信号として閾値信号と比較して比
    較結果を出力する神経機能素子において、 1次元配列された複数のカオス振動子夫々の振動値を重
    み係数として設定された複数の重み付け回路(121
    12n)により上記複数の入力信号に重み付けを行い、
    重み付けされた複数の入力信号の加算を行う入力伝送路
    (101 〜10m)を有することを特徴とする神経機能
    素子。
  2. 【請求項2】 前記1次元配列された複数のカオス振動
    子は、前記入力伝送路(101 〜10m)の出力側に対
    応するものを下流側として、時間の経過と共に、上流側
    のカオス振動子の振動を下流側に移流する結合関係とす
    ることを特徴とする請求項1記載の神経機能素子。
  3. 【請求項3】 前記1次元配列された複数のカオス振動
    子は、時間の経過と共に、各カオス振動子の振動を隣接
    するカオス振動子に拡散する結合関係とすることを特徴
    とする請求項1記載の神経機能素子。
  4. 【請求項4】 前記1次元配列された複数のカオス振動
    子は、前記入力伝送路の出力側に対応するものを下流側
    として、時間の経過と共に、上流側のカオス振動子の振
    動を下流側に移流し、かつ、各カオス振動子の振動を隣
    接するカオス振動子に拡散する結合関係とすることを特
    徴とする請求項1記載の神経機能素子。
JP6165576A 1994-07-18 1994-07-18 神経機能素子 Withdrawn JPH0830708A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP6165576A JPH0830708A (ja) 1994-07-18 1994-07-18 神経機能素子

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP6165576A JPH0830708A (ja) 1994-07-18 1994-07-18 神経機能素子

Publications (1)

Publication Number Publication Date
JPH0830708A true JPH0830708A (ja) 1996-02-02

Family

ID=15814987

Family Applications (1)

Application Number Title Priority Date Filing Date
JP6165576A Withdrawn JPH0830708A (ja) 1994-07-18 1994-07-18 神経機能素子

Country Status (1)

Country Link
JP (1) JPH0830708A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007300752A (ja) * 2006-05-01 2007-11-15 Tietech Co Ltd 3相モータの制御装置
JP2013509031A (ja) * 2009-10-14 2013-03-07 ケイオロジクス インク 利用度の高い可変回路トポロジーを有する汎用論理アレー及び定出力の様々な論理ゲートを実現するロジスティク写像回路

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007300752A (ja) * 2006-05-01 2007-11-15 Tietech Co Ltd 3相モータの制御装置
JP2013509031A (ja) * 2009-10-14 2013-03-07 ケイオロジクス インク 利用度の高い可変回路トポロジーを有する汎用論理アレー及び定出力の様々な論理ゲートを実現するロジスティク写像回路

Similar Documents

Publication Publication Date Title
Gelenbe et al. Function approximation with spiked random networks
US4951239A (en) Artificial neural network implementation
JPH07262158A (ja) 時系列学習神経回路素子およびそれを用いた時系列学習神経回路
Shynk et al. Convergence properties and stationary points of a perceptron learning algorithm
KR20010002997A (ko) 신경회로망을 이용한 선택적 주의집중 방법
US5222194A (en) Neural network with modification of neuron weights and reaction coefficient
US5170071A (en) Stochastic artifical neuron with multilayer training capability
JPH0830708A (ja) 神経機能素子
JPH0264787A (ja) 階層構造ニューラルネット
US5490236A (en) Method of assigning initial values of connection parameters to a multilayered neural network
Sato et al. Learning Nonlinear Dynamics by Recurrent Neural Networks (Some Problems on the Theory of Dynamical Systems in Applied Sciences)
US5438645A (en) Neural network which uses a monitor
JPH08123885A (ja) 神経細胞機能素子
Shynk et al. Analysis of a perceptron learning algorithm with momentum updating
Korner et al. A VLSI friendly neural network with localised transfer functions
JP3328953B2 (ja) 非線形シナプスニューロン、そのデバイス及びそれを用いた予測方法
JPH07210542A (ja) ニューロン回路
JPH0395664A (ja) 制御物理変量発生用および物体識別用ニューラル・ネット
JPH0644207A (ja) ニューラルネットワーク及びその構成方法
Drake et al. Improved Self-Feedback Gain in the Context Layer of a Modified Elman Neural Network
JP3368619B2 (ja) 時空間パターン分類装置
JP3343626B2 (ja) ファジィ推論のためのニューラルネットワーク
JP3343625B2 (ja) ファジィ推論のためのニューラルネットワーク
JP2517662B2 (ja) 連鎖制御装置
JPH0744195A (ja) 音声認識用リカレントニューラルネットワーク

Legal Events

Date Code Title Description
A300 Withdrawal of application because of no request for examination

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20011002