KR910018921A - 데이터처리장치의 학습방법 - Google Patents

데이터처리장치의 학습방법 Download PDF

Info

Publication number
KR910018921A
KR910018921A KR1019910005357A KR910005357A KR910018921A KR 910018921 A KR910018921 A KR 910018921A KR 1019910005357 A KR1019910005357 A KR 1019910005357A KR 910005357 A KR910005357 A KR 910005357A KR 910018921 A KR910018921 A KR 910018921A
Authority
KR
South Korea
Prior art keywords
layer
output
input
neuron
learning
Prior art date
Application number
KR1019910005357A
Other languages
English (en)
Inventor
수나오 타카도리
마코도 야마모토
Original Assignee
수나오 타카도리
가부시기가이샤 요오잔
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 수나오 타카도리, 가부시기가이샤 요오잔 filed Critical 수나오 타카도리
Publication of KR910018921A publication Critical patent/KR910018921A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections

Abstract

내용 없음

Description

데이터처리장치의 학습방법
본 내용은 요부공개 건이므로 전문내용을 수록하지 않았음
제1도는 본 발명의 한가지 실시예를 적용한 문자인식시스템을 나타내는 개략 구성도, 제2도는 입력층, 중간층 및 출력층에 있어서의 뉴우론을 나타내는 개념도, 제3도는 뉴우론의 한가지 예를 나타내는 개념도.

Claims (8)

  1. 입력된 데이터에 소정의 처리를 실시한 결과에 기초하여 발화해서 소정의 데이터를 출력하는 복수의 뉴우론(N)을 각각 보유하는 입력층(31) 및 출력층(33)과, 상기한 입력층 및 출력층의 사이에 배설되고, 상기한 복수의 뉴우론을 보유함과 아울러, 각 뉴우론이 상기한 입력층 및 출력층의 각 뉴우론에 결합하는 중간층(32)을 구비한 데이터처리장치의 학습방법에 있어서, 입력층의 발화패턴과 출력층의 발화패턴을 복수의 입출력에 대해 인위적으로 결정하고 각 입출력에 대하여, 중간층이 입력층, 출력층 양자의 방화패턴에 대한 최소 근사로 되는 경향을 갖도록, 중간층 및 출력층의 시냅수가중치를 증가시켜서, 모든 입출력에 대하여 동일한 처리를 실시하는 것을 특징으로 하는 데이터처리장치의 학습방법.
  2. 제1항에 있어서, 상기한 학습방법에 의해 학습된 데이터처리장치에 대하여, 새로운 중간층을 추가해서, 이 중간층의 뉴우론을 인접하는 층의 각 뉴우론에 접속하고, 새로운 중간층의 발화패턴이 이것에 인접하는 층의 발화패턴에 대한 최소근사로 되는 경향을 갖도록 시냅스가중치를 증가시켜서, 모든 입출력에 대해 동일한 학습을 실시하고, 학습이 소정단계까지 종료한 시점에서 다시 새로운 중간층의 추가와 동일한 학습을 반복해서, 중간층을 증가시켜 나가는 것을 특징으로 하는 데이터처리장치의 학습방법.
  3. 입력된 데이터에 소정의 처리를 실시한 결과에 기초하여 발화해서 소정의 데이터를 출력하는 복수의 뉴우론(N)을 각각 보유하는 입력층(31) 및 출력층(33)과, 상기한 입력층 및 출력층의 사이에 배설되고, 상기한 복수의 뉴우론을 보유함과 아울러, 각 뉴우론이 상기한 입력층 및 출력층의 각 뉴우론에 결합하는 중간층(32)을 구비한 데이터처리장치의 학습방법에 있어서, 입력층의 발화패턴과 출력층의 발화패턴을 복수의 입출력에 대해 인위적으로 결정하고, 각 입출력에 대하여, 입력층의 뉴우론의 출력치와 중간층의 뉴우론의 출력치와의 차의 절대치와, 중간층의 뉴우론의 출력치와 중간층의 뉴우론의 출력치와의 차의 절대치와의 합이 최소로 되는 경향을 보유하도록, 중간층 및 출력층의 시냅스가중치를 증가시켜서, 모든 입출력에 대하여 동일한 처리를 실시하는 것을 특징으로 하는 데이터처리장치의 학습방법.
  4. 제3항에 있어서, 상기한 학습방법에 의해 학습된 데이터처리장치에 대하여, 새로운 중간층을 추가하고, 이 새로운 중간층의 각 뉴우론을 인접하는 층의 각 뉴우론에 접속하여서, 인접하는 입력측층의 뉴우론의 출력치와 상기한 새로운 중간층의 뉴우론의 출력치와의 차의 절대치와, 상기한 새로운 중간층의 뉴우론의 출력치와 인접하는 출력측층의 뉴우론의 출력치와의 차의 절대치와의 합이 최소로 되는 경향을 보유하도록, 새로운 중간층 및 인접하는 출력측층의 시냅시가중치를 증가시켜서 모든 입출력에 대하여 동일한 학습을 실시하고, 학습이 소정단계까지 종료하였던 시점에서 다시 새로운 중간층의 추가와 동일한 학습을 반복하여서, 중간층을 증가시켜가는 것을 특징으로 하는 데이터처리장치의 학습방법.
  5. 입력된 데이터에 소정의 처리를 실시한 결과에 기초하여 발화해서 소정의 데이터를 출력하는 복수의 뉴우론(N)을 각각 보유하는 입력층(31) 및 출력층(33)과, 상기한 입력층 및 출력층의 사이에 배설되고, 상기한 복수의 뉴우론을 보유함과 아울러, 각 뉴우론이 상기한 입력층 및 출력층의 각 뉴우론에 결합하는 중간층(32)을 구비한 데이터처리장치의 학습방법에 있어서, 입력층의 발화패턴과 출력층의 발화패턴을 복수의 입출력에 대해 인위적으로 결정하고, 각 입출력에 대하여, 중각층의 각 뉴우론이. 입력층 및 출력층의 대응하는 뉴우론이 모든 발화하고 있는 경우에, 발화하는 경향을 보유하도록, 중간층 및 출력층의 시냅스가중치를 증가시켜서, 모든 입출력에 대하여 동일한 처리를 실시하는 것을 특징으로 하는 데이터처리장치의 학습방법.
  6. 제5항에 있어서, 상기한 학습방법에 의해 학습된 데이터처리장치에 대하여, 새로운 중간층을 추가하고, 이 새로운 중간층의 각 뉴우론을 인접하는 층의 각 뉴우론에 접속하여서, 그 중간층의 각 뉴우론이, 이 중간층의 전단 및 후단의 각 층의 대응하는 뉴우론이 모두 발화하고 있는 경우에, 발화하는 경향을 보유하도록, 새로운 중간층 및 상기한 후단층의 시냅스가중치를 증가시켜서, 모든 입출력에 대하여 동일한 학습을 실시하고, 학습이 소정단계까지 종료하였던 시점에서 다시 새로운 중간층의 추가와 동일한 학습을 반복하여서, 중간층을 증가시켜가는 것을 특징으로 하는 데이터처리장치의 학습방법.
  7. 입력된 데이타에 소정의 처리를 실시한 결과에 기초하여 발화해서 소정의 데이터를 출력하는 복수의 뉴우론(N)을 각각 보유하는 입력층(31) 및 출력층(33)과, 상기한 입력층 및 출력층의 사이에 배설되고, 상기한 복수의 뉴우론을 보유함과 아울러, 각 뉴우론이 상기한 입력층 및 출력층의 각 뉴우론에 결합하는 중간층(32)을 구비한 데이터처리장치의 학습방법에 있어서, 입력층의 발화패턴을 복수의 입출력에 대해 인위적으로 결정하고, 각 입출력에 대하여, 중간층의 각 뉴우론이, 입력층 및 출력층의 대응하는 뉴우론의 적어도 한쪽이 발화하고 있는 경우에, 발화하는 경향을 보유하도록, 중간층 및 출력층의 시냅스가중치를 증가시켜서, 모든 입출력에 대하여 동일한 처리를 실시하는 것을 특징으로 하는 데이터처리장치의 학습방법.
  8. 제7항에 있어서, 상기한 학습방법에 의해 학습된 데이터처리장치에 대하여, 새로운 중간층을 추가하고, 이 새로운 중간층의 각 뉴우론을 인접하는 층의 각 뉴우론에 접속하여서, 그 중간층의 각 뉴우론이, 이 중간층의 전단 및 후단의 각 층의 대응하는 뉴우론의 적어도 한쪽이 발화하고 있는 경우에, 발화하는 경향을 보유하도록, 새로은 중간층 및 상기한 후단층의 시냅스가중치를 증가시켜서, 모든 입출력에 대하여 동일한 학습을 실시하고, 학습이 소정단계까지 종료하였던 시점에서 다시 새로운 중간층의 추가와 동일한 학습을 반복하여서, 중간층을 증가시켜가는 것을 특징으로 하는 데이터처리장치의 학습방법.
    ※ 참고사항 : 최초출원 내용에 의하여 공개하는 것임.
KR1019910005357A 1990-04-04 1991-04-03 데이터처리장치의 학습방법 KR910018921A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2-88162 1990-04-04
JP2088162A JPH03288258A (ja) 1990-04-04 1990-04-04 データ処理装置の学習方法

Publications (1)

Publication Number Publication Date
KR910018921A true KR910018921A (ko) 1991-11-30

Family

ID=13935232

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019910005357A KR910018921A (ko) 1990-04-04 1991-04-03 데이터처리장치의 학습방법

Country Status (5)

Country Link
US (1) US5430829A (ko)
EP (1) EP0450521B1 (ko)
JP (1) JPH03288258A (ko)
KR (1) KR910018921A (ko)
DE (1) DE69124813T2 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MY138544A (en) 2003-06-26 2009-06-30 Neuramatix Sdn Bhd Neural networks with learning and expression capability
JP2005352900A (ja) * 2004-06-11 2005-12-22 Canon Inc 情報処理装置、情報処理方法、パターン認識装置、及びパターン認識方法
US7814038B1 (en) 2007-12-06 2010-10-12 Dominic John Repici Feedback-tolerant method and device producing weight-adjustment factors for pre-synaptic neurons in artificial neural networks
CN111492382B (zh) * 2017-11-20 2024-05-07 皇家飞利浦有限公司 训练第一神经网络模型和第二神经网络模型

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4874963A (en) * 1988-02-11 1989-10-17 Bell Communications Research, Inc. Neuromorphic learning networks
JPH0738186B2 (ja) * 1989-03-13 1995-04-26 シャープ株式会社 自己拡張形ニユーラル・ネットワーク

Also Published As

Publication number Publication date
EP0450521B1 (en) 1997-03-05
EP0450521A2 (en) 1991-10-09
JPH03288258A (ja) 1991-12-18
DE69124813D1 (de) 1997-04-10
DE69124813T2 (de) 1997-06-12
EP0450521A3 (en) 1993-05-19
US5430829A (en) 1995-07-04

Similar Documents

Publication Publication Date Title
KR910018922A (ko) 데이터처리장치의 학습방법
KR950001520A (ko) 인공 뉴런 및 그 이용 방법
GB2245401A (en) Neural network signal processor
EP0459276A2 (en) Data processing system
KR910018921A (ko) 데이터처리장치의 학습방법
KR910018925A (ko) 데이터 처리장치의 학습방법
Kijsirikul et al. Thai printed character recognition by combining inductive logic programming with backpropagation neural network
Park et al. Emotion recognition of speech based on RNN
JPH02100757A (ja) 並列ニューラルネットワーク学習方式
Magoulas et al. A training method for discrete multilayer neural networks
Gasser et al. A short-term memory architecture for the learning of morphophonemic rules
US5418886A (en) Knowledge information processing system including two associative memory groups each including a plurality of associated memory units
JPH10508124A (ja) 高分解能のファジィ推論プロセッサ用のルールデコーディングおよびルール評価装置
JPH09138786A (ja) ニューラルネットワークの学習装置
Takenaga et al. Optimal Input Selection of Neural Networks by Sensitivity Analysis and Its Application to Image Recognition.
JPH0318967A (ja) ニューラルネットにおける学習方法
KR950024082A (ko) 가산 회로를 사용하는 인공 뉴런 및 이를 사용하는 방법
Shibata et al. Simple learning algorithm for recurrent networks to realize short-term memories
Li et al. Variational Neural Networks: Every Layer and Neuron Can Be Unique
KR970019635A (ko) 개선된 신경회로망 데이터 콤프레서 및 이를 이용한 데이터 처리 방법
KR940001003A (ko) 신경 회로망을 이용한 적응적 패턴 분류기
Omori et al. Incremental knowledge acquisition architecture that is driven by the emergence of inquiry conversation
SU746597A1 (ru) Устройство для моделирования нейрона i
Pessoa et al. Neural networks with hybrid morphological/rank/linear nodes and their application to handwritten character recognition
Tan et al. An unsupervised learning algorithm for the sequential classification of patterns using static nets

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
NORF Unpaid initial registration fee