KR930000098B1 - 뉴랄네트워크 시스템(Neural net work system) - Google Patents

Abstract

내용 없음.

Description

뉴랄네트워크 시스템(Neural net work system)

제1도는 아날로그 뉴랄네트워크를 나타내는 회로도.

제2도는 제1도에 나타낸 뉴랄네트워크내에 들어있는 각 증폭기의 출력기능을 나타내는 그래프.

제3도는 제1도내에 예시된 뉴랄네트워크의 에너지함수를 설명하는 개략도.

제4도는 본 발명에 의한 데이타처리 시스템을 나타낸 블록도.

제5 및 6도는 제4도에 예시된 시스템의 2종의 변형예들을 나타낸도.

제7도는 제6도에 나타낸 뉴랄네트워크가 어떻게 기능하는지를 설명하는 플로우차트.

제8도는 아날로그데이타를 4비트의 디지탈 데이타로 변환하도록 지정된 뉴랄네트워크의 회로도.

제9도는 제8도에 나타낸 형식의 뉴랄네트워크드들을 포함하는 A/D 콘버터를 예시한 블록도.

제10도는 인공뉴론이 억제성 시냅스 결합에 의해서 결합되는 뉴랄네트워크를 나타낸 회로도.

제11도는 각 아날로그 입력신호의 크기를 판단하도록 설계되어 입력신호들의 크기를 하향서얼로 놓는 본 발명에 의한 다른 데이타 처리 시스템을 나타낸 블록도.

제12도는 시스템으로 입력되는 신호들중에서 최고-레벨신호와 최저-레벨신호를 검출하도록 설계된 본 발명에 의한 데이타 처리 시스템을 예시한 블록도.

제13도는 하나의 뉴랄네트워크가 최고-레벨신호와 최저-레벨신호를 입력신호들중에서 검출하는 본 발명에 의한 시스템을 나타낸 블록도.

제14도는 입력신호들중에서 최고-레벨신호 또는 최저-레벨신호를 검출하도록 설계되고 최고-레벨신호와 최저-레벨신호 이외의 평균레벨의 모든 입력신호를 얻는 본 발명에 의한 다른 시스템을 나타낸 블록도.

제15도는 특정범위의 중간레벨에 가장 가까운 레벨의 신호를 입력신호들 중에서 검출하도록 설계된 본 발명에 의한 시스템을 나타낸 블록도.

제16도는 시스템으로 입력되는 최고-레벨의 신호와 최저-레벨신호사이의 중앙치에 가장 가까운 레벨의 신호를 검출하도록 설계된 본 발명에 의한 시스템의 블록도.

제17도는 입력 신호들중에서 최고-레벨신호, 최저-레벨신호 및 최고레벨과 최저레벨의 중앙치에 가장 가까운 신호를 검출하도록 설계된 본 발명에 의한 다른 시스템의 블록도.

제18도는 제17도의 시스템내에 결합되어 있는 제어회로의 동작을 설명하는 플로우차트.

제19도는 중간레벨에 가까운 레벨인 아날로그 입력신호들의 평균레벨을 얻도록 설계된 본 발명에 의한 시스템을 나타낸 블록도.

제20도는 뉴랄네트워크로된 신호처리회로를 갖는 가스턴빈 제어 시스템을 나타낸 블록도.

제21도는 억제성 시냅스 결합에 의해서 조합된 인공뉴론으로 되고 상이한 값의 바이어스신호가 뉴론의 계층으로 공급되어 인공뉴론이 용이하게 군마다 발화되는 본 발명에 의한 뉴랄네트워크시스템을 나타낸 도면.

제22도는 제21도에 나타낸 시스템내에 들어있는 뉴랄네트워크의 부분을 나타낸 회로도.

제23도는 억제성 시냅스 결합에 의해서 조합된 인공뉴론으로 되고 상이한 결합계수 또는 상이한 임계치가 뉴론의 계층에 지정되어 뉴론이 군마다 용이하게 발화되는 본 발명에 의한 다른 뉴랄네트워크시스템을 나타낸 블록도.

제24도는 시냅스 결합에 의해서 조합된 인공 뉴론으로 되고 특정조건하에 최적인 아이템의 시퀀스를 결정하는 본 발명에 의한 다른 뉴랄네트워크 시스템을 나타낸 블록도.

제25도는 제24도에 나타낸 시스템내에 들어있는 제어회로의 동작을 설명하는 플로우차트.

본 발명은 뉴랄네트워크 시스템의 개량에 관한 것이다. “뉴랄네트워크 시스템”이란 동물의 뉴랄네트워크에 유사한 것으코 알려져 있다. 뉴랄네트워크 데이타처리 시스템은 도오교고덴기 다이가구 출판(1988) 아이하라 가즈유끼저서 “뉴랄네트워크 컴퓨터”와 기타 발간물에 개시되어 있다.

제1도는 아날로그 뉴랄네트워크에 상당되는 회로를 개략적으로 나타내고 있다. 제1도에 나타랜 증폭기들은 동물의 뉴랄네트 워크의 뉴랄(즉 뉴랄셀)에 상당된 것이다. 라인의 피드백라인, 저항기 wij 및 입력라인은 동물의 뉴랄네트워크내의 흥분성 시냅스 결합에 상당된다. 억제성 시냅스결합에 상당되는 결합을 구성하기 위하여 반전출력전압 j번째 증폭기의 -xj가 i번째 증폭기의 입력에 인가된다.

저항기 wij를 통하여 흐르는 전류 ∑wij.xj는 외부장치로부터 i번째 증폭기로 공급되는 전류 Ii에 가산된다. 전류 ∑wj xj와 Ii의 합계전류가 캐패시터 Ci와 저항기 ρi를 거쳐서 접지로 흐르고 입력전압 Ui가 i번째 증폭기로 인가된다.

대부분의 경우에 i번째 증폭기의 출력기능은 제2도의 실선 또는 파선으로 나타낸 시그모이드(sigmoid)함수이다. i번째 증폭기는 입력전압 Ui에 대응하는 전압 xi를 출력한다.

제1도에 나타낸 뉴랄네트워크의 동작특성을 다음식으로 나타낼 수 있다.

만약 뉴랄네트워크내의 시냅스 결합이 대칭(wij=wji, wij=0),의 것이면 이 뉴랄네트워크는 다음식으로 한정되는 에너지 함수(리아프노브(Liapunov)함수)을 갖는다.

이 뉴랄네트워크는 에너지 값 E를 줄이게 동작한다. 에너지 E의 극소점은 회로의 어트렉터(attractor)(안정 상태)에 상당한다.

제1도에 나타낸 회로가 처리정보에 사용될 경우에 최소치를 취할때에 회로의 최적상태를 나타내는 에너지 함수를 결정할 필요가 있다. 이 에너지 함수는 에너지 E의 최소치가 회로의 어트렉터에 상당되므로 이를 이용 결정할 수 있다. 이와 같이 결정된 에너지 함수는 식(4)의 형태로 바뀌어 시냅스 하중 wij와 입력전류 Ii가 제1도에 나타낸 회로에 세트되어 회로가 동작된다. 그러므로 식(4)의 해는 증폭기의 출력전압으로부터 얻어진다.

대부분의 뉴랄네트워크는 각각 복수의 어트렉터를 갖고 있다. 그러므로 식(4)으로 나타내지는 에너지함수는 제3도에 도시한 바와 같이 계곡부 E1 및 E2를 갖고 있다. 네트워크의 에너지가 루트 A를 따라서 가장 깊은 계곡부 E1로 가능한한 빨리 전송되어 회로를 정상상태가 되게 하는 것이 바람직하다. 그러나 뉴랄네트워크의 에너지가 예를들면 i번째 증폭기에 세트된 초기값 또는 증폭기의 출력함수에 의해서 루트 B 또는 C를 따라서 전송될 가능성이 있다. 만일 이 에너지가 얕은 계곡 E2내에 트랩(trap)되면 이 뉴랄네트워크는 부적절한 해를 출력한다.

이 부적절한 해를 출력하는 것을 방지하는데 두가지 방법을 채용할 수 있다. 제1의 방법은 증폭기의 초기값을 바꾸거나 출력함수를 바꾸는 것이고 제2의 방법은 네트워크의 에너지가 얕은 계곡 E2내에 트랩되는 것을 방지하도록 증폭기로 노이즈를 입력하는 것이다. 그러나 어느 방법도 모두 시간을 소비하여 뉴랄네트워크가 정보를 고속으로 처리할 수 없게 한다.

이들 방법의 어느것을 사용하는 것은 온라인, 리얼타임 데이타처리 시스템으로서 사용되는 뉴랄네트워크 시스템에 대해서는 치명적이다.

가스터빈내의 연소온도, 보일러의 증발관내의 온도, 연료셀스택내의 온도, 로내의 온도, 화학반응조내의 온도, 실내온도 및 급수네트워크내의 압력등의 분포계를 감시하고 제어하게 설계되어 있는 시스템이 있다.

일반적으로 그와 같은 시스템들은 다수의 아날로그 입력신호를 예를들면 센서들로부터 수신하여 최대신호치, 중간신호치, 최소신호치, 최대입력신호와 최소입력신호 이외의 모든 아날로그 입력신호의 평균치, 및/또는 중간치에 가까운 값을 갖는 수개의 아날로그 입력신호들의 평균치를 제어량으로 사용한다. 그와 같은 시스템에서는 입력아날로그 신호들로부터 최고레벨, 중간레벨, 최소레벨 등의 신호들을 판단할 필요가 있다. 종래에는 그와 같은 판단은 반복해서 아날로그 입력신호들의 신호레벨을 비교함으로써 행해졌다. 따라서 종래의 방법에서는 복수의 입력 아날로그 신호들로부터 소망하는 레벨의 신호를 선택하는데 긴 시간이 걸린다. 여행판매원이 그가 방문해야 할 모든 도시를 방문할 수 있는 가장 짧은 가능한 루트를 찾아내는데 문제가 있었고, 또 시간을 절약하기 위하여 단일 생산라인에서 다수의 다른 부품을 제조하는데 최상의 가능한 생산순서를 결정하기 위한 로트생산 문제를 옵티마이제이숀 프로그램이라고 칭한다. 이 옵티마이제이숀프로그램은 어느 아이템의 가능한 조합을 위한 평가 지표치를 계산함으로써 해결된다. 그러므로 아이템의 많이 있을수록 종래의 데이타 처리 시스템은 더 많은 시간이 이 옵티마이제이숀 프로그램을 푸는데 소요될 것이다. 더 구체적으로 말하면 예를들어 아이템이 N배의 수로 증가할때에는 시스템이 이 문제를 푸는데 소요되는 시간은 약 N³배로 증가한다. 따라서 아이템이 수십아이템이 있을 때에는 초고속 컴퓨터가 이 옵티마이제이숀 프로그램에 대한 해를 찾는 것은 실제로 불가능하다. 그와 같은 해들을 얻기 위한 뉴랄네트워크의 사용은 Hopfield and Tank “Neural” Computation of Decision in Optimization Problem, Biol, Cyvbern Vol. 52 1985,pp 141∼152에 개시되어 있다.

그러나 소망하는 신호레벨의 신호를 판단할 수 있는 뉴랄네트워크들은 개발되지 않았다.

현재에 구득할 수 있는 뉴랄네트워크는 방문마감일과 제품납기 등의 각종 조건들에 적합한 평가지수치로 되는 해를 찾도록 설계되어 있지 않다.

따라서 본 발명의 목적은 유용한 뉴랄네트워크와 이 뉴랄네트워크를 갖고 있는 시스템을 제공하는데 있다.

본 발명의 다른 목적은 복수의 아날로그 신호들로부터 소망하는 레벨을 갖는 신호를 고속으로 판단할 수 있는 뉴랄네트워크와 이 뉴랄네트워크를 갖는 시스템을 제공하는데 있다.

본 발명의 또다른 목적은 옵티마이제이숀 프로그램이 적합한 해를 고속으로 얻을 수 있는 뉴랄네트워크를 제공하는데 있다.

본 발명의 제1의 태양에 의하면 각각 다른 설정값을 갖는 N조의 뉴랄네트워크 (111) (N은 2보다 큰 정수) ; N 뉴랄네트워크의 출력들을 수신하여 적합한 뉴랄네트워크를 판단하는데 적합한 출력검출회로(101, 121) : 및 이 적합한 출력 검출회로에 의해서 검출된 적합한 뉴랄네트워크의 출력을 입력하고 출력하는 출력회로(102)로 구성된 뉴랄네트워크가 제공된다.

이 뉴랄네트워크시스템은 문제들에 대한 해들을 종래의 뉴랄네트워크 시스템들보다도 짧은 시간내에 얻을수 있다

본 발명의 제2의 태양에 의하면 복수의 입력신호를 수신하여 소망하는 신호레벨인 임의의 입력신호를 검출하기 위한 신호를 출력하는 뉴랄네트워크(201) ; 뉴랄네트워크로 입력 신호들을 공급하는 신호공급회로(204) ; 및 소망하는 신호레벨인 어느 입력신호를 뉴랄네트워크(201)의 출력에 준하여 검출하는 신호 검출회로(202)로 구성된 뉴랄네트워크 시스템이 제공된다.

소망하는 레벨이 예를들어 입력신호들의 최대전류레벨로 설정될 경우에 이 뉴랄네트워크시스템은 입력신호를 반복해서 비교함이 없이 최대전류레벨인 신호를 검출할 수 있다. 또 이 신호처리의 채용으로 각종 제어들을 행할 수 있다.

또 본 발명의 제3의 태양에 의하면 행과 열로 배열되고 서로 결합되고 계층으로 분할된 복수의 뉴론으로 되고, 이 인공뉴론이 계층마다 용이하게 발화될 수 있는 뉴론 네트워크가 제공된다.

[제1실시예]

본 발명의 제1실시예에 의한 시스템을 제4도를 참조하여 설명하겠다. 제4도에 나타낸 바와 같이 이 시스템은 n조의 뉴랄네트워크들 111-1∼111-n, n조의 에너지 함수기능치 연산회로들 121-1∼121-n, 최소치 판정회로 101, 및 게이트회로 102를 포함하고 이 연산회로들 121-1∼121-n는 뉴랄네트워크들 111-1∼111-n에 1대 1로 관계되어 연결되어 있다. 최소치 판정회로 101은 연산회로들 121∼121-n의 출력들에 연결되어 있다.

게이트회로 102는 뉴랄네트워크들 111-1∼111-n의 출력에 연결되고 또 최소치 판정회로 101의 출력에도 연결되어 있다.

뉴랄네트워크 111-1~111-n는 동일구조이다. 그들은 예를들면 제1도에 예시된 구조를 갖고 있다. 뉴랄네트워크들 111-1∼111-n의 출력들은 연산회로들 121-1∼121-n로 각각 공급된다. 연신회로들 121-1∼121-n는 이 기술분야에서 공지된 형식의 회로이면 된다.

예를들면 관련된 뉴랄네트워크내에 들어있는 증폭기의 출력들을 수신하는 버퍼, 증폭기의 출력을 처리하는 CPU 및 수개의 주변회로들을 포함하는 연산장치이면 된다. 연산회로들 121-1∼121-n는 대응하는 뉴랄네트워크들 111-1∼111-n의 에너지 함수치를 E와 이들 뉴론들의 시냅스 결합들의 크기를 뉴랄네트워크들에 사용된 인공뉴론의 출력에 식(4)의 연산을 행하므로써 산출한다. 이와 같이 연산된 값 E는 최소치 판정회로 101로 입력된다. 회로 101은 회로들 121-1~121-n의 출력에 준하여 어느 뉴랄네트워크가 최소에너지를 갖는지를 판정한다. 그런후에 게이트 회로 102로 게이트지령을 출력한다. 게이트 회로 102는 예를들면 3-스테이트버퍼로 되어 있다. 게이트 지령에 응하여 게이트회로 102는 최소에너지를 갖는 뉴랄네트워크의 출력을 외부장치로 공급한다.

제4도에 나타낸 시스템의 등작을 아래에 설명하겠다. 이 시스템을 동작하기 위하여 문제를 푸는데 필요한 에너지함수가 판정된다. 이 에너지 함수에 준하여 시냅스하중 wij와 입력전류 Ii가 결정된다. 이와 같이 결정된 시냅스로드 wij와 입력전류 Ii가 뉴랄네트워크들 111-1~111-n에 세트되고 또 에너지 함수치 연산회로들 121-1~121-n에도 세트된다.

여행판매원문제를 풀기 위하여는 예를들면 제4도에 나타낸 시스템에 의해서 에너지 함수가 아래식으로 정해진다.

식(5)에서 Xyi는 각 뉴랄네트워크내에 들어있는 증폭기의 출력이고 그것은 방문 도시를 나타내고 dyz는 도시 A와 도시 Z간의 거리이고 A,B 및 C는 아이템들용 가중정수이다. xyi가 “1”일때 도시 y는 그 판매원이 방문할 i번째의 도시이다.

식(5)의 제1항은 판매원이 1회만 도시를 방문하거나 또는 전혀 방문하지 않으면 “0”이다. 이 항은 문제에 대한 해가 판매원이 동일도시를 2회이상 방문하면 정(+)의 값을 취한다. 그러므로 동일도시를 방문하는 회수가 많을수록 식(5)의 제1항은 더 큰값이 되고, 에너지 함수치 E가 더 커진다. 식(5)의 제2항은 문제에 대한 해가 불가능하지만 2개 이상의 도시를 동시에 방문할때에 정의 값을 취한다. 이 경우에 에너지 함수치도 정의 값을 취한다.

식(5)의 제3항은 문제에 대한 해가 판매원이 m도시를 방문할때 “0”이고 판매원이 m도시를 방문하지 않을때에 해가 정의 값을 취한다. 따라서 예를들어 판매원이 더 적은 수의 도시를 방문할때에 제3항은 정의 값을 취하고 에너지 함수치 E는 증가된다.

식(5)의 제4항은 판매원이 방문하게 될 도시들간의 거리의 합계를 나타낸다. 그러므로 판매원이 더 먼거리를 여행할수록 제4항은 크다. 따라서 에너지 함수치 E가 최소일때 적합한 해가 주어질 것이다.

식(5)는 식(4)로 변형된다. 그러므로 시냅스 하중 wij는 식(5)의 2차항에 의해서 결정되고, 입력전류 Ii는 식(5)의 1차항에 의해서 결정된다. 이와 같이 얻어진 시냅스 하중 wij와 입력전류 Ii는 뉴랄네트워크들 111-1~111-n에 세트되고 또한 에너지 함수치 연산회로들 121-1~121-n에 세트된다. 식(4)에서 우측 제3항은 제1항 및 제2항보다도 훨씬 작아서 에너지 함수치 E의 연산시에 무시할 수 있다. 따라서 여행 판매원 문제를 풀기 위한 에너지 함수치 E는 식(4) 대신에 식(5)로부터 결정될 수 있다. 이 경우에는 시냅스 하중 wij 및 입력전류 Ii 대신에 A,B,C,D,m 및 dyz가 에너지 함수치에 세트된다. 식(5)의 조건항들 즉 제1항, 제2항 및 제3항이 만족될때에 에너지함수치 연산회로 121-1∼121-n는 식 (5)의 평가함수항 즉 제4항으로부터만 에너지 함수치들을 구할 수 있는 형식의 것이면 된다.

그 다음 설정치조가 뉴랄네트워크들 111-1∼111-n에 세트된다. 예를들면 제2도내의 실선으로 나타낸 시그모이드함수가 하나의 네트워크의 i번째의 증폭기에 세트된다. 한편 제2도내의 파선으로 나타낸 시그모이드함수는 다른 네트워크의 i번째 증폭기에 세트된다. 초기치 및 바이어스전압 등의 기타의 설정치들은 각 뉴랄네트워크에 세트된다. 하나의 뉴랄네트워크에 세트된 조로된 값들은 임의의 다른 조로된 값에 대응하는 값과 동일한 설정치를 포함할 수 있다. 선택적으로는 하나의 뉴랄네트워크에 세트된 조로된 값들은 임의의 다른 뉴랄네트워크에 세트된 조로된 값들의 대응하는 정수들과 다른 정수들 A,B,C 및 D로 될 수도 있다. 그리하여 wij의 상이한 값들과 Ii의 상이한 값들이 뉴랄네트워크들 111-1∼111-n에 세트된다. 전체로서 각조의 설정치가 임의의 다른 조의 설정치와 다르다는 것으로 충분하다.

그런후에 뉴랄네트워크들 111-1∼111-n가 동시에 구동되어 출력을 발생한다. 에너지 함수치 연산회로들 121-1∼121-n는 뉴랄네트워크들 111-1∼111-n로부터의 출력들의 변화 또는 뉴랄네트워크들내에 들어있는 증폭기들의 출력들의 변화를 감시한다. 연산회로들 121-1∼121-n는 이들 네트워크들이 정상화되었을 때에 에너지 함수치 E를 산출한다. 선택적으로는 에너지 함수치 E는 뉴랄네트워크들 111-1 ∼111-n의 동작 개시후 소정 시간이 경과됐을때에 연산될 수도 있다. 최소치 결정회로 101은 구해진 에너지 함수치 E를 비교하여 어느 뉴랄네트워크가 다른 뉴랄네트워크들보다도 적은 에너지를 갖고 있는지를 판단한다. 회로 101를 게이트회로 102로 하여금 최소 에너지를 갖는 뉴랄네트워크의 출력을 통과시키도록 게이트지령을 출력한다. 최소치 판정회로 101로부터 공급된 게이트지령에 응하여 게이트회로 102는 최소 에너지를 갖고 있는 뉴랄네트워크의 출력을 통과시킨다. 이 뉴랄네트워크의 출력은 이 시스템의 출력이다.

다른 설정지조를 갖는 뉴랄네트워크들 111-1∼111-n는 동시에 동작하고 다른 임의의 네트워크보다도 적은 에너지를 갖는 네트워크의 출력이 시스템의 출력으로서 사용된다. 따라서, 이 시스템은 단 시간내에 적합한 해를 찾을 수 있다.

상기 실시예에 사용되는 뉴랄네트워크들은 제1도에 예시한 아날로그타입에 한정되는 것은 아니다. 그들은 디지탈 동작 소자들로 되는 타입일수도 있다.

경우에는 식 (1)은 별개의 식으로 변환된다. 제5도는 제4도에 나타낸 시스템의 변형예를 나타내고 있다. 제5도에서 나타낸 바와 같이 단 하나의 에너지치 연산회로 121이 이 변형예에 사용되었다. 연산회로 121은 뉴랄네트워크를 111-1∼111-n는 차례로 스위치 103에 의해서 연결된다. 따라서 회로 121은 네트워크들 111-1 ∼111-n의 에너지 함수치 E를 시분할식으로 계산한다. 에너지 함수치 E는 최소치 판정회로 101로 순차 입력된다. 판정회로 101은 에너지치 E를 기억하고 그들을 비교하여 어느 뉴랄네트워크가 최소에너지의 것인지를 판정한다. 그런후에 판정회로 101은 이 최소에너지를 갖고 있는 뉴랄네트워크의 출력을 통과시키도록 하는 게이트 지령을 출력한다.

제5도에 나타낸 시스템은 연산회로 121이 최소에너지를 갖고 있는 네트워크를 판단하는데 소요되는 시간이 뉴랄네트워크를 111-1~111-n가 그들이 동작 개시후에 정상상태로 되기까지에 소요뫼는 시간보다도 훨씬 짧을 경우에 유리하다.

제6도는 제4도에 나타낸 데이타 처리 시스템의 다른 변형예를 나타내고 있다.

이 변형은 제5도에 나타낸 시스템과 설정회로 131이 조합된 것이다. 설정회로 131은 에너지 함수치 연산회로 121의 출력을 수신하도록 연결되고 또한 뉴랄네트워크를 111-1∼111-n의 증폭기들에 연결되어 있다. 설정회로 131은 시그모이드 함수 바이어스치, 초기치등을 증폭기에 세트하도록 설계되어있다. 설정회로 131은 CPU, 메모리 및 뉴랄네트워크들 111-1∼111-n의 증폭기들에 연결된 I/0 장치로 되어 있다.

제6도에 나타낸 시스템의 동작을 이제 제7도의 플로우차트를 참조하여 설명하겠다. 첫째, 설정회로 131은 가능한한 이산적인 설정치들을 뉴랄네트워크를 111-1∼ 111-n에 세트한다(스텝 S1). 이 네트워크가 동작을 개시한다(스텝 S2). 에너지 함수치 연산회로 121이 이 뉴랄네트워크들 111-1~111-n의 출력을 감시한다. 이 네트워크들이 출력이 정상상태에 도달됐을때에 회로 121은 뉴랄네트워크들 111-1~111-n의 에너지 함수치 E를 구한다. 최소치 판정회로 101은 어느 에너지 함수치가 최소치인지를 판정하여 최소에너지를 갖고 있는 뉴랄네트워크의 출력을 통과시키도록하는 게이트 지령을 출력한다.

설정회로 131은 에너지 함수치 E와 뉴랄네트워크들 111-1~111-n에 세트된 대응하는 값 간의 관계를 나타낸 테이블을 작성하여 메모리내에 기억한다(스텝 S3). 그런후에 동작은 스텝 S1로 되돌아가고 스텝을 S1-S3이 m회 반복된다(스텝 S4). 이 결과로 mxn의 설정치들과 대응하는 mxn의 에너지 함수치 E가 얻어진다. 그런후에 설정회로 131은 다른것들 보다도 적은 P개의 에너지 함수치를 선택한다(스텝 5). 회로 131은 P개의 에너지 함수치 E에 대응하는 설정치들의 각각을 위한 값들과 같은 q조의 설정치들을 구한다. 설정회로 131은 뉴랄네트워크들 111-1~111-n에 유사설정치를 세트한다(스텝 S6). 그런후에 설정회로 131은 뉴랄네트워크들 111-1~111-n를 구동시킨다(스텝 S7). 에너지 함수치 연산회로 121은 에너지 함수치 E를 얻어서 이들값 E를 최소치 판정회로 101로 공급한다. 그 다음에 pxq조의 설정치들이 뉴랄네트워크들 111-1~111-n에 세트됐는지를 판정한다(스텝 S8). 만일 NO면(설정되지 않았으면) 스텝 S6으로 되돌아 간다. 스텝 S6 및 스텝 S7은 pxq조의 설정치들이 네트워크에 세트되도록까지 7회 반복된다. 스텝 S8에서 YES이면 시스템은 동작을 종료한다.

스텝들 S1∼S4에서 설정되는 값들은 이산적으로 설정되므로 시스템의 에너지가 단지 하나의 얕은 계곡(제3도내의 E2)내에 트랩될 가능성은 없다.

스텝들 S5∼S8의 설정치 조가 비교적 적은 에너지 함수치 E가 얻어질때의 설정치조와 유사하므로 어느 뉴랄네트워크가 최소에너지를 갖고 있는지를 비교적 용이하게 판정할수 있다. 따라서 최소에너지 함수치를 단시간내에 구할 수 있는 것이다.

제8도는 4비트 A/D 콘버터에 사용되는 뉴랄네트워크를 예시하고 있다.

제8도에서 알수 있는 바와 같이 뉴랄네트워크는 4개의 뉴론 즉 4개의 인버터들 151∼154를 갖고 있다. 아날로그 전압신호 P는 뉴랄네트워크로 입력되고, 4개의 비트들 즉 전압들 VO∼V3을 출력한다. 이 뉴랄네트워크의 에너지 함수는 다음식에 의해서 나타내진다.

식(6)은 다음식으로 변경할 수 있다.

식(7)을 식(4)와 비교함으로써 아래식으로 나타내지는 뉴랄네트워크의 파라메터를 얻는다.

제8도에서 흑색 4각은 내부결합을 나타내고 흑색 4각 옆에 인자된 수자들은 이 내부 결합들의 정도를 나타낸다. 이들 수자들로부터 명백한 바와 같이 예를 들면 아날로그 입력 P는 4배로 되어 이 신호가 제2의 뉴론 153으로 공급된다. 뉴론 151∼154의 출력은 인버터들 155∼158에 의해서 반전된다.

제9도는 제8도에 나타낸 타입의

개의 뉴랄네트워크들 111-1∼111-n, 디지탈-아날로그(D/A)콘버터 161, 편차계산기 162, 자승회로 163, 최소치 판정회로 101, 게이트회로 102, 및 스위치 103으로 구성되어 있다.

D/A 콘버터 161은 뉴랄네트워크들 111-1~111-n의 출력들을 전압들로 변환시킨다. D/A 콘버터 161의 출력전압들은 편차계산기 162로 입력된다. 전압 p는 계산기 162로 입력된다. 계산기 162 D/A 콘버터 161의 각 출력전압과 입력전압 P간의 편차를 구한다. 이와 같이 구한 편차

는 그 차가 자승회로 163에 의해서 제곱된다. 자승회로 163의 출력 즉

²가 최소치 판정회로로 101로 입력된다. 이 회로 101은 출력이 입력전압 p로부터 벗어나지 않은 뉴랄네트워크를 판정하고 게이트회로 102로 게이트 지령을 출력한다. 이 게이트 지령에 응하여 게이트회로 102는 상기 뉴랄네트워크의 출력을 통과시킨다. 회로 102를 통과한 출력 즉 전압들 VO-V3 값이 된다.

제6도에 나타낸 설정회로 131은 제9도에 나타낸 데이타처리 시스템 내에 집어넣을 수 있다.

통상 뉴랄네트워크가 정상상태에 도달될때에 그 에너지 함수치는 극소치로 감소되나 반드시 절대최소치는 아니다. 따라서 뉴랄네트워크를 반복 동작시킬 필요가 있다. 각 동작시마다 새로운 초기치들을, 새로운 출력기능등을 이 네트워크내에 들어있는 증폭기들에 세트한다. 이 사실은 뉴랄네트워크 즉 고속동작의 이점을 소멸시킨다. 전술한 바와 같이 본 발명에 의한 시스템은 뉴론의 초기치들 및 뉴론의 출력함수들 등이 상이한 설정치들을 갖는 복수의 뉴랄네트워크들로 되어 있다. 이 뉴랄네트워크들은 실질적으로 동시에 동작되고 이 시스템은 다른 네트워크보다도 적은 에너지 함수치를 갖고 있는 네트워크의 출력을 자동적으로 출력한다. 따라서 이 시스템은 고속으로 데이타를 처리할 수 있다. 더 구체적으로는 단 하나의 뉴랄네트워크를 갖고 있는 종래의 시스템보다도 n배로 더 빨리 데이타를 처리할 수 있다. 이런 관점에서 본 발명에 의한 데이타 처리 시스템은 온라인, 리알타임 데이타 처리에 적합하다.

[제2 실시예]

본 발명의 제2의 실시예에 의한 시스템을 이제 설명하겠다

제10도는 이 뉴랄네트워크들을 나타내고 있다. 제10도에 나타낸 바와 같이 이 뉴랄네트워크는 동물의 뉴랄셀들에 상당되는 증폭기들 AP1∼APN를 포함하고 있다.

전압

(증폭기 APj의 반전된 출력전압 Vj)을 인가하는 j번째 증폭기 APj의 피드백 라인이 저항(또는 콘덕란스 Tij)을 거쳐서 i번째 증폭기 APi의 입력라인에 연결되어 있다. 이 결선은 억제성 시냅스 결합에 상당된다.

저항기들을 거쳐서 다른 증폭기들로부터 증폭기 APi로 흐르는 전류 Σ Tij.

(=-Σ Tij.Vj)는 외부장치로부터 APi로 흐르는 전류 Ii로 가산된다. 이들 합계된 전류는 캐패시터 Ci와 저항기 ri를 거쳐서 접지로 흐른다. 그 결과 입력전압 Uj가 i번째 증폭기 APi의 입력으로 인가된다.

제10도에 예시한 뉴랄네트워크의 특성은 다음식으로 나타내진다.

제10도에 나타낸 뉴랄네트워크내의 시냅스 결합은 대칭적(Tij=Tij)이다. 뉴랄네트워크는 식(14)로 나타낸 에너지함수치 E(리아프노브 함수치)를 줄인다. 이 값 E의 최소치는 제10도에 나타전 회로의 아트렉터에 상당된다.

억제성시냅스 결합이 네트워크내에 성립되면 Cj≠i이면 Tij〉0 이거나 J=i=0〉 식(14)의 우측 제1항은 1개 이하의 증폭기가 전압 “1”을 출력하고 한편 다른 증폭기들은 "0"의 전압들을 출력하면, 최소치 “0”으로 된다. 식(14)의 우측 제2항은 최대전류를 받았든 증폭기가 “1”의 전압을 출력할때 최소로된다. 식(14)의 우측 제3항은 그 값이 미소치이므로 무시해도 된다. 반면에 억제 시냅스 결합 콘덕탄스치들 Tij(i≠j)가 서로 같을때에, 에너지 함수치 E는 최대전류를 받는 증폭기가 “1”의 전압을 출력하고, 한편 다른 증폭기들이 “0”의 전압들을 출력할때에 극소로 된다.

제10도에 나타낸 뉴랄네트워크는 각 인공뉴론의 시정수 ci,ri가 충분히 작다는 조건으로 n개의 아날로그 입력들중 최대의 것을 순간적으로 검출할 수 있다. 따라서 이 뉴랄네트워크와 다른 회로들과의 조합으로 다수의 아날로그 입력신호에 대한 여러가지 신호처리를 할 수 있는 시스템을 형성할 수 있다. 더 구체적으로 말하면 아래 신호처리를 고속으로 행할 수 있다.

(1) 다수의 아날로그 입력신호들중에서 최고레벨의 아날로그 입력신호를 검출할 수 있다. 검출된 신호를 갖는 뉴랄네트워크를 공급하지 않기 위하여 제2의 최고레벨의 아날로그 입력신호를 검출할 수 있다. 마찬가지로 제3 또 그 다음의 최고레벨의 아날로그 입력신호를 검출할 수 있다. 그리하여 시스템은 아날로그 입력신호의 일부 또는 전부를 하강서열로 놓을 수 있다.

(2) 아날로그 입력신호들이 그들의 크기의 항에 결정된 서열을 반전시킨다. 두가지 방법이 이 신호를 상승서열로 놓는데 사용되다. 첫째방법은 아날로그 입력신호의 극성을 반전시키는 것이고 둘째방법은 각 아날로그 입력신호를 특정범위의 보수로 변환시키는 것이다.

(3) (1)항 및 (2)항에서 설명한 신호처리를 실행하여 다른 입력 아날로그 신호들 보다도 더 부적합하게 만들기 쉬운 최고레벨신호의 최소레벨신호를 제외한 모든 아날로그 입력신호의 평균레벨을 얻을 수 있다.

(4) (1)항 및 (2)항에 설명한 신호처리를 실행하여 최고레벨의 입력신호가 상한을 초과하는 지의 여부와 또 최저레벨의 입력신호가 하한을 초과했는지의 여부를 체크한다. 이 처리는 많은 유사 아날로그 입력신호들에 대해서 용이하게 경보를 할수 있게 한다.

(5) 소정범위의 중간레벨에 가장 가까운 레벨의 하나의 아날로그 입력신호들을 판정한다. 더 구체적으로는 아날로그 입력신호의 레벨 X의 보수치는 (S+L)-X로 주어진다. 여기서 S 및 L는 레벨 X가 속하는 레벨범위의 상한치와 하한치이다. 보수레벨 (S+L)-X의 신호가 아날로그 방식으로 레벨 X의 신호와 적산될 경우 다음의 결과가 얻어진다.

신호 Y는 X=(S+L)/2 일때 즉 아날로그 입력신호가 중간 레벨일때에 최대치를 갖게 된다. 따라서 최고 레벨의 신호 Y를 검출함으로써 중간레벨에 가장 가까운 레벨의 신호가 검출될 수 있다. 또 아날로그 입력신호들의 평균레벨이 범위의 상한치 또는 하한치로 사용될 수 있다. 그에 의해서 평균레벨에 가장 가까운 레벨의 아날로그 입력신호가 검출될 수 있다.

(6) (5)항에서 설명한 신호처리에 의해서 판정됐든 중간 레벨에 가장 가까운 레벨의 아날로그 입력신호를 뉴랄네트워크에 공급하지 않고 이 신호처리를 반복하여 중간레벨에 가까운 수개의 아날로그 입력 신호들을 판정하여 이들 아날로그 입력신호들의 평균레벨을 찾아낼 수 있다.

본 발명의 제2의 실시예에 의한 데이타 처리 시스템을 이제 제11도를 참조하여 설명하겠다. 제11도에 나타난 바와 같이 이 시스템은 뉴랄네트워크 201, 센스회로 202, 제어회로 203, 익스클루션회로 204 및 메모리회로 205를 포함하고 있다. 뉴랄네트워크 201은 제10도에 예시한 네트워크와 같고, N개의 입력단자의 N개의 출력단자를 갖고 있다. 여기서 N는 1이상의 경우이다. 센스회로 202는 네트워크 201의 출력에 연결되어 있다. 더 구체적으로는 네트워크 201내에 들어있는 증폭기들의 출력들에 연결되어 있다. 센스회로 202는 어느 증폭기가 “1”의 출력을 생성했는지를 판정한다. 아날로그 신호들은 온도센서, 입력센서등의 외부장치로부터 익스클루션회로 204의 입력단자들로 공급된다. 센스회로 202의 익스클루션회로 204는 제어회로 203에 연결되어 있다. 센스회로 202는 아날로그 입력신호를 특정지운다. 제어회로 203은 익스클루션회로 204로 제외지령을 공급한다. 그리하여 회로 204가 센스회로에 의해서 특정된 아날로그 입력신호가 뉴랄네트워크로 공급되는 것을 방지한다. 제어회로 203은 아날로그 입력신호들 I1∼IN 필요시에 이들 신호를 제어회로 203으로 공급하기 위하여 하강서열로 기억하는 메모리회로 205에 연결되어 있다.

센스회로 202는 카운터, 절환스위치 및 비교기를 갖고 있다 카운터는 외부클록발생기로부터 공급되는 클록펄스를 계수한다. 비교기는 네트워크 201로부터 출력되고 카운터의 계수치에 의해서 지정되는 신호의 레벨을 기준레벨과 비교한다. 비교기가 지정된 신호가 기준레벨보다도 높은 레벨임을 검출할때에 카운터가 갖는 계수치는 센스회로 202로부터 출력된다. 최고레벨의 입력신호로 확인되는 이 계수치는 제어회로 203으로 공급된다.

익스클루션회로 204는 제어회로 203으로부터 공급되는 제어신호에 준하여 ON 또는 OFF시키는 N개의 스위치(예 릴레이)를 갖고 있다 각 스위치는 입력단자, 출력단자 및 제어단자를 갖고 있다. 입력단자는 아날로그 입력신호을 수신하도록 연결되어 있다. 출력단자는 뉴랄네트워크 201의 입력단자에 대응하여 연결되어 있다. 제어단자는 제어회로 203에 결합되어 있다.

제어회로 203은 마이크로프로세서, 메모리기억 제어프로그램 및 주변회로를 포함하고 있다. 마이크로프로세서의 출력포트는 익스클루시브회로 204 내에 결합되어 있는 스위치들의 제어단자들에 연결되어 있다.

마이크로프로세서의 입력포트는 센스회로 202의 출력단자들에 결합되어 있다.

메모리회로 205는 예를들면 제어회로 203 내에 들어 있는 마이크로프로세서로의 버스에 의해서 연결된 듀얼포트메모리이다. 듀얼포트메모리는 다수의 아날로그 입력신호들을 입력신호들의 레벨들의 항들에 하강서열로 기억하는 N개의 기억구역을 갖고 있다. 이 듀얼포트메모리는 예를들면 프로그램어불콘트롤러에 연결되어 있다. 듀얼포트메모리의 내용들을 프로세스제어를 위해서 사용된다.

제11도에 나타낸 데이타처리 시스템의 동작을 이제 설명하겠다.

초기 상태에서 익스클루션회로 204는 모든 아날로그 입력신호들 I₁∼I_N를 뉴랄네트워크 201로 공급한다.

뉴랄네트워크 201에서 최고레벨(즉 최대전류의 신호)의 아날로그 입력신호가 공급되었든 증폭기는 기준치보다도 높은 논리 “1”신호를 출력한다. 예를 들면 아날로그 입력신호 I1이 다른 모든 입력신호들보다 큰 전류를 갖을 때에 증폭기 API(제10도)은 논리 “1”의 신호를 출력하고 한편 모든 다른 증폭기들 AP2∼APN(제10도)는 논리신호 “0”레벨을 출력한다.

센스회로 202는 뉴랄네트워크 201로부터의 출력된 논리 “1”레벨의 신호를 검출한다. 회로 202는 이 출력신호의 일련번호를 나타내는 데이타를 제어회로 203으로 공급한다 이 경우에 아날로그 입력신호 I1이 최대전류치를 갖으므로 이 데이타는 “1”을 나타낸다. 제어회로 203은 데이타를 메모리회로 205로 공급한다.

메모리회로 205는 이 데이타 “1”을 최대아날로그 입력신호용 기억구역에 기억한다. 한편 제어회로 203은 익스클루션회로 204로 제외지령을 최대아날로그 입력신호에 할당된 스위치를 개방하기 위하여 출력한다. 이 제외지령에 응하여 회로 204는 최대아날로그 입력신호에 할당된 스위치를 개방한다. 이 결과로 아날로그 입력신호 I1 즉 최대아날로그 입력신호가 뉴랄네트워크 201로 더 이상 공급하지 않게 된다. 다른 아날로그 입력신호들 I2~IN는 계속해서 뉴랄네트워크 201로 공급된다. 이 경우에 뉴랄네트워크 201내에 들어 있는 증폭기들의 입력은 접지에 연결하는 것이 좋다.

소정시간 경과 후, 뉴랄네트워크 201은 다시 정상상태로 된다. 그 다음 제2최대전류치를 갖는 아날로그 입력신호를 공급받는 증폭기의 출력은 논리 “1”레벨로 상승한다. 센스회로 202는 이 출력의 번호를 검출하여 그 번호를 나타내는 데이타를 제어회로 203으로 공급한다. 제어회로 203은 이 데이타를 메모리회로 205로 입력시킨다. 메모리회로 205는 제2최대아날로그 입력신호용 기억구역 내에 그 데이타를 기억한다. 한편, 제어회로 203은 제2최대전류치를 갖는 입력신호에 할당되는 스위치를 개방하기 위해서 익스클루션회로 204에 제외지령을 출력한다. 제외지령에 응답하여 회로 204는 제2최대전류치를 갖는 입력신호에 할당된 스위치를 개방한다. 결과적으로, 제2최대아날로그 입력신호는 뉴랄네트워크 210로 더 이상 공급되지 않는다. 다른 아날로그 입력신호들은 뉴랄네트워크 201에 계속해서 공급된다.

상기 두 파라그래프에서 언급된 동작은 모든 아날로그 입력신호 I₁-I_N이 하강서열에 있게 될 때까지 제어회로 203의 제어하에서 반복된다. 좀 더 구체적으로 설명하면, 그에 의해 아날로그 입력신호들의 서열이 그들의 크기에 따라 하강서열로 판정된다. 그 때문에, 아날로그 입력신호는 그들의 크기에 따라 쉽게 선택될 수 있으며 또한 제어치로 사용될 수 있다. 익스클루션회로 204를 사용하는 대신 익스클루션회로 204를 사용함으로서 얻어지는 것과 같은 장점을 성취하도록 각 증폭기의 출력을 클램프될 수 있다. 다시 말해서 아날로그 입력신호의 뉴랄네트워크 201로의 공급이 정지될 수 있다. 모든 아날로그 입력신호를 반드시 하강서열로 둘 필요는 없다.

제11도에 나타낸 시스템의 변형을 제12도를 참조하여 설명하면 다음과 같다. 제12도에서, 동일번호는 제11도의 것과 동일부분을 지칭한다.

제12도에 나타낸 시스템에서, 아날로그 입력신호 I₁-I_N은 제1뉴랄네트워크 201, 반전회로 206 및 신호 처리회로 208로 공급된다. 반전회로 206은 연산증폭기 등을 포함하며 또한 입력신호의 극성을 반전시킨다. 그러므로 반전회로 206은 아날로그 입력신호가 그들의 크기의 항으로 놓이는 서열을 반전시키는 역할을 한다.

제1뉴랄네트워크 201로부터 출력된 신호는 제1센스회로 202로 입력된다. 반전회로 206의 출력은 제1뉴랄네트워크 201과 동일한 기능을 수행하는 제2뉴랄네트워크로 공급된다. 제2뉴랄네트워크 211의 출력은 제1센스회로 202와 동일한 기능을 수행하는 제2의 센스회로 212에 입력된다.

제1뉴랄네트워크 201은 다수의 증폭기를 갖고 있다. 이 증폭기들 중 제1뉴랄네트워크 201에 입력된 다른 아날로그신호보다 더 높은 레벨의 아날로그 입력신호를 수신한 증폭기는 논리“1”레벨의 신호를 출력한다. 제1센스회로 202는 이 출력을 검출하여 호최대아날로그 입력신호의 번호를 판정한다. 그 동안, 반전회로 206에 의해 극성이 반전된 아날로그 입력신호 I₁-I_N은 제2뉴랄네트워크 211로 공급된다. 제2뉴랄네트워크 211도 다수의 증폭기들을 갖고 있다. 이 증폭기들 중 반전회로 206으로부터 공급되는 또 다른 아날로그신호보다 높은 레벨의 아날로그 입력신호를 수신한 증폭기는 논리 “1”레벨의 신호를 출력한다. 제2센스회로 212는 이 출력을 검출하여 최소아날로그 입력신호의 번호를 판정한다.

제1 및 제2센스회로 202 및 212의 출력들은 신호처리회로 208로 공급된다. 센스회로 202 및 212가 최대인지 최소인지를 각각 판정한 아날로그 입력신호들의 레벨들은 신호처리회로 208 내의 기준레벨과 비교되며, 그에 의해 제어치의 상한치와 하한치가 짧은 기간내에 체크될 수 있다. 통상적으로 최고 또는 최하레벨의 신호는 많은 다른 신호와 달리 부정확할 가능성이 많다. 이러한 점에 비추어 제12도에 보인 시스템은 최고레벨신호와 최저레벨신호를 제외한 모든 아날로그 입력신호들의 평균레벨인 제어치를 구하는 데 유용하다.

반전회로 206은 아날로그 입력신호의 극성을 반전시킨 다음 반전신호에 바이어스를 가해 줌으로서 그에 의해 아날로그 입력신호를 특정신호레벨 범위의 보수치에 상당하는 레벨의 신호로 변환시키는 회로에 의해 교체될 수 있다. 만일 이것이 그러한 경우이면 제2센스회로 212는 최소아날로그 입력신호 즉, 최저레벨의 아날로그신호를 검출할 수 있다.

제11도에 보인 제어회로 203과 메모리회로 205는 제12도에 나타낸 데이타처리 시스템 내에 집어 넣을 수 있다. 제11도에 보인 시스템의 또 다른 변형예를 제13도를 참조하여 설명하면 다음과 같다. 제13도에서, 동일번호는 제11 및 제12도에 나타낸 것과 동일 부분을 지칭한다.

제13도에 보인 시스템은 반전회로 206으로부터 공급되는 반전된 아날로그 입력신호들과 아날로그 입력신호들 I₁-I_N을 절환시키기 위한 스위치회로 207을 갖고 있다. 회로 207은 예를 들어 인터록(interlock)식으로 동작하는 다수의 스위치들을 포함한다. 스위치회로 207의 출력들은 억제성 시냅스결합을 갖는 뉴랄네트워크 201로 공급된다. 뉴랄네트워크 201의 출력은 센스회로 202로 입력된다. 센스회로 202는 네트워크 201의 어느 출력이 논리 “1”레벨에 있는지를 판정하도록 설계되어 있다. 제어회로 213은 스위치회로 207의 콘트롤단자에 그리고 또한 센스회로 202의 출력단에도 연결되어 있다. 메모리회로 215는 콘트롤회로 213의 출력에 연결되어 있다.

아날로그 입력신호들 I₁-I_N은 스위칭회로 207뿐만 아니라 반전회로 206에도 공급된다. 반전회로 206은 아날로그 입력신호들의 극성을 반전시킨다. 반전회로 206의 출력신호는 23자가스위치회로 207에 입력된다.

시스템이 초기상태에 있을 때 스위치회로 207은 아날로그 입력신호들 I₁-I_N은 선택하여 뉴랄네트워크 201로 공급한다. 네트워크 201 내에 들어 있는 증폭기들 중에서 다른 신호보다 높은 레벨의 신호를 수신한 증폭기는 논리 “1”레벨의 신호를 출력한다.

센스회로 202는 이 출력신호를 검출하여 최고레벨 입력신호의 일련번호를 나타내는 데이타를 공급한다. 이 데이타는 제어회로 213으로 입력된다. 제어회로 213은 메모리회로 215로 그 데이타를 공급한다. 회로 215는 이 데이타를 최대아날로그 입력신호용 기억구역내에 기억한다. 센스회로 202로부터 출력데이타의 수신시에 제어회로 213은 절환지령을 스위치회로 207로 출력한다. 절환지령에 응답하여, 회로 207은 반전회로 206으로부터 출력된 신호들을 선택하여 이들 신호들을 뉴랄네트워크 201로 공급한다. 네트워크 201 내에서, 최고레벨의 신호(즉, 최저레벨의 아날로그 입력신호)를 수신한 증폭기는 논리 “1”레벨의 신호를 출력시키는 한편 모든 다른 증폭기들은 논리 “0”레벨의 신호들을 출력한다. 그 증폭기들에 의해 출력된 신호들은 센스회로 202에 입력된다. 센스회로 202는 논리 “1”신호의 신호를 검출하여 최소아날로그 입력신호 (즉, 최저레벨의 아날로그 입력신호)를 나타내는 데이타를 출력한다. 이 데이타는 제어회로 213으로 공급된다. 회로 213은 그 데이타를 메모리회로 215로 공급된다. 메모리회로 215는 최소 아날로그 입력신호용 기역구역내에 그 데이타를 기억한다. 메모리회로 215는 필요할 때는 언제나 최대와 최소아날로그 입력신호들의 번호를 나타내는 2개의 데이타 아이템들을 출력한다.

제13도에 보인 데이타 처리 시스템은 아날로그 입력신호들을 처리하기 위해 제12도에 나타낸 시스템의 2배의 시간을 요하지만 뉴랄네트워크를 하나만 필요로 하기 때문에 유리하다. 반전회로 206은 제11도에 보인 제2실시예에서와 같이 아날로그 입력신호들을 보수 신호로 변환해주는 회로로 교체될 수 있다. 또한 익스클루션회로 13 (제11도)을 제13도에 보인 시스템내에 집어넣을 수 있으므로 결국 뉴랄네트워크 201, 센스회로 202 및 제어회로 213이 그들의 각각의 기능들을 반복적으로 수행하도록 할 수 있다.

제11도에 보인 시스템의 제3변형예를 제14도를 참조하여 설명하면 다음과 같다.

제14도로 부터 명백한 바와같이 이 변형예는 아날로그 입력신호들 가운데에서 최고 레벨신호와 최저 레벨신호를 검출하기 위한 판정회로 208와, 그에 입력되는 모든 아날로그 신호들의 평글레벨을 구하기 위한 평균회로 209와 그리고 판정회로 209에 의해 검출되는 최고 레벨신호와 최저 레벨신호가 평균화회로 209로 입력되는 것을 방지하기 위한 익스클루션회로 214를 포함하고 있다. 판정회로 208은 제12 및 13도에 나타낸 구조와 동일하다. 평균화회로 209는 N-입력 가산기와 가산기의 출력을 1/(N-2)배 증폭시키기 위한 증폭기를 포함하고 있다. 익스클루션회로 214는 다수의 스위치들과 스위치들을 제어하기 위한 제어 회로를 포함하고 있다. 턴온된 스위치는 아날로그 입력신호의 통과를 허용하며 턴오프된 스위치는 스위치에 연결되는 평균회로의 입력단자를 개방시킨다.

제14도에 나타낸 시스템의 동작을 설명하면 다음과 같다. 판정회로 208은 모든 아날로그 입력신호들 I₁-I_N의 최고 레벨의 아날로그 입력신호의 번호를 나타내는 데이타를 출력시킨다. 그 데이타는 익스클루션회로 214에 입력되며 그에의해 최고 레벨 아날로그 입력신호를 특정지운다. 이 데이타에 응답하여 익스클루션회로 214는 최고 레벨신호와 최저 레벨신호가 평균화회로 209로 공급되는 것을 방지한다. 회로 209는 그에 공급되는 모든 아날로그 신호의 평균레벨을 구한다. 판정회로 208이 아날로그 입력신호 I₁과 I_N이 각각 최고 레벨과 최저 레벨에 있음을 판정했다고 가정할때, 평균화회로 209는 아날로그 입력신호들 I₃-I_N의 평균레벨을 구하여 평균레벨을 나타내는 데이타를 출력한다.

지적된 바와같이, 판정회로 208은 최고 레벨신호와 최저 레벨신호를 검출한다. 선택적으로는 회로 208은 최고 레벨신호 또는 최저 레벨신호만을 검출하도록 설계될 수 있다. 이 경우에, 평균화회로 209는 최고 레벨신호 또는 최저 레벨신호를 제의한 모든 아날로그 입력신호들의 평균레벨을 구한다.

상기 설명으로 부터 이해할 수 있는 바와같이, 제14도에 나타낸 시스템은 대부분의 경우에 부정확한 최고 레벨신호 및/또는 최저 레벨신호를 제의하고 그에 입력되는 모든 아날로그 신호들의 평균레벨을 발생시킨다. 그러므로 평균레벨을 나타내는 데이타는 신뢰성 있는 제어치로서 사용될 수 있다.

제11도에 나타낸 시스템의 제4변형예를 제15도를 참조하여 설명하면 다음과 같다. 제15도에서 동일번호는 제11-14도에 나타낸 것들과 동일 부분을 지칭한다.

제4변형예에서, 아날로그 입력신호 I₁-I_N은 정산회로 210 및 보수치 발생회로 216으로 공급된다. 회로 216은 각 입력신호를 특정레벨 범위 상한치 및 하한치를 나타내는 보수신호로 변환시킨다. 적산회로 210은 회로 216으로 부터 출력된 각각의 보수신호를 대응 아날로그 입력신호로 적산한다. 승산회로 210에 의해 출력된 신호들은 억제성 시넵스 결합을 갖는 뉴랄네트워크 201로 입력된다. 뉴랄네트워크 201의 출력신호 즉, 네트워크 201내에 들어있는 증폭기들의 출력은 센스회로 202로 공급된다. 센스회로 202는 어느 증폭기가 논리 “1”레벨의 신호를 출력했는지를 판정한다.

보수치 발생회로 216은 아날로그 입력신호의 극성을 반전시켜 각각의 반전신호에 상한 바이어스와 하한 바이어스를 가해서 그에의해 특정된 레벨 범위의 상한치 및 하한치를 나타내는 보수신호를 발생시킨다. 이 신호 변환은 예를들어 회로 216내에 사용되는 연산 증폭기에 의해 수행된다.

적산회로 210에 의해 출력된 모든 신호들의 최고 레벨의 신호는 특정된 레벨 범위의 중간레벨에 가장 가까운 레벨의 아날로그 입력신호의 적산된 것이다. 그 때문에, 회로 102로 부터 출력된 데이타는 중간레벨에 가장 가까운 레벨의 아날로그 입력신호의 번호를 나타낸다.

특정된 범위의 중간레벨이 소정의 제어치와 일치하면, 센스회로 210은 소정의 제어치에 가장 가까운 제어치와 등가인 아날로그 입력신호를 검출한다

제11도에 보인 시스템의 제5변형예를 제16도를 참조하여 설명하면 다음과 같다. 제16도에서, 동일번호는 제11-15도에 나타낸 것들과 동일부분을 지칭한다.

제5변형예는 다음의 2점을 특징으로 한다. 첫째로, 제15도에 보인 시스템과 판정회로 208(제14도)의 조합된 것이고 둘째로 보수치 발생회로 216(제15도)는 특정된 레벨 범위의 상한치와 하한치로서 최고 레벨과 최저 레벨 아날로그 입력신호들의 레벨들을 사용하는 또다른 형의 보수치 발생회로 218로 교체된 것이다.

제16도에 나타낸 시스템의 동작을 설명하면 다음과 같다. 판정회로 208은 어느신호가 모든 아날로그 입력 신호들 I₁-I_N의 최고 및 최저 레벨인지를 판단하여 최고 레벨신호와 최저 레벨신호의 번호를 보수치 발생회로 218로 공급한다. 보수회로 218은 특정된 범위의 상한치와 하한치로서 그 번호의 입력신호들을 사용한다. 그러므로 보수회로 218은 아날로그 신호 I₁-I_N을 소정범위 이상의 보수신호로 변환한다. 이 범위의 중간레벨은 최고 레벨 및 최저 레벨 아날로그 입력신호들의 레벨들간에서 정확히 중간이다. 그러므로 센스회로 202에 의해 출력된 데이타는 소정범위의 중간레벨과 가장 가까운 레벨의 아날로그 입력신호의 번호를 나타낸다.

보수치 발생회로 218은 예를들어 판정회로 208에 의해 검출된 아날로그 입력신호를 선택하기 위한 스위치 회로와, 스위치회로에 의해 선택된 신호의 레벨에 따라 모든 아날로그 입력신호에 대한 보수치를 구하기 위한 연산증폭기를 포함하고 있다.

판정회로 208은 최고 레벨신호와 최저 레벨신호를 선택하도록 재설계되어 이 신호들을 보수치 발생회로 218로 공급하도록 할 수 있다. 이 경우에, 회로 218은 제15도에 보인 것과 동일한 구성으로 할 수 있다. 또한 판정회로 208은 최고 레벨신호 또는 최저 레벨신호의 레벨 대신에 평균회로 209에 의해 출력된 평균레벨 또는 모든 아날로그 입력신호의 평균레벨을 보수치 발생회로 216로 공급하도록 재설계될 수 있다. 이 경우에, 센스회로 202는 평균레벨과 가장 가까운 레벨의 아날로그 입력신호의 번호를 나타내는 데이타를 출력시킨다.

제11도에 보인 시스템의 제6변형예를 제17도를 참조하여 설명하면 다음과 같다. 제17도에서, 제11-16도에 나타낸 부분과 동일부분을 동일번호를 지칭한다.

제6변형예에서, 아날로그 입력신호 I₁-I_N은 보수치 발생회로 226, 적산회로 210 및 절환회로 217로 공급된다. 보수치 발생회로 226은 아날로그 입력신호들의 극성을 반전시켜서 최고 레벨과 최저 레벨신호의 레벨들에 대응하는 바이어스를 다른 아날로그 입력신호에 가해서 아날로그 입력신호를 보수신호로 변환시킨다. 보수신호는 적산회로 210으로 입력된다. 적산회로 210은 대응하는 보수신호로 각각의 아날로그 입력신호를 적산한다. 회로 210에 의해 출력된 신호들은 아날로그 입력신호 I₁-I_N과 보수신호들과 더불어 절환회로 217로 입력된다. 절환회로 217은 세가지 타입의 신호 즉, 아날로그 입력신호, 보수신호 또는 적산회로 210의 출력신호들중 하나의 신호를 선택하여 억제성 시냅스 결합을 갖는 뉴랄네트워크 201로 공급한다. 뉴랄네트워크 201에 의해 출력된 신호들은 센스회로 202로 입력된다. 보수치 발생회로 226, 절환회로 217 및 센스회로 202는 제어회로 223에 연결된다. 제어회로 223은 최고 레벨신호, 최저 레벨신호 및 중간레벨신호의 번호를 나타내는 데이타 아이템들을 수신하여 이 데이타 아이템을 보수발생회로 226과 메모리 회로 225로 공급한다. 또한, 제어회로 223은 절환회로 217과 보수치 발생회로 226로 절환 지령을 공급한다. 메모리 회로 225는 최고 레벨신호, 최저 레벨신호 및 중간레벨신호의 번호를 이들 번호에 할당되는 기억구역내에 기억한다. 필요할때, 이들 번호는 메모리 회로 225로 부터 리드되어 제어치로서 사용된다.

제17도에 보인 데이타 처리 시스템의 동작을 제18도에 보인 플로우 차트를 참조하여 설명하면 다음과 같다. 우선 제어회로 223이 절환회로 217로 절환 지령을 출력시키면 회로 217은 아날로그 입력신호 I₁-I_N을 선택하여 뉴랄네트워크 201로 공급한다(단계 T1).

뉴랄네트워크 201은 아날로그 입력신호를 처리한다. 소정시간 경과시에 최고 레벨신호를 수신한 증폭기는 논리 “1”레벨의 신호를 출력한다. 센스회로 202는 논리 “1”레벨의 신호를 검출한다. 다시말해 센스회로 202는 최고 레벨 아날로그 입력신호의 번호를 판정하여 이 번호를 나타내는 데이타를 제어회로 223으로 출력한다. 제어회로 223은 그 데이타를 메모리 회로 225로 공급함으로써 그에의해 데이타가 최고 레벨 아날로그 입력신호에 할당되는 기억구역내에 기억된다(단계 T3).

그 다음, 제어회로 223이 절환지령을 보수치 발생회로 226로 공급하면, 회로 226은 아날로그 입력신호의 극성을 반전시킨다(단계 T4). 제어회로 223이 또한 절환지령을 절환회로 217로 공급하면, 회로 217은 뉴랄네트워크 201에 공급되는 보수신호를 공급한다(단계 T5). 뉴랄네트워크 201은 보수신호들을 처리한다. 소정시간 경과시에, 최고 레벨신호를 수신한 증폭기는 논리 “1”레벨의 신호를 출력한다(단계 T6). 센스회로 202는 논리 “1”레벨의 신호를 검출한다. 다시말해, 센스회로 202는 최저 레벨 아날로그 입력신호의 번호를 판정한다. 센스회로 202는 이 번호를 나타내는 데이타를 제어회로 223으로 출력한다. 제어회로 223은 그 데이타를 메모리 회로 225로 공급하고, 그에의해 데이타는 최저 레벨 아날로그 입력신호에 할당되는 기억구역내에 기억된다(단계 T7).

제어회로 223은 최고 레벨과 최저 레벨신호의 번호를 나타내는 데이타 아이뎀들과 또한 절환지령을 보수치 발생회로 226으로 공급한다(단계 T8). 절환지령에 응답하여, 회로 226은 아날로그 입력신호들의 극성을 반전하여 극성이 반전된 아날로그 입력신호들에 최고 및 최저 레벨신호들의 레벨들에 상당하는 바이어스들을 가한다. 결과적으로, 회로 226은 아날로그 입력신호 I₁-I_N을 최고 레벨신호의 레벨로 부터 최저 레벨신호의 레벨까지의 범위에 있는 각종 레벨들의 보수신호들로 변환된다.

한편, 제어회로 223이 절환지령을 절환회로 217로 공급하면 적산회로 210에 의해 출력되는 신호는 뉴랄네트워크 201에 공급될 수 있다(단계 T9). 뉴랄네트워크 201은 승산회로 210의 출력신호에 따라 아날로그 입력신호들을 처리한다. 소정시간 경과시에 센스회로 202는 최고 레벨신호와 최저 레벨신호의 레벨간의 정확히 중간에 가장 가까운 레벨의 아날로그 입력신호의 번호를 검출한다(단계 T10). 센스회로 202는 신호의 번호를 나타내는 데이타 아이템을 제어회로 223으로 출력한다. 제어회로 223은 그 데이타 아이템을 메모리 회로 225로 공급한다. 메모리 회로 225는 중간레벨신호에 할당되는 기억구역내에 이 데이타 아이템을 기억한다. 필요할때, 메모리 회로 225는 최고 레벨신호, 최저 레벨신호 및 중간레벨에 가장 가까운 레벨의 신호의 번호를 나타내는 데이타 아이템을 리드한다. 이들 데이타 아이템은 제어치로서 사용된다.

제17도에 보인 데이타 처리 시스템은 비록 단하나의 뉴랄네트워크를 갖고 있지만 어느 아날로그 입력신호가 최고 레벨, 최저 레벨 및 중간레벨에 가장 가까운 레벨에 있는지를 판정할 수 있다.

제11도에 나타낸 시스템의 제7변형예를 제19도를 참조하여 설명하면 다음과 같다. 제19도에서 제11-17도에서와 동일부분에 대해서는 동일번호를 부여했다.

제7변형예에서, 아날로그 입력신호들 I₁-I_N은 보수치 발생회로 236과 적산회로 210으로 공급된다. 회로 236은 아날로그 입력신호를 보수신호로 변환하여 적산회로 210으로 입력한다. 적산회로 210은 각각의 아날로그 입력신호를 대응하는 보수신호로 적산한다. 적산회로 210에 의해 출력된 신호는 익스클루션회로 224로 입력된다.

익스클루션회로 224는 제어회로 233에 의해 번호가 특정된 신호들을 제외한 모든 입력신호들을 뉴랄네트워크 201로 공급한다. 뉴랄네트워크 201에 의해 출력된 신호는 센스회로 202에 공급된다. 센스회로 202에 의해 출력된 신호는 제어회로 233으로 입력된다.

아날로그 입력신호 I₁-I_N은 또한 선택회로 234로 공급된다. 선택회로 234는 제어회로 233에 의해 번호가 특정된 아날로그 입력신호만의 통과를 허용한다. 선택회로 234에 의해 출력된 신호는 평균화회로 209에 입력된다. 회로 209는 선택회로 234로부터 출력되는 신호의 평균레벨을 구한다.

제19도에 보인 시스템의 동작을 이하에 설명하겠다. 시스템의 초기상태에서, 익스클루션회로 224는 모든 아날로그 입력신호의 뉴랄네트워크 201로의 통과를 허용하는 한편 선택회로 234는 모든 아날로그 입력신호가 평균회로 209로 공급되는 것을 방지해준다. 이러한 상태에서, 보수치 발생회로 236은 모든 아날로그 입력신호에 대응하는 보수신호를 출력한다. 적산회로 210은 각각 아날로그 신호와 그에 대응하는 보수신호의 곱인 신호들을 출력한다.

뉴랄네트워크 201에서, 뉴랄네트워크 201에 세트된 레벨 범위의 중간레벨에 가장 가까운 레벨의 신호를 수신한 증폭기는 논리 “1”레벨의 신호를 출력한다. 센스회로 202는 이 신호를 검출하여 중간레벨 신호에 가장 가까운 레벨의 신호의 번호를 나타내는 데이타를 발생시킨다. 이 데이타가 제어회로 233으로 입력되면, 그에 응답하여 제어회로 233은 익스클루션회로 224에 제외 지령을 공급하며, 그 결과 회로 224는 중간레벨 신호의 통과를 억제하고 선택지령을 선택회로 234로 공급하며, 이때 회로 234를 중간레벨신호의 통과를 허용한다. 뉴랄네트워크 201은 중간레벨에 둘째로 가까운 레벨의 아날로과 입력신호를 검출하여 이 아날로그 입력신호의 번호를 나타내는 데이타를 제어회로 233으로 출력한다. 이 데이타에 응답하여, 콘트롤회로 233은 제외지령과 선택신호를 익스클루션회로 224와 선택회로 234로 제각기 공급한다. 제외신호에 응답하여, 회로 224는 중간레벨에 둘째로 가까운 레벨의 아날로그 입력신호의 통과를 억제한다. 선택지령에 응답하여, 회로 234는 평균화회로 209로 아날로그 입력신호의 통과를 허용한다.

뉴랄네트워크 201, 센스회로 202, 제어회로 233, 익스클루션회로 224, 및 선택회로 234는 전술한 바와같은 동작을 수행하며 그에의해 중간레벨에 가까운 레벨의 다른 아날로그 입력신호가 평균화회로 209로 공급된다. 회로 209는 이들 아날로그 입력신호의 평균레벨을 구하여 평균레벨을 나타내는 신호를 출력한다. 이 데이타는 데이타 처리 시스템으로 부터 출력되며 또한 제어치로서 사용된다.

“중간레벨”이라 함은 제19도의 시스템의 경우에는 보수치 발생회로 236이 아날로그 입력신호들을 특정범위의 보수치들로 변환시키도록 설계될때 특정범위의 정확한 중간레벨을 말한다. 또한 “중각레벨”이라 함은 아날로그 입력신호들을 최저 레벨신호의 레벨과 최고 레벨신호의 레벨간의 범위의 보수치들로 변환시키도록 설계될 경우에 최고 레벨 및 최저 레벨 아날로그 입력신호들의 레벨들간의 정확한 중간레벨을 말한다.

제2실시예에 의한 데이타 처리 시스템의 플랜트를 제어하기 위해 어떻게 사용되는가를 제2도를 참조하여 설명하면 다음과 같다.

제20도는 가스터빈을 나타낸다. 가스터빈은 다수의 버너 241을 갖고 있다. 이들 버너 241에는 연료공급 파이프 243을 통해 연료가 공급된다. 버너 241로 공급되는 연료의 공급을 제어하기 위해 파이프 243에 밸브 242가 결합되어 있다. 가스터빈 내에는 다수의 온도센서 SE가 설치되어 있다. 센서 SE에 의해 출력되는 전기신호는 제14도에 보인 시스템 또는 제19도에 보인 시스템의 어느 하나인 신호 처리 회로 244에 공급된다. 회로 244는 최고 레벨신호와 최저 레벨신호를 제외한 센서 SE의 모든 출력신호의 평균레벨 또는 중간 레벨에 가까운 레벨의 신호의 평균레벨을 나타내는 신호를 출력한다. 회로 244의 출력신호는 가스터빈내의 평균온도를 나타낸다. 회로 244의 출력신호는 제어회로 245에 입력된다. 제어회로 245는 신호 처리 회로 244로 부터 출력된 신호에 따라 기술상 공지된 타입의 PID 제어를 수행하며, 그에의해 밸브 242의 개방을 변경하여 결국 터빈내부의 온도를 조절한다.

터빈내의 온도 분포는 균일하지 않다. 다시말해, 온도는 장소마다 다르며, 이것이 터빈내에 다수의 온도 센서 SE를 위치시킨 이유이며, 이 센서들에 의해 출력된 신호들로 부터 평균온도를 판정한다. 센서 SE가 강한열에 계속 노출되기 때문에, 그들은 각각 실제값보다 높거나 낮은 온도를 나타내는 신호를 출력시키는 오동작의 경향이 있다.

이것이 제어회로 245가 제어치로서 중간레벨에 가까운 레벨의 센서 SE에 의해 출력된 신호의 레벨들만의 평균레벨을 사용하는 이유이다. 그 때문에, 회로 245의 제어 수행이 신뢰성이 있다. 또한 신호 처리 회로 244가 단하나의 뉴랄네트워크만을 갖고 있기 때문에 고속으로 동작하며 제어회로 245를 온라인 제어할 수 있다.

본발명의 제2실시예는 전류신호 I₁-I_N뿐만 아니라 전압신호를 처리할 수 있다. 아날로그 회로인 뉴랄네트워크 201은 디지탈 연산회로로 교체될 수 있다.

이 경우에, 아날로그 입력신호는 A/D변환기에 의해 디지탈 신호로 변환되며, 디지탈 연산회로는 미분방정식 (10)과 등가인 차분방정식에 따라 디지탈 신호를 처리한다.

뉴랄네트워크 201내에 들어있는 증폭기들은 제2도에 보인 특성을 갖는 타입으로만 한정되지 않는다. 예를들어 각 증폭기의 최대 포화값은 “1”일 필요는 없다. 네트워크 201은 최대 포화값이 “1”이외인 증폭기들을 포함할때, 센스회로 202는 이 포화값을 검출하는 타입이어야 한다. 다른 방법으로 뉴랄네트워크 201은 단순한 증가함수 특성의 증폭기를 포함할 수 있다. 이것이 그 경우에는 센스회로 202는 이들 출력이 소정값에 도달할때 증폭기의 출력을 검출하는 타입이어야 한다.

본 발명의 제2실시예는 뉴랄네트워크에 의해 수행되는 병렬처리를 효과적으로 사용함으로서 최고레벨신호, 최저레벨신호 및 중간레벨신호를 순시검출하고 또한 아날로그 입력신호를 그들의 크기에 따라 하강서열로 놓을 수 있다. 그러므로, 제2실시예는 지연없이 신뢰성있는 제어치, 즉 중간레벨에 가까운 레벨의 아날로그 입력신호의 레벨들만의 평균 레벨을 출력할 수 있다.

더우기 경보처리를 수행하기 위해 본 발명의 제2실시예는 신호가 특정범위에 속하지 않는 레벨에 있는지를 확인하기 위해 매 아날로그 입력신호를 체크할 필요는 없다. 오히려 제2실시예는 최고 레벨신호가 상한치보다 높은 레벨에 있는지 또는 최저 레벨신호가 하한치보다 낮은 레벨에 있는지를 충분히 판정할 수 있다.

본 발명은 상술한 제2실시예에 한정되지 않는다. 예를들어 최고 레벨신호를 검출하는 뉴랄네트워크 201 대신 최저 레벨신호를 검출하도록 설계된 뉴랄네트워크를 사용할 수도 있다. 만일 이것이 그러한 경우에 제11도에 보인 데이타 처리 시스템은 최저 레벨신호를 검출하여 아날로그 입력신호를 상승 서열로 놓게될 것이며, 제12 및 13도에 나타낸 시스템은 최고레벨신호와 최저레벨신호를 검출하게 될 것이며 또한 제16도에 보인 시스템은 중간레벨신호를 검출하게 될 것이다. 또한 중간레벨신호를 검출하도록 설계된 뉴랄네트워크가 사용될 수도 있다. 이 경우에 제11도에 보인 시스템은 우선 중간레벨신호를 검출한다음, 중간레벨에 가장 가까운 레벨의 신호, 둘째로 가까운 레벨의 그 다음 신호등을 검출하게 될 것이며, 결국 검출된 신호의 평균레벨이 최대로 신뢰성있는 제어신호가 될 수 있다.

[제3실시예]

본 발명의 제3실시예에 의한 뉴랄 네트워크와 이 뉴랄 네트워크를 포함하는 데이타처리 시스템에 대해 설명하면 다음과 같다.

제3실시예에 의한 뉴랄 네트워크내에 사용되는 인공 뉴론을 우선 설명한다. 각 뉴론은 입력 신호 I와, 바이어스신호 J 및 신호 Xi ωi를 수신한다. 여기서 Xi는 다른 뉴론의 출력이며, ωi는 또다른 뉴론의 시넵스 결합계수이다. 뉴론은 이 입력신호들을 가산하여 식(16)에 의한 뉴론의 내부조건 u(t)를 발생시킨다. 만일, 뉴론이 억제성 시넵스결합을 갖고 있을 경우, 계수 ωi는 음값을 갖고 있다. 물리적 관점에서 보아 그 계수가 음값을 가질 수 없을때 뉴론의 출력 Xi는 반전된 다음, 반전된 출력-Xi로 그 계수 ωi를 적산한다.

식 중 γ는 인공뉴론의 시정수이다.

인공뉴론은 다음식으로 부터 알 수 있는 바와같이 출력함수 f를 사용하여 신호 u(t)를 출력 x(t)로 변환한다.

출력함수는 예를들어 제2도에 정의된 시그모이드 함수(sigmoid function)이다. 임계치 h가 식 (15)의 경우에서와 같이 우측에 있지 않을때 그것은 출력함수 f의 파라메터이다.

그러므로, 인공뉴론의 발화의 용이성이 바이어스신호 J의 값, 출력함수 f의 형상 또는 시넵스결합계수 ω를 변동시킴으로서 변경될 수 있다.

인공뉴론은 증폭기들을 포함하는 아날로그 회로일 수 있다. 좀 더 구체적으로는 그것은 제1도, 제8도 또는 제10도의 아날로그 회로일 수 있다. 다른 방법으로 인공뉴론은 공간 변조 소자를 갖는 임의의 시스템일 수 있다. 또한, 그것은 식(16)을 차분방정식으로 변환해야될 경우에는 디지탈 연산회로일 수 있다.

뉴랄 네트워크인 본 발명의 제3실시예를 제21도를 참조하여 설명하면 다음과 같다. 이 뉴랄네트워크는 입력신호들을 그들의 레벨에 따라 하강 또는 상승서열로 두도록 설계된 전기회로이다.

제21도에 나타낸 바와같이 뉴랄 네트워크는 행과 열로 배열되는 인공 뉴론들 311을 포함한다. 각 뉴론은 동일한 행의 다른 뉴론과 또한 동일 열의 다른 뉴론과 억제성 시넵스 결합되어 있다. 입력신호 공급회로 308은 뉴랄 네트워크 301에 연결되어 있다. 회로 308은 입력신호 I1,I2…IM을 열의 뉴론들에 각각 공급한다. 뉴랄 네트워크 301는 또한 바이어스 신호 공급회로 309에도 연결되어 있다. 회로 309는 행의 뉴론들에 바이어스신호 J1,J2…JM을 제각기 공급한다. 바이어스신호 J1은 J2보다 높은 레벨이고 J2는 J3보다 고레벨 등이다. 인공뉴론 311로 부터 출력되는 신호는 판정회로 310에 입력된다.

제21도에 보인 시스템의 동작을 설명하면 다음과 같다.

제1행의 뉴론 311에 공급되는 바이어스신호 J1은 다른행의 뉴론 311에 공급되는 것들보다 높은 레벨이다. 결국, 제1행의 뉴론 311은 식 (16)의 우측이 크다. 우측에서 u(t)는 특히 큰 가능성이 있다. 명백하게는 제1행의 뉴론 311은 다른 행의 뉴론보다 더욱 발화하기 쉽다. 제2행의 뉴론은 제3행의 것보다 발화하기 쉽고, 또 제3행의 것은 제4행의 것보다 발화하기 쉽다. 다시말해, 인공뉴론 311은 여러계층으로 분할된다. 제1계층의 뉴론 311이 가장 발화하기 쉽고 마지막 계층의 것이 가장 발화가 쉽지 않다.

회로 308이 신호들 I1,I2,I3…IM을 뉴랄 네트워크 301에 공급할때 뉴론 네트워크 301은 다음식으로 동작한다.

우선, 다른 신호보다 레벨의 신호를 수신하는 제1행의 뉴론 311이 발화한다. 왜냐하면 식 (16)의 우측의 항 I+J가 다른 뉴론에 대해서 보다 이 뉴론에 대해 더 큰값을 갖고있기 때문이다. 이 뉴론은 논리“1”레벨의 신호 X를 출력한다. 결과적으로 그 뉴론은 어느 입력신호가 최고레벨에 있는지를 판정한다. 발화된 뉴론 311의 출력신호는 동일한 행의 다른 뉴론으로 공급되며 또한 동일한 열의 다른 뉴론으로도 공급된다. 인공뉴론 311이 억제성 시넵스결합에 의해 결합되기 때문에 그들은 부의 값이 시넵스결합 계수 ω를 갖고 있다. 식(16)의 우측의 제2항의 값 Σ ωi Xi(t)는 동일 행의 다른 뉴론을 향해 그리고 동일 열의 다른 뉴론을 향해 감소한다. 그 때문에 이들 뉴론은 발화가 억제되어 안정되게 동작한다.

그다음 제2의 최고레벨의 신호를 수신한 제2행의 뉴론 311의 값 I+J는 이 뉴론이 발화될때까지 증가한다. 이 뉴론이 발화할때, 그것은 논리 “1”레벨의 신호를 출력한다. 제2의 최고레벨의 입력신호는 논리 “1”레벨의 신호로부터 판정된다. 막 발화가 끝난 뉴론의 출력은 동일 행의 다른 뉴론과 동일열의 다른 뉴론으로 공급된다. 이 뉴론들은 발화가 억제되어 안정되게 동작한다.

상기 3개의 파라그래프로부터 알 수 있는 바와같이 네트워크 301로 신호 I1,I2,I3 …IM의 공급후 소정시간 이내에 각 행의 1뉴론이 발화한다. 막 발화된 뉴론에 의해 출력된 신호는 판정회로 310으로 공급된다. 회로 310은 입력 신호 I1∼IM의 레벨을 판정하여 그들 레벨 크기에 따라 하강서열로 나열된다. 좀 더 구체적으로는 제1행과 제1열의 뉴론 311이 발화할 경우, 회로 310은 입력신호 I1이 최고 레벨인것으로 판정하고 제2행과 제2열의 뉴론이 발화하면 회로 310은 입력신호 I2가 제2의 고위레벨인 것으로 판정한다. 회로 310은 아주 짧은 시간내에 모든 입력신호들의 레벨을 판정하여 그들을 레벨크기에 따라 하강서열로 나열한다.

입력신호 공급회로 308은 상이한 값, 즉 입력 신호 I1∼IM의 전류를 공급하기 위한 다수의 전류원을 포함한다. 판정회로 310은 컴퓨터등이다.

제22도는 뉴랄 네트워크 301의 일부의 좀 더 상세한 회로도이다. 이 부분은 2행과 3열로 배열되는 인공뉴론을 포함한다. 제22도에 나타낸 바와같은 뉴론들은 아날로그 증폭기들이며 네트워크 301내에 들어있는 시냅스들은 저항들이다. 이 저항들의 저항값이 변하면 시넵스 결합계수 ω도 변화된다. 각 증폭기의 반전출력은 저항을 통하여 동일행과 동일열의 다른 증폭기들로 공급된다. 그에 의해 억제성 시넵스결합이 형성된다.

제21도에 보인 회로가 제20도에 보인 가스터빈을 제어하도록 신호처리회로 244로서 사용될때 어떻게 동작하는가에 대해 이하에 설명한다.

신호처리회로 244는 평균화회로(제21도에 도시안됨)를 갖고 있다. 평균화회로는 가스터빈내에 위치된 온도센서 SE로부터 출력된 신호와 판정회로 310으로부터 출력된 신호를 수신한다. 평균화회로는 판정회로 310의 출력신호에 따라 최고레벨과 최저레벨을 제외한 센서 SE로부터 공급되는 모든 신호들의 평균레벨 또는 중간 레벨에 가까운 레벨의 신호들의 평균레벨을 구한다. 평균화회로는 그 평균레벨을 나타내는 신호를 제어회로 245로 출력한다. 좀 더 구체적으로는 이 신호는 가스터빈내의 평균 온도를 나타낸다. 회로 244로 부터 출력된 신호에 응답하여 제어회로 245는 제어(예, PID제어)를 행하며 밸브 242의 개방을 조정하고, 결국 터빈내의 온도를 제어한다.

본 발명의 제3실시예는 입력신호 레벨에 따라 입력신호의 서열을 순시 검출함으로서 뉴랄 네트워크에 의해 수행되는 병렬처리를 효과적으로 행할 수 있게 해준다. 그 때문에 제3실시예는 최고 레벨신호, 최저 레벨 신호 및 중간 레벨신호를 순시 검출할 수 있다. 그러므로, 제3실시예는 지연없이 신뢰성있는 제어치, 즉 중간레벨에 가까운 레벨의 아날로그 압력신호들의 레벨들만의 평균 레벨을 출력할 수 있다.

더우기, 본 발명의 제3실시예에서는 경보처리를 성취하기 위해 신호가 특정범위밖의 레벨인지를 확인하기 위해 매 아날로그 입력신호를 점검할 필요가 없다. 오히려, 본 실시예에서는 최고레벨 신호가 상한치보다 높은 레벨인지 그리고 최저레벨신호가 하한치 보다 낮은 레벨인지를 판정하는 것으로 충분하다.

제21도에 도시된 회로의 변형예를 제23도를 참조하여 설명하연 다음과 같다. 이 변형예는 뉴랄 네트워크 302를 포함한다. 뉴랄 네트워크 302는 행과 열로 배열되는 인공 뉴론 312를 갖고 있다. 뉴론 312에 공급되는 바이어스신호는 “0”레벨 또는 소정 레벨이다. 각각의 인공 뉴론 312는 동일 행의 다른 뉴론과 또한 동일열의 다른 뉴론과 억제성 시넵스결합을 형성한다. 제1행의 뉴론 312는 다른행의 뉴론의 억제성 결합계수들 ω2~ωM보다 큰 계수 ω1을 갖고 있다(계수들 ω1∼ωM이 부의 숫자이기 때문에 ω1은 최소의 절대값을 가지며 최소의 억제도를 나타낸다). 제2행의 뉴론의 계수 ω2는 제3행의 뉴론의 계수(즉, ω3)보다 크고, 제3항의 계수는 제4행의 것보다 큰 식으로 계속된다. 제21도에 보인 회로와 동일한 입력신호 공급회로 308은 뉴랄 네트워크 302에 연결된다. 회로 310과 동일한 판정회로(도시안됨)는 뉴랄 네트워크 302에 결합된다.

방정식(17)에서 항 Xi(t)이 인공 뉴론 312의 모든 행에 대한 동일 값을 갖는다고 하면 식 (16)의 우측의 둘째항 Σ ωi Xi(t)는 제1행의 인공 뉴론에 대해 최대치(즉, 최소 절대값)을 갖는다. 그러므로, 제1행의 뉴론이 다른행의 뉴론보다 발화하기 더 쉽다. 제2행의 뉴론은 제3행의 뉴론보다 더 발화하기 쉽고, 제3행의 것은 제4행의 것보다 더 쉽고, 이런식으로 계속된다. 그 때문에 제23도에 보인 회로는 그들의 신호레벨들에 의해 입력신호의 서열을 순시 검출할 수 있다.

제1행의 뉴론에 최소 임계치 h를 제2행의 뉴론에 제2최소 임계치를 제3행의 제3행의 것에 제3최소 임계치를 이런식으로 계속 할당하는 것이 가능하다. 또한 이 경우에 제23도에 보인 회로는 그들의 신호레벨에 따라 입력신호의 서열을 순시 검출할 수 있다.

또한 상이한 출력함수들을 인공 뉴론의 행들에 할당하되 제1행의 뉴론이 제2도에서 실선에 의한 곡선으로 나타낸 바와같이 가장 발화하기 쉽고, 제2행의 뉴론의 제2도에서 점선을 의한 곡선으로 나타낸 바와같이 그다음으로 발화하기 쉽고, 제3행의 뉴론이 그 다음으로 발화하기 쉬운식으로 할당할 수 있다. 이 경우에는 역시 제23도에 보인 회로는 입력신호들을 그들의 레벨들에 따라 하강서열로 순시 나열할 수 있다.

제21도에 보인 회로의 제2변형예를 제24도를 참조하여 상세히 설명하면 다음과 같다

이 회로의 뉴랄 네트워크는 또한 행과 열로 배열되는 인공 뉴론 313을 갖고 있다. 그들은 시넵스 결합(반드시 억제성일 필요는 없음)에 의해 결합된다. 뉴론 313은 i+j의 동일값을 갖는 뉴론이 1계층을 형성하는 식으로 여러계층으로 분할된다. 여기서 i와 j는 행의 일련번호와 열의 일련번호를 각각 나타내는 정수이다. 뉴론의 i+j값이 클수록 발화할 가능성이 적다(하나의 계층의 뉴론이 임의의 다른 계층이 뉴론보다 발화할 가능성이 다소 발화가 용이하게 각 계층의 뉴론들에 대한 임계치 hij를 조정한다).

입력/바이어스 공급회로 304는 인공뉴론 313의 입력단자에 연결된다. 회로 304는 각 뉴론에 입력신호 Iij와 바이어스신호 Jij를 공급한다. 체크회로 305는 뉴랄 네트워크 303에 의해 구한 해가 합리성이 있는지를 판정하기 위해 뉴론 313의 출력들에 연결된다. 파라메터 설정회로 306은 뉴론 313과 입력/바이어스 공급회로 304에 연결된다. 회로 306은 네트워크 303에 의해 구해낸 해가 합당하지 않을때 뉴랄 네트워크 303의 파라메터들, 즉 입력신호 I, 바이어스 신호 J, 결합계수 W 및 임계치 h를 변경한다. 제어회로 307은 이 요소들을 제어하기 위해 네트워크 303, 체크회로 305 및 파라메터 설정 회로 306에 연결된다.

제24도에 보인 뉴랄 네트워크시스템의 동작을 설명하면 다음과 같다. 간단히 하기 위해, 상이한 제품들을 로트별로 제조하는데 있어서, 다른 로트의 제조후에 다음 로트의 제조준비가 최소 경비로 되는 생산순위를 어떻게 판정할 것인가를 설명하겠다.

우선, 제품을 로트별로 뉴론 313의 행들에 할당하고 제품들을 제조하는 순위에 따라 로트 우선순위를 뉴론 313의 열에 할당한다. 그 때문에 i-번째 행과 j-번째 열의 뉴론의 발화는 i-번째 행에 할당되는 로트가 (j-1)번째 로트 후 제조되야함을 뜻한다.

뉴랄 네트워크 시스템이 구하고자 하는 옵티마이제이숀에 대한 다음과 같은 에너지함수 E를 최소로 감소시킨다.

식 중, VXk(0

VXk

1)은 뉴론의 출력이며, 로트 X가 (k-1) 로트 후에 제조되어야만 함을 나타내며 dxy는 로트 Y 후에 로트 X를 제조하기 위한 준비비용이고

은 제조해야할 로트의 수이며, A,B,C 및 D는 상수이다.

식 (18)의 우측의 제1, 제2 및 제3항은 다음과 같은 상태에서 다음과 같은 값들을 갖는다. 제1항은 각 행의 뉴론의 하나가 또는 전혀 발화되지 않았을때 0이다. 제2항은 각 열의 뉴론의 하나가 또는 전혀 발화되지 않았을 때 0이다. 제3항은 네트워크의 n 뉴론만이 발화됐을 때에 0이다. 제4항은 한 로트 제조후 다른 로트 제조를 위한 준비비용을 나타낸다.

상호 결합식인 뉴랄 네트워크 303은 식 (3)에 의해 정의된 에너지함수 E가 최소가 될때까지 안정된 동작을 계속한다. 즉,

그러므로, X번째 행과 K번째 열의 뉴론의 결합계수 Xk와 Y번째 행과 제1열의 뉴론의 결합계수 ωXk, Y1은 다음과 같은 값으로 세트된다.

식중 δXY는 크로네처 델타(″)로서 다음과 같이 주어진다.

X-번째 행과 k-번째 열의 뉴론에 입력된 신호 IXk(즉, 바이어스신호 ; JXk=0)는 다음 값으로 세트된다.

결합계수와 입력신호가 상기 값으로 세트되어 있는 뉴랄 네트워크 303이 동작될때 그의 에너지함수 E는 최소로 감소된다. 이때, 어느 뉴론이 발화됐는지를 판정한다. 발화 상태로 부터 한 로트 제조후 다른 로트 제조를 위한 준비비용을 최소화하도록 제품들의 로트별 제조순위를 어떤 순서로 해야할지를 판정한다.

예를들어 뉴랄 네트워크 303이 안정되게 동작하는 동안 제1행과 제1열의 뉴론, 제2항과 제3열의 뉴론, 제3행과 제2열의 뉴론 등이 반환한다면 하나의 로트제조후 다른 로트 제조를 위한 제조 준비비용을 최소화하기 위해 로트 A, 로트 C 및 로트 B의 순으로 제조해야 함을 판정한다.

i-번째 행과 j-번째 열의 뉴론 313을 (I+j)에 긴밀하게 상관되나 서로 다른 임계치 hij를 갖기때문에 각 계층의 뉴론들은 다른 계층의 뉴론들의 것과는 다른 발화용이성을 갖는다. 제1행과 제1열의 뉴론과 M-번째 행과 M-번째 열의 뉴론을 연결해주는 대각선상에 위치되는 인공뉴론들이 발화할 가능성이 아주 크다. 다시말해 제24도로 부터 알 수 있는 바와 같이 한 로트의 제품의 순위가 높을수록 즉, 이 로트가 주문자에게 빨리 인도되야 할 수록 다른 로트의 제품보다 앞서 제조될 것이다. 그러므로, 제24도에 보인 뉴랄 네트워크 시스템은 한 로트를 제조한후 다른 로트를 제조하기 위한 제조준비 비용을 최소화 할 뿐만 아니라 정해진 날에 고객에게 정해진 로트를 인도하기 위해 어느 로트를 다른 로트보다 전에 또는 후에 제조해야 할지에 대한 문제점에 대한 최적의 해결책을 구할 수 있다.

이미 설명한 바와 같이 각각의 인공뉴론의 발화용이성은 뉴론의 임계치를 변경시켜 변화시킨다. 그대신 발화용이성은 그에 공급되는 바이어스신호 J 또는 뉴론의 출력함수 f를 변경시켜서 변화시킬 수 있다. 또한, 발화용이성은 뉴론의 여러계층들의 결합계수들 ω에 상이한 바이어스들을 가해줌으로서 변화될 수 있으며 그에 의해 이들 결합계수들 ω를 조정할 수 있다.

체크회로 305를 설명하면 다음과 같다. 이미 지적된 바와 같이 제24도에 보인 뉴랄 네트워크 시스템은 한 로트 제조후 다른 로트를 제조하기 위한 준비비용을 최소화 할뿐만 아니라 각 로트의 제품을 고객에게 납기일까지 인도하기 위해 여러 로트의 제품들을 제조하는 순서를 결정한다. 그러나, 반드시 납기일에 납품되어야할 로트가 제날자에 고객에게 인도될 수 있도록 여러 로트의 제품 제조순서를 결정하는 것을 보장할 수 없다. 어떤 로트제품의 인도지연을 방지하기 위해 체크회로 305는 식 (22)에 의해 각 로트제품이 납기일전에 제조될 수 있는지 판정한다.

식(22)에서 Tα(i-1, i)는 (i-1)번째 로트 제품대신 i-번째 로트를 제조하기 위하여 공구와 장치들을 바꾸는데 소요되는 시간이며, Tα(0,1)은 제1로트를 제조하기 위한 제조시에 공구들과 장치들을 배치하는데 소요되는 시간이며 Tβ(i)는 i-번째 로트제품을 제조하기 위한 마감일이다. 회로 305는 각 로트의 제품이 납기일전에 제조될 수 있는지를 나타내는 신호를 출력한다. 이 신호는 파라메터 설정회로 306로 입력된다.

만일, 회로 306에 입력되는 신호가 납기일까지 제조할 수 없는 로트의 제품이 있음을 나타낼 경우, 파라메터 설정회로 306는 이 로트를 좀 더 우선 순위를 갖는 뉴론의 행에 할당하고 또한 식(20)에 의해 여러 개층의 뉴론들의 결합계수 ω를 변경한다. 뉴랄 네트워크 시스템이 로드 A, 로트 B 그리고 로트 C순으로 로트들이 제조되야 한다고 판단했고, 또한 체크회로 305가 로드 B를 납기일내에 제조할 수 없다고 판단했다고 가정하자. 이때, 파라메터 설정회로 306은 로트 B와 로트 A를 제1 및 제2행의 뉴론들에 각각 할당하고 또한 여러 계층의 뉴론들의 결합계수 W를 변경한다. 로트 A와 B를 재할당하고 계수 ω를 변경 완료한후, 제어회로 307은 뉴랄 네트워크 303을 다시 구동시킴으로써 그에 의해 네트워크 303은 문제점에 대한 새로운 최적의 해결책을 구할 수 있다.

제어회로 307은 네트워크 303이 모든 로트의 제품들이 각각의 납기일까지 제조 납품될 수 있는 필요요건에 대한 해를 구할때까지 뉴랄 네트워크 303을 반복적으로 구동한다. 제어회로 307의 동작을 제25도에 보인 후 로우차트를 참조하여 설명하면 다음과 같다.

우선, 제어회로 307은 뉴랄 네트워크 303의 파라메터들을 초기값으로 세트하도록 파라메터 설정회로 306을 명령한다(단계 U1), 그다음 제어회로 307은 뉴랄 네트워크 303을 구동시킨다(단계 U2). 제어회로 307은 소정 시간이 경과됐는지를 판정하여 네트워크 303이 안정된 동작상태로 동작했는지를 알아낸다(단계 U3). 만일 yes일 경우, 회로 307은 체크회로 305에 명령하여 모든 로트의 제품들이 납기일까지 납품될 수 있는지를 판정한다(단계 U4). 체크회로 305는 모든 로트가 각각의 납기일까지 제조될 수 있는지를 판정한다(단계 U5). 만일 단계 U5에서 No이면 제어회로 307은 뉴랄 네트워크 303의 파라메터들을 변경하도록 파라메터 설정회로 306을 명령하여 여러 로트의 제품들을 제조하는 순서를 최적화할 수 있다(단계 U6). 그 다음 체크회로 305는 회로 306이 파라메터들을 변경했는지를 판정한다(단계 U7). 만일, No이면 단계 U7은 반복된다. 만일 yes이면 단계 U2로 복귀된다. 제어회로 307은 모든 로트의 제품들이 각각의 납기일까지 납품될 수 있음을 단계 U5에서 판정할때까지 단계 U2∼U7을 반복한다.

결국, 뉴랄 네트워크 시스템은 단시간내에 뉴톤의 발화상태로 부터 한 로트를 제조한후 다른 로트를 제조하기 위한 제조준비비용을 최소화하도록 또한 각각의 납기일까지 납품할 수 있도록 여러 로트의 제품들을 어떤 순위로 제조해야 될지에 관한 문제점에 대한 가장 적합한 해결책을 구할 수 있다.

제24도에 보인 시스템이 납기일까지 어떤 로트의 제품을 납품할 수 없는 문제점에 대한 해결책을 구할때 뉴론의 행들에 재할당하지 않고 다음과 같은 방법에 의해 최적 해결책을 구할 수 있다. 즉, 최적의 해결책은 뉴론에 공급되는 바이어스 신호의 레벨, 그의 임계치 또는 그의 출력함수를 변경시킴으로서 얻어낼 수 있으며 그에 의해 동일 행의 발화된 뉴론의 앞선 열에 속하는 로트에 할당된 행의 뉴론들이 앞에서 보다 쉽게 발화할 수 있다. 이 경우에도 역시 그 시스템은 최적의 해결책을 구할 수 있다. 좀 더 구체적으로 만일 시스템이 제2행에 할당되는 로트가 세번째로 제조해야 할 것이며 또한 이 로트가 납기일까지 납품될 수 없다고 판정할 경우, 그때 다른 바이어스신호보다 높은 레벨의 바이어스신호가 제2행 및 제1열의 뉴론에 그리고 제2행과 제2열의 뉴론에 공급된다. 다른 방법으로 이들 뉴론의 임계치 h를 감소시키거나 그의 출력함수 f를 변경할 수 있다.

제24도에 나타낸 뉴랄 네트워크 시스템은 여행 판매원문제(Traveling-Sales man Problem)을 해결하는 데에도 적용될 수 있다. 그 경우에 시스템이 제조할 제품의 로트들에 우선 순위를 할당하는 대신 판매원이 방문해야할 지역들에 우선 순위를 할당해주면 된다. 또한 시스템은 다른 유사한 문제점을 해결하기 위해 적용될 수도 있다.

입력/바이어스 신호 공급회로 304, 체크회로 305, 파라메터 세팅회로 306 및 제어회로 307은 마이크로 컴퓨터와 같은 단일장치로 교체될 수 있다.

제24도에 보인 뉴랄 네트워크 시스템은 또한 뉴랄 네트워크에 의해 수행되는 병렬처리를 효과적으로 행하게 해주며, 그에 의해 그들의 레벨에 따라 하강서열로 입력신호들의 번호를 순시적으로 나열할 수 있다. 그 때문에 시스템(제21 및 23도)은 최고 레벨신호, 최저 레벨신호 및 중간 레벨신호를 순시 검출할 수 있다. 그러므로, 이 시스템은 지연없이 신뢰성있는 제어치, 즉 중간레벨에 가까운 레벨들의 아나로그 입력신호들의 레벨들만을 평균화한 평균레벨을 출력할 수 있다.

더우기 본 발명의 제3실시예에서는 경보처리를 성취하기 위해 신호가 특정범위밖에 있는 레벨인지를 조회하도록 매 아나로그 입력신호마다 체크할 필요가 없다. 오히려 제21 및 23도에 보인 시스템은 최고 레벨 신호가 상한치보다 높은 레벨에 있는지 그리고 최저 레벨신호가 하한치보다 낮은 레벨에 있는지를 판정하는 것으로 충분하다.

더우기, 제24도에 나타낸 뉴랄 네트워크 시스템은 여행판매원 문제에 대한 해결책을 신속히 구할 수 있으며, 또한 한 로트제조후, 다른 로트를 제조하기 위한 준비비용을 최소화시킬 뿐만아니라 각각의 납기일까지 모든 로트의 제품을 납품할 수 있도록 여러 로트제품의 제조 순위를 신속히 판정할 수 있다.

제1실시예에서와 같이 제2 및 제3실시예는 다수의 뉴랄 네트워크를 가질 수 있다. 만일 이것이 그럴 경우에 여러 뉴랄 네트워크들을 동시에 동작시켜 이들 네트워크들의 출력들 중 임의의 것을 선택하여 그것을 제어치로서 사용한다.

Claims (10)

1. 정보처리를 행하는 복수의 인공뉴론(neurons)을 각각 갖고 있는 N개의 뉴랄 네트워크수단(111-1~111-n) ; 상기 N개의 뉴랄 네트워크수단의 출력을 받아 이들 뉴랄 네트워크수단의 출력에 준하여 뉴랄 네트워크들중 최적의 뉴랄 네트워크를 검출하는 검출수단(101,121) ; 및 상기 검출수단에 의해서 검출된 뉴랄 네트워크의 출력을 수신 및 출력하는 출력수단(102)으로 되는 뉴랄 네트워크 시스템.
2. 제1항에 있어서, 상기 검출수단(101, 121)은 상기 N개의 뉴랄 네트워크수단 (111∼1111-n)의 출력을 수신하여 이들 N개의 뉴랄 네트워크의 에너지 함수치들을 구하는 연산회로들(121-1∼121-n)과, 상기 구해진 에너지함수치들을 비교하여 최소 에너지함수치를 갖는 뉴랄 네트워크수단을 판정해서, 상기 출력수단(102)이 최소 에너지 함수치들을 갖는 뉴랄 네트워크수단을 선택하여 출력하도록 지령을 출력하는 최소치 판정수단(101)을 포함하는 것을 특징으로 하는 뉴랄 네트워크 시스템.
3. 제2항에 있어서, 상기 검출수단(101, 121)은 상기 N개의 뉴랄 네트워크수단 (111-1∼111-n)의 출력을 주사하는 수단(103)을 포함하는 것을 특징으로 하는 뉴랄 네트워크 시스템.
4. 복수의 입력신호를 수신하여 소망하는 레벨에 있는 임의의 입력신호를 검출하기 위한 신호를 출력하는 뉴랄 네트워크수단(201) ; 상기 뉴랄 네트워크수단(201)으로 상기 입력신호를 공급하는 신호공급수단(204) ; 및 상기 뉴랄 네트워크수단(201)으로 부터 출력되는 신호에 준하여 소망하는 레벨에 있는 임의의 입력신호를 검출하는 신호검출수단(202)으로 되는 뉴랄 네트워크 시스템.
5. 제4항에 있어서, 상기 신호공급수단(204)은 상기 뉴랄 네트워크수단(201)으로의 상기 입력신호의 공급을 정지하는 수단을 포함하고, 상기 입력신호는 이미 상기 신호 검출수단(202)에 의해서 소망하는 레벨에 있음이 검출된 것이 특징인 뉴랄 네트워크 시스템.
6. 제4항에 있어서, 신호레벨로 환산하여 놓은 상기 입력신호들의 서열을 뒤바꾸는 반전수단(206) ; 상기 반전수단(206)에 연결되고 상기 반전수단(206)으로 부터 출력되는 신호들을 수신하여 소망하는 레벨에 있는 임의의 입력신호를 검출하기 위한 신호를 출력하는 제2의 뉴랄 네트워크수단(211) ; 및 상기 반전수단(206)으로 부터 출력되는 소망하는 레벨에 있는 임의의 입력신호를 상기 제2의 뉴랄 네트워크수단(211)의 출력에 준하여 검출하는 제2의 신호검출수단(212)을 더 포함하는 것을 특징으로 하는 뉴랄 네트워크 시스템.
7. 제4항에 있어서, 상기 신호공급수단(204)은 신호레벨로 환산하여 놓은 상기 입력신호들의 서열을 뒤바꾸는 반전수단(206)과, 상기 반전수단(206)과 상기 뉴랄 네트워크수단(201)에 연결되며 입력신호들(I₂-I_N) 또는 상기 반전수단으로 부터 출력되는 신호들을 선택하여 이들 선택된 신호를 뉴랄 네트워크수단(201)으로 공급하는 스위칭수단(207)을 포함하는 것을 특징으로 하는 뉴랄 네트워크 시스템.
8. 제4항에 있어서, 상기 신호공급수단(204)은 복수의 신호를 수신하여 이들 신호를 특정 레벨범위에 대한 보수레벨신호들로 변환하는 변환수단(216) ; 상기 복수의 신호들과 상기 변환수단으로 부터 출력되는 보수신호를 적산하여 상기 뉴랄 네트워크수단(201)에 공급하는 적산수단(210)을 포함하는 것을 특징으로 하는 뉴랄 네트워크 시스템.
9. 뉴랄 네트워크 시스템에 있어서, 행과 열로 배열되어 서로 결합되고 계층상으로 분할되어 각 계층의 인공뉴론들이 다른 계층의 인공뉴론과는 상이한 발화의 용이성을 갖는 복수의 인공뉴론(311)을 포함하는 뉴랄 네트워크 시스템.
10. 제9항에 있어서, 인공뉴론들의 행들과 열들이 사상들(events)에 제각기 할당되고 또한 상기 인공뉴론들의 행들과 열들이 상기 사상들의 우선 순위로 할당되어 있으므로 인공뉴론으로 부터 출력되는 신호를 처리함으로써 사상의 발생순위를 판정하는 판정회로(310)를 더 포함하는 것을 특징으로 하는 뉴랄 네트워크 시스템.

Images