KR950009484A - 전방향 신경망을 구비한 정보처리 시스템 및 신경망 학습방법 - Google Patents

Abstract

본 발명에 따른 정보처리 시스템은 기능적으로 다수의 상호 연결된 뉴런으로 이루어진 전방향 신경망을 포함한다. 뉴런들중에서 적어도 하나 이상의 특정 뉴런은 다수의 입력 신호들을 수신하고, 이 뉴런 입력 신호에 응답하여, 이 입력신호들의 함슈이면서 또한 상기 뉴런 입력 신호들중 적어도 한 신호의 변화율과 특정 뉴런 출력 신호의 변화율중 적어도 어느 한 변화율의 함수인 뉴런 출력 신호를 발생한다. 본 신경망은 신호 종속 지연, 신호 분산 및 위상 천이로 표현되는 다이나믹 동작을 나타낸다. 본 신경망은 임의의 다이나믹 시스템의 자극-응답 특성을 나타내도록 학습되어질 수 있다.

Description

전방향 신경망을 구비한 정보처리 시스템 및 신경망 학습방법

본 내용은 요부공개 건이므로 전문내용을 수록하지 않았음

제1도는 전방향 신경망(feedforward neural net)의 예시도.

Claims (12)

1. 뉴런 각각이 다수의 뉴런 입력 신호들을 수신하고 이 입력 신호에 응답하여 뉴런 출력 신호를 발생하는 상호 연결된 다수의 뉴런으로 기능적으로 구성된 전방향 신경망을 구비한 정보처리 시스템에 있어서, 뉴런들중에서 특정 뉴런이, 이 특징 뉴런에 입력되는 뉴런 입력 신호들의 함수이면서 또한 상기 뉴런에 입력 신호들중 적어도 어느 한 변화율의 함수인 특정 뉴런 출력 신호를 발생하는 것을 특징으로 하는 전방향 신경망을 구비한 정보처리 시스템.
2. 제1항에 있어서, 상기 함수가 상기 특정 뉴런에 입력되는 뉴런 입력 신호들의 선형 결합에 달려있으면서 또한 상기 특정 뉴런 출력 신호의 1차 시간 미분, 상기 특정 뉴런 출력 신호의 2차 시간 미분, 상기 특정 뉴런에 입력되는 뉴런 입력 신호들중에서 적어도 하나 이상의 특정한 신호의 1차 시간 미분중 적어도 하나 이상의 미분에 달려있는 것을 특징으로 하는 전방향 신경망을 구비한 정보처리 시스템.
3. 제2항에 있어서, 상기 특정 뉴런이 상기 특정 뉴런 출력신호의 선형 결합과 상기 특정 뉴런 출력 신호의 1차 및 2차 시간 미분의 선형 결합을 상기 특정 뉴런에 입력되는 뉴런 입력 신호들을 포함하는 제1독립변수의 비선형 함수와 상기 특정 뉴런에 입력되는 뉴런 입력 신호들중에서 적어도 하나 이상의 신호의 1차 시간 미분을 포함하는 제2독립변수의 비선형 함수와 거의 같게되게 활동하는 것을 특징으로 하는 전방향 신경망을 구비한 정보처리 시스템.
4. 제1항에 있어서, 상기 함수가 적어도 하나 이상의 변수를 포함하고, 상기 시스템이 변수값을 조정하는 수단을 포함하는 것을 특징으로 하는 전방향 신경망을 구비한 정보처리 시스템.
5. 제1항에 있어서, 신경망으로 가능하도록 프로그램된 컴퓨터를 포함하는 전방향 신경망을 구비한 정보처리 시스템.
6. 신경망에 입력되는 미리 규정된 입력으로부터 원하는 출력을 도출해내기 위해 제4항의 시스템을 사용하여 신경망을 학습시키는 방법에 있어서, a)적어도 하나 이상의 변수에 임의값을 할당하여 신경망을 초기화시키는 단계와; b) 상기 미리 규정된 입력을 신경망을 공급하는 단계와;c) 상기 미리 규정된 입력의 결과로서 구해진 신경망 출력을 원하는 출력과 비교하는 단계와; d)비교 결과가 소정 기준에 맞지 않으면 갱신 절차에 따라서 변수값을 갱신한 다음 단계 b)로 되돌아 가는 단계와; e) 비교 결과가 소정 기준에 맞으면 학습을 종료하고 최종적으로 구해진 값을 유효하게 하는 단계를 포함하는 신경망 학습 방법.
7. 제6항에 있어서, 상기 신경망이 정보처리 시스템에 포함되어 있는 컴퓨터에서 구현되고, 상기 미리 규정된 입력을 공급하는 단계가 다수의 시간 영역 튜플을 공급하는 단계를 포함하고, 상기 튜플 각각은, 특정 순간에 표시하는 시간 표시기와; 상기 특정 순간에 대응하는 특정 입력 샘플을 포함하고, 상기 비교 단계가; 상기 특정 입력샘플의 결과로서 신경방에 의해 산출된 특정 샘플과 특정 순간에 대응하는 특정의 원하는 출력 샘플간의 불일치를 결정하는 단계를 포함하는 것을 특징으로 하는 신경망 학습 방법.
8. 특정의 원하는 전이 행렬을 통해서 특정의 소정 주파수의 특정 고조파 입력이 공급될 때 상기 조정 주파수의 특정 고조파 출력을 발행시키기 위해 제4항의 시스템을 사용하여 신경망을 학습시키는 방법에 있어서, a)적어도 하나 이상의 변수에 임의값을 할당하여 신경망을 초기화하는 단계와; b) 상기 특정의 주파수에 대해서 구해진 특정 전이 행렬을 결정하는 단계와; c) 상기 특정의 원하는 전이 행렬과 상기에서 구해진 특정 전이 행렬을 비교하는 단계와; d) 비교 결과가 소정 기준에 맞지 않으면 갱신 절차에 따라서 변수값을 갱신한 다음 단계b)로 되돌아 가는 단계와; e) 비교 결과가 소정 기준에 맞으면 학습을 종료하고 최종적으로 구해진 값을 유효하게 하는 단계를 포함하는 신경망 학습 방법.
9. 제8항에 있어서, 상기 신경망이 정보처리 시스템에 포함되어 있는 호스트 컴퓨터에서 구현되는 것을 특징으로 하는 신경망 학습 방법.
10. 제8항에 있어서, 특정의 스태틱 상태를 결정하는 특정 바이어스 상태하에서 특정의 원하는 전이 행렬을 통해 특정의 소정 주파수의 특정 고조파 입력이 공급될때 상기 특정의 소정주파수의 특정 고조파 출력을 발생시키기 위해 신경망을 학습시키는 단계를 포함하는 신경망 학습 방법.
11. 제7항에 있어서, 특정의 원하는 전이 행렬을 통해 특정의 소정 주파수의 특정 고조파 입력이 공급될 때 상기 특정의 소정 주파수의 특정 고조파 출력을 발생시키기 위해 신경망을 학습시키는 단계를 포함하고, 상기 학습단계가, a) 상기 특정의 소장 주파수에 대해서 구해진 특정의 전이 행렬을 결정하는 단계와; b) 상기 특정의 원하는 전이 행렬과 상기 구해진 특정의 전이 행렬을 비교하는 단계와; c) 비교결과 소정 기준에 맞지 않으면 갱신 절차에 따라서 변수값을 갱신한 다음 단계 a)로 되돌아 가는 단계와; d) 비교 결과가 소정 기준에 맞으면 학습을 종료하는 단계를 포함하는 신경망 학습 방법.
12. 제7항 또는 제9항에 있어서, 상기 신경망을 전자 회로나 시뮬레이터 시스템중 적어도 어느 하나상에 지도작성하는 단계를 더 포함하는 신경망 학습 방법.

    ※ 참고사항 : 최초출원 내용에 의하여 공개하는 것임.