Claims (2)
15 к входу генератора импульса, выход которого вл етс выходом модели нейрона , модели многовходовых нейронов, кажда из которых состоит из сумматора , пр мые входы которого соедине20 ны с выходами модели многовходового нейрона, тормоз щий вход которого подключен к инверсному входу сумматора , выход которого соединен с входом порогового элемента, выход кото25 рого подключен к генератору импульса , выход которого вл етс выходом модели многовходового нейрона, управл ющий вход порогового элемента соединен с входом регулировани порога срабатывани модели миоговходового нейрона, и .модэли тормоз щих нейронов, кажда из которых состои-i из генератора импульса, выход которого через инвертор подключен к выходу , модели тормоз щего нейрона C2l. Недостатком известного решени вл етс то, что в устройствах с большим числом моделей нейронов в строке число элементов св зи, т.е. BanoMHjiarotuiijc входов оказываетс столь велико, что изготовление устройства становитс затруднительным. Цель изобретени - упрощение модели . Указанна цель достигаетс тем, что в модели нейронной сети, содер-. жащей модели нейронов, кажда из которых состоит из триггера, нулевой вход которого подключен к входу сбро са модели нейрона, единичный вход триггера соединен с выходом первого элемента И, входы которого подключены к входам, элемента ИЛИ и соедине ны с информационным входом и входом записи - считывани модели нейрона соответственно, ВЕЛХОД элемента ИЛИ подключен к первому входу второго элемента И, второй вход которого соединен с единичным выходом триггера, выход второго элемента И подключен к входу генератора импульса, выход которого вл етс выходом модели нейрона, модели многовходовых нейронов , кажда из которых состоит из сумматора, пр мые входы которого соединены с входами модели многовходового нейрона, тормоз щий вход которой подключен к инверсному вхо;ру сум матора, выход которого соединен с входом порогового элемента, выход ко торого подключен к генератору импуль са, выход которого вл етс выходом модели многовходового нейрона, управ л ющий вход порогового элемента соединен с входом регулировани порога срабатывани модели многовходового Нейрона, и модели тормоз щих нейтронов кажда из которых состоит из генератора импульса, выход которого через инвертор подключен к выходу модели тормоз щего нейрона, модели нейронов образуют матрицу п х т, причем входы сброса моделей нейронов каждой i-1 (i 1, 2, . . . n) строки подключены к i-ому разр ду п разр дной шины сброса, каждый i-й разр д п разр дно шины записи - считывани соединен с входами записи - считывани моделей нейронов i-й. строки и через 1-ю модель тормоз щего нейрона с тормоз щим вхр дом i-й модели многовходового нейрона , выход которого подключен к (1+1) ому разр ду шины запис - считывани j-й (J 1, 2, ..., т) разр д входно информационной юины соединен с инфор мационными входами моделей нейронов j-oro столбца, в1-коды которых подклю чены к j -ому разр ду выходной информационнойшины , вмходы моделей нейронов i-й строки соединены с соответствующими входами -й модели многовходового нейтрона,вход регулировани порога срабатывани нейрона соединен с i -ым разр дом п-разр дной шины регулировани порога срабатывани . . На фиг. 1-приведена структура модели нейронной сети; на фиг, 2 - структура модели нейрона; на фиг. 3 структура модели тормоз щего нейрона; На фиг. 4 - структуры многовходового нейрона. Модель нейронной сети (фиг. 1) содержит входную разр дную информационную шину 1, п разр дную шину 2 записи- считывани , п разр дную шину 3 сброса, модели нейронов 4, модели тормоз щих нейронов 5, модели многовходовых нейронов 6, п разр дную шину 7 регулировани порога срабатывани и m разр дную выходную информационную шину 8. Модель нейрона 4 (фиг. 2) содержит первый элемент И 9, триггер 10, элемент ИЛИ 11, второй элемент И 12 и генератор 13 импульса. Модель тормоз щего нейрона 5 (фиг. 3) содержит генератор 14 импульса и инвертор 15.. Модель многовходового нейрона б (фиг. 4) содержит сумматор 16, пороговый элемент 17 и генератор 18 импульса . Модель работает следующим образом. Запись.информации. На входы соединенные с информационными входами моделей нейронов 4, поступает какоенибудь Число в пр мом.и в обратном коде одновременно (например комбинаци ОНО, соответствующа числу 01) . На шину записи - считывани свободной чейки (первой строки, например, первой чейки) поступает сигнал записи от коммутатора (не показан). В первой чейке в состо ние 1 перевод тс Элементы пам ти второй и третьей модели нейрона 4. 1в дальнейшем модель нейрона, триггер которой перешел в состо ние 1, вырабатывает сигнал как в том случае, когда сигнал поступает на ее информационный вход, так и в том случае, когда сигнал поступает на вход, соединенный с шиной 2 записи - считывани . .. Пусть в первой чейке записано двоичное число 01, т.е. записано 0110, а во второй двоичное число 10 в пр мом и в обратном коде, т.е. 1001. Если теперь на информационные входы устройства поступает двоичное число 01 в пр мом и в обратном коде, т.е. ОНО, то пусть оно записываетс в очередную свободную чейку. Одновременно возбуждаетс втора и треть модели нейронов 4 в первой чейке. Во второй чейке не возбужд етс ни одна из моделей нейронов 4. Если порог возбуждени Ссрабатывани ) модели нейрона б установлен; таким, что она возбуждаетс при отсутствии сигнала на ее тормоз щем входе и при наличии сигналов на 50% ее входов, соединенных с выходами моделей нейронов, эта модель возбуж даетс в первой чейке и посылает сигнал в шину запись - считывание второй чейки. В результате возбужд ютс перва и четверта модели нейрона 1 во второй чейке. На выходах сети вслед за комбинацией ОНО с не которой задержкой по вл етс комбин ци , сигналов 1001. Модель нейрона второй чейки при этом не возбуждаетс , так как на ее тормоз щем вхо де будет сигнал с выхода модели тор моз щего нейрона 5 второй чейки. Таким же образом при участии модели тормоз щего нейрона предотвращаетс возбуждение модели нейрона той чей ки, в которую записываетс информаци . Таким образом, благодар .введен11ым св з м между модел ми нейронов резко упрощаетс модель нейронной . сети,-., обладающей ассоциативной пам тью . Формула изобретени Модель нейронной сети, содержаща модели нейронов, кажда из которых состоит из триггера, нулевой вход которого подключен к входу сброса мо дели нейрона, единичный вход триггера соединен с выходом первого элемен та И, входы которого подключены к входам элемента ИЛИ и соединены с информационным входом и входом запи си - считывани модели нейрона соответственно , йыход элемента ИЛИ подключен к первому входу второго элемента И, второй вход которого соединен с единичным выходом триггера, выход второго элемента И подключен к входу генератора импульса, выход которого вл етс выходом модели ней рона, модели многовходовых нейронов кажда из которых состоит из сумматора , входы которого соединены с входами модели многовходового нейрона, тормоз щий вход которой подключен к инверсному входу сумматора, выход которого соединен с входом порогового элемента, выход которого подключен к генератору импульса, выход которого вл етс выходом модели многовходового нейрона, управл ющий вход порогового элемента соединен с входом регулировани порога срабатывани модели многовходового нейрона, и модели тормоз щих нейронов, кажда из которых состоит из генератора импульса, выход которого через инвертор подключен к выходу модели тормоз щего нейрона, отличающа с . тем, что, с целью упрощени модели, модели нейронов образуют матрицу п X т, причем входы сброса моделей нейронов каждой i-й (i 1, 2, ...,. п) строки подключены к 1-ому разр ду п разр дной ыины сброса, каждый i-й разр д п разр дной шины записи - считывани соединен с входами записи - считывани моделей нейронов i-й строки и через i-ю модель тормоз щего нейрона с тормоз щим входом i-й модели многовходового нейрона, выход которого подключен ( i+l)-OMy разр ду шины записи - считывани , j-й (J 1, 2, ..., т) разр д входной информационной шины соединен с информационными входами моделей Нейронов j-ro столбца, выходыкоторых подключены к j-ому разр ду выходной информационной мины, выходы моделей нейронов i-й строки соединены с соответствующими входами i-й модели многовходового нейрона, вход регулировани порога срабатывани нейрона соединен с i-ым разр дом п разр дной шины регулировани порога срабатывани . Источники информации) прин тые во внимание при экспертизе . 1.Грановска Р. М., Ганзен В. А. Одна из возможных моделей сети, отличакнца с ассоциативной пам тью. В кН. : Оперативные и посто нные запоминающие устройства, М.-Л., Энерги , 1964, с. 179-186. 15 to the input of the pulse generator, the output of which is the output of the neuron model, models of multi-input neurons, each of which consists of an adder, the direct inputs of which are connected to the outputs of the model of a multi-input neuron, the inhibitory input of which is connected to the inverse of the adder, the output of which is connected with the input of the threshold element, the output of which is connected to a pulse generator, the output of which is the output of the multientry neuron model, the control input of the threshold element is connected to the input of the threshold control Positioning the miogovhodovogo neuron model, and the braking .modeli neurons, each of which is-i of the pulse generator, whose output is connected through an inverter to the output neuron model brake present C2l. A disadvantage of the known solution is that in devices with a large number of neuron models in the string, the number of communication elements, i.e. BanoMHjiarotuiijc inputs are so large that the manufacture of the device becomes difficult. The purpose of the invention is to simplify the model. This goal is achieved by the fact that in the model of a neural network, A single model of neurons, each of which consists of a trigger, the zero input of which is connected to the reset input of the neuron model, a single input of the trigger is connected to the output of the first And element, whose inputs are connected to the inputs, of the OR element and connected to the information input and the recording input - read the model of the neuron, respectively; the ORIGIN element OR is connected to the first input of the second element AND, the second input of which is connected to the single output of the trigger, the output of the second element AND is connected to the input of the pulse generator, the output of which is The output of a neuron model, models of multi-input neurons, each of which consists of an adder, the direct inputs of which are connected to the inputs of a model of a multi-input neuron, the inhibitory input of which is connected to the inverse input; the sum of the matrix, the output of which is connected to the input of the threshold element that is connected to a pulse generator, the output of which is the output of a model of a multi-input neuron, the control input of the threshold element is connected to the input of the adjustment of the threshold of operation of a model of a multi-input Neuron, and the braking neutrons each of which consists of a pulse generator whose output is connected through an inverter to the output of a braking pattern neuron model neurons form a matrix n x m, and the reset inputs of each neuron models i-1 (i 1, 2,. . . n) the lines are connected to the i-th bit of the n-bit reset bus; each i-th bit of the n-bit of the write bus — the read is connected to the write inputs — of the i-th neuron model read. lines and through the 1st model of the inhibiting neuron with the inhibiting inrush of the i-th model of the multi-input neuron, the output of which is connected to (1 + 1) th bus discharge of the write-read jth (J 1, 2, ... , t) the bit of the input information unit is connected to the information inputs of the neuron models of the j-oro column, whose 1-codes are connected to the j-th bit of the output information line, the inputs of the neuron models of the i-th row are connected to the corresponding inputs of the i-th model of multi-input neutron, the input control threshold for the operation of the neuron is connected to the i-th bit of the n-bit DN minutes bus control actuation threshold. . FIG. 1-shows the structure of the neural network model; FIG. 2 shows the structure of a neuron model; in fig. 3 structure of the inhibitory neuron model; FIG. 4 - structures of multi-input neuron. The neural network model (Fig. 1) contains the input bit information bus 1, the n bit bus 2 write-read, the n bit discharge bus 3, the neuron 4 models, the inhibitory neuron 5 models, the multiple-input neuron models 6, the n bit bus 7 for adjusting the threshold and m-bit output information bus 8. The model of neuron 4 (Fig. 2) contains the first element AND 9, the trigger 10, the element OR 11, the second element And 12 and the pulse generator 13. The model of inhibitory neuron 5 (Fig. 3) contains a pulse generator 14 and an inverter 15 .. The model of a multi-input neuron b (Fig. 4) contains an adder 16, a threshold element 17 and a pulse generator 18. The model works as follows. Record.Information. The inputs connected to the information inputs of the neuron models 4, receive some Number in the forward code and in the return code simultaneously (for example, the IT combination corresponding to the number 01). A write bus for reading a free cell (the first line, for example, the first cell) receives a write signal from a switch (not shown). In the first cell, the memory elements of the second and third model of the neuron 4 are transferred to state 1. 1a further, the model of the neuron, the trigger of which passed into state 1, produces a signal both when the signal arrives at its information input and In the case when the signal arrives at the input connected to the write 2 bus - read. .. Let binary number 01 be written in the first cell, i.e. 0110 is written, and the second binary number is 10 in the forward and reverse code, i.e. 1001. If now binary information number 01 is sent to the information inputs of the device, in forward and reverse code, i.e. IT, then let it be written into the next free cell. At the same time, the second and third neuron 4 models in the first cell are excited. In the second cell, none of the models of neurons 4 is excited. If the excitation threshold of C) is established; so that it is excited when there is no signal at its inhibiting input and if there are signals at 50% of its inputs connected to the outputs of the neuron models, this model is excited at the first cell and sends a signal to the write bus — read the second cell. As a result, the first and fourth models of neuron 1 are excited in the second cell. At the network outputs, following a combination of ITO with some delay, the combination of signals 1001 appears. The second cell model of the neuron is not excited, since its inhibitory input will be a signal from the output of the brain neuron 5 model of the second cell. In the same way, with the participation of the inhibitory neuron model, excitation of the neuron model of the ki in which the information is recorded is prevented. Thus, thanks to the introduction of connections between neuron models, the neural model is greatly simplified. network, -., with associative memory. The invention The neural network model containing models of neurons, each of which consists of a trigger, the zero input of which is connected to the reset input of the neuron model, a single trigger input connected to the output of the first AND element, the inputs of which are connected to the inputs of the OR element and connected to the information input and input of the record si - read the model of the neuron, respectively, the output of the element OR is connected to the first input of the second element AND, the second input of which is connected to the single output of the trigger, the output of the second element I connected To the input of the pulse generator, the output of which is the output of the neuron model, the multi-input neuron models each of which consists of an adder, the inputs of which are connected to the inputs of a multi-input neuron model, the inhibitory input of which is connected to the inverted input of the adder an element whose output is connected to a pulse generator, the output of which is the output of a model of a multi-input neuron, the control input of the threshold element is connected to the input of the threshold adjustment multi-input neuron models, and inhibitory neuron models, each of which consists of a pulse generator, the output of which through an inverter is connected to the output of the inhibitory neuron model, which differs from. so that, in order to simplify the model, the neuron models form a matrix n X t, and the reset inputs of the neuron models of each i-th (i 1, 2, ...,. n) rows are connected to the 1st bit of n-bit Each reset of the i-th bit of the write write-write bus is connected to the write inputs of the i-th row of neuron models and through the i-th model of the inhibiting neuron with the braking input of the i-th multi-input neuron model, the output of which the (i + l) -OMy bit of the write-read bus is connected, the jth (J 1, 2, ..., t) bit of the input information bus is connected to the information the inputs of the Neuron models of the j-ro column, whose outputs are connected to the j-th bit of the output information mine, the outputs of the neuron neuron models are connected to the corresponding inputs of the i-th model of a multi-input neuron, the input of the neuron threshold trigger control is connected to the i-th bit n discharge bus throttling threshold. Sources of information) taken into account in the examination. 1.Granovska R.M., Ganzen V.A. One of the possible models of the network, with an associative memory. In kN. : Operational and permanent storage devices, M.-L., Energie, 1964, p. 179-186.
2.Кохонен Т. Ассоциативна пам ть, М., Мир, 1980, с. 213 (прототип).2. Kokhonen, T. Associative memory, M., Mir, 1980, p. 213 (prototype).
;/; /
tt
3 3
33
0Ut.Z0Ut.Z