TW386198B - Neural network utilizing logarithmic function and method of using same - Google Patents
Neural network utilizing logarithmic function and method of using same Download PDFInfo
- Publication number
- TW386198B TW386198B TW083111637A TW83111637A TW386198B TW 386198 B TW386198 B TW 386198B TW 083111637 A TW083111637 A TW 083111637A TW 83111637 A TW83111637 A TW 83111637A TW 386198 B TW386198 B TW 386198B
- Authority
- TW
- Taiwan
- Prior art keywords
- neural network
- network
- neuron
- patent application
- generate
- Prior art date
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
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Feedback Control In General (AREA)
- Devices For Executing Special Programs (AREA)
- Image Analysis (AREA)
- Measurement Of Radiation (AREA)
Description
Α7 Β7 五、發明説明(〇 二 先前應用的參考 本寒用已於1.99_4-年_丄_卫_2_日_.在美画提出,其專利應用號 碼為 08/176,iQ丄。 相«的發明 本發明與下列發明有鼸,他們譆渡給與本發明相同的受 讓人一 ------------------------- (Γ) ·’神經元電路及使用此神經元電路之方法” ("Neuron Circuit, and Method of Using Sa^eM ,其序 為.........— * '<2丨”使用加法電路之人造神經芫及使用該人造神經元 之方法 ” ("Artificial Neuron Using Adder Circuit and Met. hod of l丨 si hr Same”’),其序號為____,_,同 此同時申謫。 (3) ”神經網路及使用該神經網路之方法” ("Neural
Net, work and Method of 丨1 si Same”),其序 SS 為 _ -, 參照本發明的發表;藉此編入上面檷說的相闢發明的主 要事項。 技術領域 本發明與一般的人造神經網路有關且特別是與可於一 VI.ST(超大規模積體雷路)晶Η或電腦程式中當施的神經網 路有闢且該神經網路使用不需重覆訓練且對每一所給的输1 入向晕钼產生一全域最小值的訓練演算法。 . / ; 發明背景 -4 — 本纸張尺度適用中國國家揉率(CNS ) A4规格(210X297公釐)
(請先閲讀背面之注A -1—裝*— isi項再填寫本頁) 訂 經濟部中央標準局員工消費合作社印装 經濟部中央標隼局負工消费合作社印製 A7 B7 五、發明説明(2 ) - 人造神經網路在種種不同的計算瑁境中*具有其實用性 ’像是語音辨識(speech recognition)’壜程控制 <pr〇Cess c〇ntrol),光符號辨雄(optical character rec〇gn;t, i〇n),信.號處理(signal processing),及影像 處珲(image processing)。 *該神挥網路包含多俩稱為神經元電路的基本邏輯元件。 —神挥元雷路(或處理元件)是神經網路的基本組成部件 °神样元雷路有多俩蝓入及一僩+输出。 '如囿卜而標識為相關發明第]號'中的說明,傳統神經元 雷路的構造通常包括一乘法灌路(niultipHer circuit), 一加结!雷路,一供紈行非線性函數(像是二進位門檻 「thresholdl或S形「sigmoid〗函數)之電路與功能像神經 辨(svnapses)或加權的蝓入連接之電路。因為傳統典型的 神網路霈要所有上而提及韵罨路,所W做在半導JI晶 Η卜.的神經元窜軋黻目受到嚴格的限制。相Η發明第1號 棋孩於一雹施例中* 一種儀包括一乘法器當做其主要處理 元件的神稃元窜路,而上面一標識相闞發明第2號揭露於 一官腌例中,一種傕包栝一加法器當做其主要處理元件的 神辉元爾路。 如同卜.而榑_為相關發明第3號中的說明,有超遇二十 種R知的神姅網路架構的類型,其中”反向-傳送" ("hack-propagation”), 知器 ”(”perceptron”),與” 赭伯飛網路” ("Hopfie丨d network")最為人所熟悉。相期 -5 - 本紙張尺度逍用中國國家揉準(CNS ) Α4规格(210X297公嫠) —^裝·-- (請先聞讀背面之注毒事項再填寫本頁) -,η 經濟部中央樣準局負工消費合作社印装 A7 B7 五、發明説明(5 ) 二 發明第3號椹®於一《施例中•一種不需重覆訓嫌•對每 一输人向最姐產生全域最小值及具有易於實施的架構之神 畀網路。雖然相闞發明第3號中椹s的神經網路,表現超 择了先前得知的較早的技術之重大進步,而提供一至少具 有相W發明第3號揭露的優點及較簡單且便宜,實施於棟 «ί薄甚至π要較少砂茔間之改良神經期路是值 的。 w此對神經網路有一重要的禰求·那就是它不需重覆的 訓練,它對每一所給的繪入向最姐產生一全域最小值,而 肖它有一便宜且易於官施的簡單的構。 發明摘要 根據本發明的教義設計的神經網路的較佳實施例1最多 包栝三屑。第一層至少提供兩禰功能:(1)連接钃路的外 而輸λ的連接功能(丨nte「connect function),及(2)對網 路,J面输人取對數的對黻功靡。第二曆使用上面一 _^雄 枏Μ發明第2號电說明的神經元霄路或其軟體同等物。第 三賻為输出蹰,對第二層的神經元的輸出執行反對數功能 而後將他們加總。 對照傳統神經網路,它需要漫長的訓練週期,而根據本 發明建造的神經網路於單一訓練遇期(也參照為一個時期 fepochl或反覆〖iteration]),便收歛於一全域解,用個 人雷腦常常可不需嫌分鐘的時間來計算該全域解。 此外,對照傳統神經網路,根據本發明有提供的神羥網 路,它使用多俩神經元電路;該神經元電路不俚別地使用 —〇 裝·— (請先閲讀背面之注毒事項再填寫本頁) 、11 1 - 6 · 本紙張尺度適用中两两家揉牟(CNS ) A4规格(2H)X297公釐> 經濟部中央標隼局員工消費合作社印装 Α7 Β7 五、發明説明(4 ) 二 任何非媒性功能且每~個神經元轚路僅需要一加法電路當 做其主要處理元件。因此,更多的神經元罨路可K整合於 一 VIST晶Η上,此舉大大地的增加使用這類晶片的神經網 路的計箄能力。 如此根據本發明建造的神經網路,不論在半導«晶Η上 普滅少下,铁辛 精確的结果,且得Μ大最的減少成本及Sfe的裡雜度將 夸到窜視。 此外,根據本發明建造的神經網路,藉由提供做加總神 鋅元雷路的输出的多僩加總電路,~苛具有多個输出。 因此,提供使用多俩神經元電路的神經網路,而每一神 經元蜇路本質上備需要一加法罨路來當做它主要的處理元 件是本發明的一優點,所Μ可建造包含非常大數目的此神 拌元窜路之神經網路*由於它功能性的高牖次及製造的低 成_本_,使它成為商業上具銪爭&的產品。 _ 提供不隳要重甩訓練的神經網路,也是本發明的儍點之 -0 又本發明的另一儇點是提供對每一所給驗入向量姐產生 一幸域最小堉。 提供訓練神經網路之方法,而該神纆網路不霈要重覆訓 練是本發明的另一儍點。 根撺本發明,提供使用神經網路之方法也是本發明的優 根據本發明的一外觀,有提供具有多個網路轤入及至少 -7- 本纸張Λ度適用中國國家揉率(CNS ) Α4規格(210X297公釐〉 (請先閲讀背面之注參事項再填寫本頁) 、裝- 訂 A7 B7 五、發明説明(5 ) 二 一锢網路输出的神經網路,該神經網路包括供運用對數功 能於網路輪入以產生相對應的對數输入之裝置;多個神經 元,每一神經元具有多個響應相對懕的對數蹌入之嫌入且 砻生一鎗出;供埋用反對數功能於每一神羝元綸出Μ產笔 枏對應的反對數輸出之裝置;與供加總神經元的反對數输 f g g生至少一網路輸^-- 又根據本發明的另一外観,有提供包括多俚網路輸入及 牵少一網路輸出的神經網路;多個神經元,每一神經元接 收多俩輪入及產生一输出;供產生對數及反對數功能之裝 W ;及搡作該神經網路之方法*該飞法包括下列步» ·· (a)該對歟功能產生裝置運用對黻功能於該神經输人以產 牛相對應的對數轤人;(b)分配每一該對數轤入該每一該 神經元輸人;<c)每一神經元理用選通功能(gating funct. ίοη)於毎一該對數蝓入以產生相對應的選通输入 (pa ted input); (d)每一神經元加每一該S通蝓入在:起 W產生一加總;(卩)每~神經元加該加缌於一加榷值以對 每一神經產生一神纆元輪出;(f)該反對數功陡產生裝置 评用反對敝功能&每一該神經元輸出W產生相對應的反對 齡輪出;及加總該神經元的反對數轤出>乂產生至少一 (請先閱讀背面之注鲁事項再填寫本頁) .裝·
,1T 經濟部中央標準局員工消费合作社印装 ’ 將 而點 然特 ❶的 明明: 發發中 本本其 出;, 指畫解 明地圖瞭 說別的易 短特随容 簡,伴最 的中同將 畫圍連明 調範,發 利明本 專說且 請的見 申细易 。 的詳而 出加列願 輸 附下更 路 於照得 網參華 本纸張尺度逋用中國國家梂準(CNS }八4规格(210Χ297公釐) 五、發明説明(6 ) in 1 阃2 流程圃 Η 3 俩輪出 ^ m 4 流程鼷 國5 輪人目. 流稈圃 本枝 硬鵂, 式而交 神辟元 C 1 Γ c u I c i r c υ ί A7 B7 (FTG.1)根據本發明,展示神經網路的概觀圈。 (FIG.2)展示使闬圖1中說明的神經網路的方法之 Ο (FIG.3)根據本發明,展示平行地接收输入且有多 的神經網路之槪觀圔。 gjK 使甩 的方法之 (FTG. 5)根據本發明較佳霣施例,屐示顒序地接收 有多铒輸出的神經網路之概観_。 (FTG.fi)展示使闬國5中說涮的神經網路的方法之 〇 較佳《施例的詳細說明 «中技術普通的人·會瞭解本發明的神纆網路可Μ 軟鵂或兩者的姐合來實豳,且本說明中依《豳的型 互地使用像是”神經罨路”(”neUr〇n circuit”)^輿” ”(” n e u r ο η ”)術語或”加缌電路 ”("s u * n i n g t. ”加總器 ”「’summer ”),”加法電路 ”("adder t. ”卜”加^器”(” a d d e「” >,等術語。 本0 根 請 先 閲 讀 背 1 奮 裝 訂 線、 經濟部中央標準局員工消费合泎tt印裝 的 〉當 逋 lylK _ λ 可 輸能 的功於 路數能 網對功 倨該數 多,對 。4 行 匾能紈 観功它 槪黻且 的對, 路给腌 網餾實 經地來 神序法 示 _ 算 展χη演 ,,或 明:路 發:窜 〇 時 人人 轤输 的一 黻每 對於 生用 ti·-. be 庳 缠 Μ 4 賴能 , 功霸 人齡醚 输對隈 的當給 它.配 元0 神 示 展0 中 其 分元 出經 翰神數一 對毎 的的 應8) 對及 相7 本纸張尺度適用中國國家捸率(CNS ) A4規格(210X297公釐) B7 五、發明説明(7 ) 。本發明中,皤黼層傕霈要一 1神經元。 如间上而檷谦為相闞發明的說明,每一神經元理用選通 功能於胃數输入Μ產生相對應的選通输入。當每一輪入 X,的對黻分配給神經元5-8時,每一神經元5-8可以理用遘 通功能於它Μ形成選通输入。然後,每一神經元5-8它的 m _k與緊穑的加總相加i該加燼是前次通助1结思,转# 有該加结!,則它的输入與0相加,來產生新的累積的加總 0 镌最後的輸入,x„,的對數分配給神經元5 - 8時* _巷有 加權侑Ueight value),每一神經X 5-8把它個別的累稽 加塘與加權侑相加來形成累積加總。 然後,灌用反對數功能12理用於每一神經元的累積加缌 ,該反對黻功能紈行反對黻功能於它的输入。神經元5-8 的檢出的反對數接著捶用於输出曆中逋當的加總裝置或功 能,像是加缌器14,以產生神經網路的输出。 _ Λ-- 醐2展示使用中說明的神經網路的方法之流程圓。 如同框20中的說明,第一步,對數功能運用於眾多網路输 入X,中的一侗。下一步,如同框22中的說明;蝓入XI的對 齡分配給每一神經元5 - 8 。 經濟部中央標準局貝工消費合作社印製 決定框24中,確定這是否為第η個網路蝓入。若是,則 該方法前進到框28,但是·若不是,它前進到框26。 豭26中,每一神經元5-8把它的個別的選通输入與它先 前的累稽加總相加•若沒有該加缌,則該個別的選通输入 街0相加,來產生累積加總。然後,該方法回到框20° -10- 本紙張尺度逋用中國國家搮车(CNS ) Α4规格< 210X297公釐) A7 B7_二_ 五、發明説明(8 ) ~ 框28中,若有先前的累積加總及加權值,每一神經元 5-8把它的p別的選通输入與該先前的累積加结[及加權值 相加Μ形成累積加總。 框30中,每一神經元的累積加缌定義成它的_出。下一 步,框於中,對眾多的神經元5-8的一個轤出取反對數。 框· 34中,反對數分配給加總器14的綸入,且框36中,加總 器〗4把這输入與先前的累積加總相加’若沒有該累積加總 ,則其與0相加,以產生新的累積加缌。 決定抿37中,確定這是否為最後(譬如’第η個)的神經 示輪出的反對數。若是,該方法前氇到框38,但是,若不 #,它冋到框3 2。 框38中,加總器的輸出定義成神經網路的輸出y ,且程 .序结束。 阃3根據本發明•展示平地地接收檐人且有多俚輪出神 铧網路之《觀鬭。多俑綱路輸U,X2·----及儷刖ώ餵 給輸"人醑的對數功能41,42興44。 經濟部中央標準局員工消費合作社印製 (請先《讀背面之注意本項再填寫本頁) ‘输入翳中的毎一對數功徙41 * 42與44的_出分配給皤Μ 麻的每一神經元f其中僅展示46 ’ 47,51與52)。例如’對 齡功能41的输出分配給神經電路46,47 ’ 51與52的每一個 目分RB給皤輛層中所有其它的神經元電路(沒有展示)°關 於對齡功能42,44’與其它输人層中的對數功能(沒有展 示)也做相同的連接。 對神姅網路的本官拖例,反對數功能54· 55’ 58,及 59分別地琿用於神經雷路46 ’ 47,5]與的蝓出’來產生 1 1 _ 本紙張尺度適用中國國家樣準^CNS)A4規格(210x297公羞) " Α7 Β7 經濟部中央標隼馬員工消費合泎杜印裝 五、發明説明(9 ) - 痦些輪出的反對數。 下一步,神經元46與47的反對數由加總器61來加總,其 輸出yi表示本神經網路的一输出。此外*神經元47,51與 R2的反對黻由加總器6來加總,其输出^表示神經網路的 另一输出。外加的加餹器(沒有黼示)缠當地理用於神經 46-52典其罄康」其它输出 y r, - 1 ° 雖然國3展示兩髑加總器或加缌電路於輸出層中,技術 普掮的人會瞭解,可Μ使用多於兩偁的加缌器或加總轚路 /雖然,阃3也展示某些網路输出接在一起*神經元的 输出也可Κ是不逋接的。 围4屏示使用國3中說明的神經網路的方法之流程圔。 如同框70中的說明,對毎一網路输入(譬如输入Χϊ,x2, ....,χΝ)取對敝。下一步,框72中•這值大鎇上同時地 令給毎一神銲元的鳙人(臀JPW3中,皤藏層的神_^元 46* 47* 5J* 52)° 下一步,如囿框74中的說明,毎一神經元理用選通功能 於網路《5入的每一對數Μ產生相對應的S通輸人。如上面 提到關於闕3的,任一所給的神經元可以理用不同的選通 劝能於它接收的不同網路的输入之每一對數。 下一步,如同框76中的說明,對任一所给的神經元,該 撰通輸人加在一起Κ產生加總。 下一步,如同糇78中的說明,對任何所給的神經元•選 通輪入的加嫌與預先決定的加檷值相加Μ對這類神烴元產 -12- 本紙張Α度適用中國國家揉準(CNS ) Α4%格(210x297公釐) (請先聞讀背面之注意 -ϋ 1^1 nn T項再填寫本頁)
1. > J 、-'• -1 經濟部中央橾隼局員工消費合作社印製 A7 B7 五、發明说明(π) 二 生神經元轅出。如同上面提到鬮於圖3的,任何所姶的神 姅元也可以運用不同的加權值於它的加缌。 下一步,閭於框80,對每一神經元输出取反對數。框 82中,加埭器6〗把第一群神經元(亦卽神經元46及47>的神 锊元褕出的反對數加结!,Μ產生第一饀網路輪出yt。 丄(亦即神經--- 芫47, 51及52)的神經轤出的反對數加總,以產生第二個 網路蝓出y n。 如同 >.而提到Μ於 3的,本技藝中普通技術的人會了 解神經元4R-52的反對數的另外时可Μ放入另外的加路! 器中(沒有展示)Μ產生另外的_出mn-i。 圈5根據本發明較佳實施例*展示厢序地接收输入且有 多俩輸出的神經網路之槪觀圖。像圖1中所展示的,多涠 網路檐人X1,____,i暇序地供給输入層的單一對數 功能4 。對》功能4的輸出分配給陲藏層的每一神經j ( —气· ^ •一" 其·中R有展示神辨/元5-8)。 對神铧網路的本苜拖例而言,神經元5-8之一的输出首 先供給斥對敝功能]2,然後·這類神經元输出的反對數大 髑h同時地理用於每加法器1〇〗-1〇9。下一步’神經元 5 _8中的另一個的蝓出供給反對數功能]2,且它的反對數 大髑上同時地運闬於每—加法器101- 109。 加法器101- 109,其中每一涸加法器把每一個最近收到 反對》與它的絜積加缌相加,要不然與〇相加,且當它接 收完每—神經元输出的反對黻時,每一加缌器101- 109的 -13- 本纸張尺度適用中國國家梂率(0NS ) Λ4规格(210X297公嫠) --------—o^.------IT----.--L·. (請先W讀背面之注意事項再填寫本頁) A7 B7 經濟部中央標準扃貝工消费合作社印装 五、發明説明(11 ) T_ •s 最後累積加總定義為神經網路的檢出:^至1。 本枝藝中,技術普通的人,皤鱅層中另外的神經元(沒 有展示)的輸出可以埋用於另外的反對數功能(沒有展示) 目可Κ運用於加法器]〇 1 - 1 〇 9。 两Β展示使用_5中說明的神經網路的方法之流程圈。 釅4?〇- 3?也許輿圔2中說明的相| 的步驟宪全相同。 米驟110中,神經元之一(譬如,神經元5 )的蝓出的反 對黼,分配給毎一俩輸出加结!器10〗-109。步》112中,若 有先前的累積加總,則每一加缌器1G它的输入與其相加, 否刖與0相加,Κ產生新的累積加總。 於決定框Π4中,確定這是否為最後的(亦卽,第η儷) 神铧元鲔出的反對數。若是,本方法前進到框]16 ,若不 是♦刖它冋到框3 2。 _步_嫌1U中,毎一输出加總控最後累積加總,定義_^眾 多'網路输出yi至yp之一。 本發明的神絆網路的操作根據於多項式展開的使用且寬 丈的意義中是ΪΕ交1¾黻的使用,像是正孩,餘弦,指數/ 對辭,複利絮轉換(Fourier transformation),藍劍多項 式(丨egendre po丨ynomia丨),像是瓦特利函數或徑向基函 牌(rafMal basis fuct, ion)的非線性基函數(non-linear basis funcU on),或是類似的函數,或是多項項式展開 朗JH交函數的姐合。 一較佳管施例使用多項式展開,其中方程式1表示一般 ~------.. -14- 本紙張尺度適用中國困家橾率(CNS ) A4规格(210X297公釐) (請先閲讀背面之注兔 事項再填寫本頁) Γ -L , 、-· 五、發明説明(I2 的惰況如下: A7 B7 y = Σ Xlgii x2g2i . i=l • Xn^ni 方程式 經濟部中央標準局貝工消費合作社印裝 其中X f表 其中z .,暴任 :其中y表 的權:其中 醃Η都是整 单網路的輪 方稈式1 闞的櫬朗選 。必須注意 地薄用對數 琯產生ΪΚ確 神烊網路 孑而得,包 。應該了解 得不窜要。 ,R要是可 输人相朗的 要檁準化。 方_程式2 頂。 示網路输入且可Μ是像是的函數 «Τ 示神經網路的鎗出;其Wl-i表示第i個神經元 Rii,....,gn丨表不供第ΐ 神經元的選通函 黻,於一較佳實施例中它是〇或大於0 ;而〇 入。 … 中的每一項表示一神經元输出及與該神經元相 通功能。相關發明第2號中說明神經元的搡作 毎一神經元,它假定每一輪入值是正的且ϋ當 踪每一 _入的符號且對方程式1中的 功能*追 的符號。 中使用/的 栝可利用 多琯式展 因此,一 能*便選 罱度單位 多項式展開的項的數目是根據多個因 的神經元的數目•訓練例子的數目等 開的較高階的項通常是比低階的項來 較佳苜施例中,根據上面提到的因子 取較低階的項°同樣的,因為與不同 可能變動,所Μ输入在使用前可能需 是方程式1的另一表示式,展示直到第3階的 -15 本紙張尺度適用中國國家梂準(CNS ) Α4規格(210 X 297公漦) C---裝— (請先Μ讀背面之注I事項再填寫本頁) 訂 線 A7 B7 五、發明説明(13 η y = w〇 + Σ wi Xi i=l n + Σ wfl(i) xi2 i*l 請 先 閲 背 之 注 n n 再 Σ Σ wf2(iij) XiXj i-1 j=i+l n Σ wf3(i) Xi3 i=l n n 十 Σ Σ Vf4(i,j> xi2xj i=l j=i+l n n i 訂 經濟部中央標準局員工消費合作社印製 + Σ Σ Wf5(i,j) XiXj2 i=l j-i+l η η n+ Σ Σ Σ wf6(i/j/k) xixjxk i=l j=i+l k=i+j+l + 方程式2 -16- 本紙張尺度逋用中國國家揉隼(CNS〉A4規格(210X297公釐) 經濟部中央標準局員工消費合作杜印褽 A7 B7 〜 五、發明説明(砵) 二 其中華數的意義與方程式1中的相同且是範圃從 n + 1至2n的指播函數;是範圍從2n + l至 2n+(r>)(n-l)/2的指檷函數;且“^.”是範_從 2n + 1 + U)(n-l)/2 至 3η+(η)(η-1)/2。而且 至 feM 類似的 方式表示。 中技術熟缭的認得遘通函镟方程式2 的項中。例如,方程式2可Μ表示如下: y_= W〇 + W! Χχ + W2 Χ2 + - · . Wi Xi + . . . + wn Xn ' + Wn+jL Xi2 + . . ‘ + W2n Xn2… + W2n+1 XI X2 + W2n+2 Xl X3 + ... + W3n-i Χχ Xn + W3n X2 X3 + W3n+1 X2 X4 + -.-W2n+(n〉(n-l)/2 Xn-1 Xn + . ·. --· + Wn-1 Xl^lN X2?2N . . · Λη9ηΝ + ... " 方程式3 其中變數意義與方程式〗的相同。 應該特別注意,雖然選通函數項fUn明顯地出現在方程 3最後屏示的項中,人們會了解其它每一項有它自己明顯 地展示的Pf,、項(臀如,對於Wi Xi項gl2 = ]且其它f?12 = 0’ ;=2,3,. . .,η )。Η是任意正整數且表示網路中的第N 俩神經元。 訓練演算法 -17- 本紙張A度逍用中國國家揉準(CNS ) A4规格(210X297公釐) ~裝·-- (讀先閲讀背面之注秦事項再填寫本頁) 訂 A7 B7 ' 五、發明説明(15) 二 要神經網路是有用的,必須決定每神經元罨路的權。使 闬拥常的訓嫌演箄法可達到這目的’例如,像相翮發明第 3號的說明。 摘要 於此已說明一覼念,Μ及多僩神經網路的實施例包括一 iTf實豳例,該神經網用多」一加法器當JtAm 萝處理元件的神經元。 因為神經元雷路的不同的實施例及使用與訓練該神經網 路之方法,如同其中的說明,不需要重覆訓練且對毎—所 给的輸入向#姐提供一全域最小值他們不論在半導體晶 Η上或雷瞬稈式中,在計茸畤間大大地改巻滅小下。執行 得到更精確的结果,旦得W大最的減少成本及首施的複雜 摩。 而目,掼孩的發明可Μ甚多的方式修改且圼規上面明確 地陳述明說明的多侗苜施例而不是較佳的形式,對本技轻 • •一. Λ- 中技術熟練人是顯而易見的。 . <
I 經濟部中央標準局員工消費合作社印製 :(請先閲讀背面之注意策項再填寫本頁) 本發明的覼念可Μ多個方式改變是可了解的。例如’它 是依稽鵂霄路技i,實施的型式(譬如,類比,數位,軟 體等),鏞横大小,外面插針(pin-outs),及其它等,認 為瑄類系統球造上的元件為瑜人節點的數目,神經元或神 辉元雷路的》目與對數,反對數的數目*與加總裝置或霉 路及他們的逋接的設計選擇的事情。 卜面提到的多堉式屏開的截斷程度視想要的精確程度而 定也是鼦而易見的。 _ 1 8 _ 本紙張尺度適用中國國家標準(CNS ) A4规格(210X297公釐) 五、發明説明(16 A7 B7 合 逋 有 所 的 明 發 本 蓋 涵 圈。 意改 園修 範的 利圈 專範 請與 申神 的精 加真 附的 , 明 此 0 闲木 於 -~~^裝·-- (诗先閱讀背面之注*事項再填寫本頁)
•1T 經濟部中央標準局員工消費合作社印装 本紙張尺度適用中困國家揉準(CNS ) A4规格(210X297公釐〉
Claims (1)
- 第831U637號專利申請案 ~?文申請專利範圍修正本(88年 A8 B8 C8 D8 六、申請專利範圍經濟部中央梂牟局貝工消费合作社印簟 1·—種用以回應多個網路輸入信號而產生至少一網路輸出 仏號之神經網路,該神經網路包括: 一對數功能電路,回應該等網路輸入信號以產生多個對 數輸入信號; 一多個^經元’用以產生多個神經元輸出信號,該等神經 元各回應該等多個對數輸入信號而產生一神經元輸出信 號; ° 一反對數功能電路,回應該等神經元輸出信號以產生多 ‘個反對數輸出信號;及 一加總電路,用以-加總該等反對數輸出信號而產生該至 少一網路輸出信號。 2. 如申凊專利範圍第丨項之神經網路,其中該神經元包括 一線性轉換功能。 3. 如申凊專利範園第j項之神經網路,其中該神經網路係 .包含於至少一積體電路。 4. 如申請專利範園第丨項之神經網路,其中該等多個神經 元之至少一個包括一閂鎖及一加法器。 5. 如申請專利範圍第1項之神經網路,其中該等多個神經 元之至少一個包括一計數器及一閂鎖。 6. 如申請專利範圍第丨項之神經網路,其中該等輸入信號 並無包括表示經濟現象之時間序列資料。 7. —種用以回應多個網路輸入信號而產生多個網路輸出信 號之神經網路,該神經網路包括: 運用對數功能於該網路輸入信號以產生多個對數輸入信 O:\38\38146-l.DOC\MFY _ 1 _ (請先閲讀背面之注^^項再填寫本頁} ,華· -- Γ 第831U637號專利申請案 ~?文申請專利範圍修正本(88年 A8 B8 C8 D8 六、申請專利範圍經濟部中央梂牟局貝工消费合作社印簟 1·—種用以回應多個網路輸入信號而產生至少一網路輸出 仏號之神經網路,該神經網路包括: 一對數功能電路,回應該等網路輸入信號以產生多個對 數輸入信號; 一多個^經元’用以產生多個神經元輸出信號,該等神經 元各回應該等多個對數輸入信號而產生一神經元輸出信 號; ° 一反對數功能電路,回應該等神經元輸出信號以產生多 ‘個反對數輸出信號;及 一加總電路,用以-加總該等反對數輸出信號而產生該至 少一網路輸出信號。 2. 如申凊專利範圍第丨項之神經網路,其中該神經元包括 一線性轉換功能。 3. 如申凊專利範園第j項之神經網路,其中該神經網路係 .包含於至少一積體電路。 4. 如申請專利範園第丨項之神經網路,其中該等多個神經 元之至少一個包括一閂鎖及一加法器。 5. 如申請專利範圍第1項之神經網路,其中該等多個神經 元之至少一個包括一計數器及一閂鎖。 6. 如申請專利範圍第丨項之神經網路,其中該等輸入信號 並無包括表示經濟現象之時間序列資料。 7. —種用以回應多個網路輸入信號而產生多個網路輸出信 號之神經網路,該神經網路包括: 運用對數功能於該網路輸入信號以產生多個對數輸入信 O:\38\38146-l.DOC\MFY _ 1 _ (請先閲讀背面之注^^項再填寫本頁} ,華· -- Γ 號之裝置; 多個神經元電路,用以產生多個神經元輸出信號,该等 神經元電路各回應該等多個對數輸入信號至少其一而虞 生一神經元輸出信號; 一運用反對數功能於每一該神經元輸出信號以產生多偶 反裝置H 多個加總電路,該等加總電路各加總預定之該等反對數 輸出信號以產生該等網、路輸出信號。 8. 如申請專利範圍第7項之神經網路,其中該等神經元包 括一線性轉換功能。 9. 如申清專利範圍第7項之神經網路,其中至少有些該等 反對數輸出可由多於一個之該等加總電路所加總。 1〇_如申請專利範圍第7項之神經網路,其中該神經網路係 包含於至少一積體電路。 11. 一種用以回應一序列網路輸入信號而產生至少一網路輸 出信號之神經網路,該神經網路包括: 經濟部中央棣準局貝工消費合作杜印製 一對數功能電路,用以接收該序列之網路輸入連績信號 及運用對數功能於各個該等網路輸入信號以產生多個對 數輸入信號; 多個神經元電路,用以產生多個神經元輸出信號,該等 神經元電路各具有至少一輸入且產生一神經元輸出信 號; 分配裝置’用以分配該等對數輸入信號於每一該等神經 元電路之至少一輸入; —2 — 本紙張尺度逍用中國國家梯準(CNS ) Α4规格(2丨0X297公釐) 經濟部中央棣牟局負工消费合作社印製 is8 _ C8 - D8六、申請專利範圍 反對數功能電路,用以運用一反對數功能於每—該等 神t元輸出信號而產生多個反對數輸出信號;及 —加總電路,用以加總該等反對數輸出信號而產生該至 少一網路輸出信號。 12·如申请專利範圍第11項之神經網路,其中該等神經元包 括一線性能厂。 —— 13如申請專利範圍第11項之神經網路,其中該加總電路包 括多個加總器,各加總器加總預定之該等反對數輸出信 .號且產生該等網路輸出信號。 14·如申*青專利範園第13項之神經網路,其中至少有些該等 反對數輸出信號可由多於一個之該等加總器所加總。 5·浚申專利範圍第η項之神經網路,其中該神經網路係 包含於至少一積體電路。 16_ —種於神經網路中回應接收之多個網路輸入信號而產生 至少一網路輸出信號之方法,該方法包括下列步驟: ⑻運用该網路輸入信號於對數功能電路以產生相對應 之多個對數輸入; (b) 刀配每一該對數輸入於多個神經元; (c) 每一該等神經元運用一選通功能於每一該對數輪入 以產生相對應的多個選通輸入; (d) 每一該等神經元加總該等選通輸入以產生一加總; ⑹每一該等神經元把該加總與加權值相加以產生—神 經元輸出信號,並由此產生多個神經元輸出信號; ⑴運用每一該等神經元輸出信號於反對數功能電路以f #先闻讀背面之•訂 線 經濟部中央棣率局工消費合作社印装 A8 B8 C8 _______D8、申請S範圍 ^ 產生相對應之多個反對數輸出;及 ⑻加總該等反對數輸出以至少產生一該網路輸出信 號。 17.如申請專利範圍第16項之方法,其中該至少一網路輸出 信號係根據一多項式展開》 下列形式: 0C y=Zwi-i xi&i x2g2i...xngni i=l 其中y表示神經網路之輸出; 其中Wi_i表示第i個神經元之加權值,; 其中X!,X2,... Xn表示該神經網路之輸入; • $中gU,_ _ . gni表示供運用於該等輸入之第i個神經元之 選通函數;及 其中η為一正整數。 19_‘如申請專利範圍第18項之方法,其中各&係由Xi = fi(Zj)函 數所表示,其中Zj為任一變數’且其中指標i與』可以是 任何正整數。 20.如申請專利範圍第I8項之方法,其中該至少—網路輪出 信號係根、據該多項式展開之一截斷版本。 21_如申請專利範圍第17項之方法,其中該多項式展開具有 下列形式: η y = w〇 + Σ% Λ i=l η + Ew_ xi2 i=l -4 - 本紙浪尺度逍用中國國家梯準(CNS ) A4规格(210X297公釐) f鲭先s-tt背面之注—裳-- 項再填窝本頁) 、ΤΓ·_申請專利範圍 η η Σ Σ Wf2(i,j) X,iXj *=1 J=i+1 : I;Wf3(i) Xi3 i=l n nΣ Zwf4(ij) x:2xj jei+l Σ Σ^β(υ) xiXj2 »=1 j=i+l 經濟部中央椟牟局Λ工消費合作社印製 +Σ Σ Wk 1=1 j=i+l k=i+j+l 其中y表示神經網路之輸出; 其中wH表示第i個神經元之加權值; 其中xi,Xj, Xk表示該神經網路之輸入;. 其中η為一正整數;且 其中f1(i)至f6(U k)L為指標產主之函數。 22一如申請專利範圍第w項之方法,其中該多項式展開具有 下列形式: y=W〇+Wi X1+W2 X2+...+Wi Xi+...+Wn Xn +Wn+i Xi2+...+W2n Xn2 +w2n+l Xl X2+W2n+2 Xl X3 + ··· +W3n-1 Xl Xn+W3„ x2 X3+W3„+i X2 X4 + .-.W2n+⑷(n_i)/2.Xn-i Xn+... +WN.j X,g1N X2g2N ... X„gnN+... 其中y表示神經網路之輸出; 其中w〇,W丨,· · . WN_!表示加權值,N為一正整數,表, N個神經元,且Wi項通常表示與第i + 1個神 ’、第 加權值; 經元相關之 (請先聞讀背面之注Ϊ項再填窝本頁) 訂 本紙張尺度遒用中國國家棵準(CNS ) A4规格(210X297公釐) 申請專利範圍 合 作 社 其中 X!,X2,·..,&*+ 分 Xn表不该神經網路之輸入,η 數;且 ’ 跫 其中glN,· . .,gnN表示俾遂JJI、λ、、 之選通函數。料用於孩爭輸入之第Ν個神經元 23:”^^16項之方法,其中該至少-網路輸出 信號 --------_出 24如申請專利範圍第2 r , 夂万去,其中孩正交函數為正 孩,餘孩,指數’對數,傳 ^ 得利葉轉換,I劍多项式, 是如瓦特利函數或徑命其ώ 气 m基底函數之非線性函數。 25. 如申請專利範圍第10 月<万忐,其中孩至少一網路輸屮 #號係根據一多項式展朗芬x, 〆月八展開及正交函數之組合。 26. 如申請專利範園第16項之 甘+ .、、丄, 、 ^ < 万法,其中孩神經網路係包会 於至少一積體電路。 27. 如申請專利範園第16項之方法,其中該神經網路係“ 於一電腦程式中。 ° 28. -種於神經網路中回應多個網路輸入信號而產生至少— 網路輸出信號之方法,該方法包括下列步驟: ⑻運用該等網路輸入信號於對數功能以產生多個對 輸入; (b)分配每一該對數輸入於多個神經元電路; ⑹每一該等神經元電路運用一選通功能於每一該等對 數輸入以產生多個選通輸入; (d)每一該等神經元電路把該等選通輸入加在一起以產 '、生一加總;n I. I (請先聞讀背面之注ί項再填窝本頁> 訂 線· 本紙張尺度逋用中國II家棣準(CNS ) A4规格(210X297公釐) 經濟部中央揉準局負工消費合作社印装 '申請專利範圍 ()每該等神總瓜電路把該加總與加權值相加以產生 神心·疋輸出#號,並由此產生多個神經元輸出信 號; ⑴運用該等神經元輸出信號於反對數功能以產生多個 反對數輸出; 對數屬·出以產生第—個網路輸出信號;及 ⑹加總相對應該等多個神經元電路的第二群的梦等反 對數輸出4產生第二個網路輸出信號。· 29.如申咐專利範園第28項之方法,其中於步驟⑻及⑸中至 少有些該等神經元可能皆於該等多個神經元之該第一群 ,及第二群中。 30_如申請專利範圍第π項之方法 號係根據一多項式展開。 31.如申請專利範圍第30項之方法 下列形式.: OC Υ = xlgll x2g2i-xngm 其中y表示神經網路之輸出; 其中Wh表示第i個神經元之加權值; 其中X〗,X2,... χη表示該神經網路之輸入; 其中gli,…gni表..示_供運.用於〜該表.翁入之第i個神經元之 選通函數;及 其中η為一正整數。 其中該第一網路輸出信 其中該多項式展開具有 (请先s饋背面之注九 -- 系存填寫本ί 订' 本紙張尺度適用中國國家標準(CNS ) Α4说格(21〇Χ297公釐) ____*y m '申請專利範圍 32.,如申請專科範,爾第如 中各Xi係由函 •數所表不,其中Zj為任—變數,且其中指標 任何正整數。 疋 览如申請專利範圍第31项之方法,其中該第—_輪出信 %係根據該多項式展開之一截斷版本。 - 。 34.、如T 下列形式:, "^ η 〇 + Zwi xi Swfl(i) Xi i=l η n Σ Swf2(i,j) xixj i=l j=i+l Zw (靖先閑讀背面之注f項再填寫本頁} η nΣ Zwf4(ij) Xi2Xj j=i+l -訂 +Σ Xwf5(ij) xixj i=l j-i+1 η η n + Σ Σ SWf6(U,k) XiXjXk i=l j=i+l k=i+j+l 其中y表示神經網路之輸出; 其中表示第i個神經元之加權值; 其中Xi,Xj,xk表示該神經網路之輸入; 其中η為一正整數;且 其中fi(〇至%j,k)為指標產生之函數。 35.如申請專利範圍第30項之方法,丨中該多項式展開具有 下列形式: 、 y=W〇+W丨 XdWs X2+._.+Wi Xi+...+Wn Χη 線 經濟部中央標準局貝工消费合作社印氧 私紙張尺度遙用中國國家棵準(CNS ) Α4规格(210X297公釐)— • I— m HI A8 B8 C8申請專利範固 經濟部中央標率局貝工消費合作社印簟 41 -種於神經網路中回應—序列網路輸人信號而產生至少 ’凋路輸出號之方法,該方法包括下列步驟: ⑻連續運用孩等網路輸入信號於對數功能電路以產生 相對應序列之對數輸入信號; (b)分配4等對數輸入信號之一於多個吁經元電路; ⑹莓各別之選通 輸入信號以產生各別之選通輸入; (d)決疋是否該對數輸入信號相對應於一第一網路輸入 信號; (i)假如為疋,繼續進行步驟⑹,; 你)假如為—否,繼續進行步驟⑴; ⑹每一该等神.經元電路把農各別之選通輸入與各別之 加權值相加以產生一加總,然後回到步驟⑸; ⑴每一該等神經元電路累積該各別之選通輸入於該 總; ⑻決定是否所有之該序列對數輸入信號皆已分配; (i)假如為是,繼續進行步騾⑸; ⑼假如為否,回到步驟⑹; (h)對於每—該等神經元電路計算該加總以得一神經 輸出信號,並由此產生多個神經元輸出信號; ⑴運用該等多個神經元輪出信號於反對數功能電路 產生多個反對數輸出信號;及 請 λ 聞 面 之 注 I 寫裝· 套· 頁 訂 加 元 以 反 線! ⑴加總相對應該等多個神經元電路的第一群之該等 對數輸出信號以產生—第一網路輪出信號⑽;及A8 B8 C8 D8 申請專利範圍 (k)加總相斜應該等多㈣經元的第二群之該等反對數 輸出信號以產生-第二網路輪出信號⑽。 必如申請專利範園第41項之方法,其中於步驟⑴及(k)中至 少有些該等神經元可能皆於該等多個神經元之該第—群 及第二群中。 43. 如 t ____ 號係根據一多項式展開。 44. 如申請專利範圍第43項之方法,其中該多項式展開 下列形式: 0C y = ZWi-l Xlgli X2g2i---Xng„i i=l 其中y表示神經網路之輸出; 其中表示第丨個神經元之加權值; 其中Xi,X2,. _ _ xn表示該神經網路之輸入; 其中gn,...gni表示供運用於該等輸入之第i個神經 選通函數;及 ^ 其中11為* 正整數 45. 如申請專利範圍第44項之方法,其中夂#丄 分' Xi 1乐由 X; == f·(、 鯉濟部中夬#丰局工消費合作杜印*.訂 數所表示’其中3為任一變數’且其 j τ知標1與j可以I 任何正整數。 乂疋 46. 如申請專利範圍第料項之方法,其中今银 τβ第—網路輪 號係根據該多項式,展開之一截.斯版本。 1s 47. 如申請專利範圍第43項之方法,其中發客 下列形式:μ貝式展開具有 _ 11 _ 本紙張尺度逋用中國國家梂率(CNS ) Α4规格(210X297公釐) 經濟部中央標率局貝工消費合作社印装 A8 B8 C8 D8 六、申請專利範園 η y = w〇 + Zwi xi i=l n + Zwn(i) xi2 i=l η n +Σ Zwf2(ij) xixj i=l j=i+l n + ZWf3〇) Xi3 i=l .............—n-n-:-------- +Σ Σ^) xi2xj i=l j=i+l η n +Σ Zwf5〇j) xix/ i=l j=i+l η η n + Σ Σ Wk i=l j=i+l k=i+j+l 其中y表示神經網路之輸出; 其中表示第i個神經元之加權值; 其中Xi , Xj xk表示該神經網路之輸入; 其中η為一正整數;且 其中f1(i)至為指標產生之函數。 48.如申請專利範圍第43項之方法,其中該多項式展開具有 下列形式: y=w〇+Wi Xi+w2 x2+...+Wi Xi+...+wn xn +Wn+1 X12+...+W2n Xn2 +W2n+1 Xi X2+W2n+2 Xi X3 + ... +W3n_i Xj X„+W3„ X2 X3+W3n+l X2 X4 + ._.W2ii+(n)(n-l)/2 Xn-1 Xn+... +WN-i XigiN X2g2N …XngnN+-· 其中y表示神經網路之輸出; 其中W〇 , W!,…表示加權值,N為一正整數,表示第 -12 - 本纸張尺度逋用中鬮國家橾率(CNS ) A4洗格(210X297公釐) (請先W讀背面之注項再填寫本頁) ri. -訂申請專利範固N個神經兀,且%項通常表示與第i+i個神經元相關 加權值; … 其中X! ’ X2,...,Χη表示該神經網路之輸入,η為—正 數;且 ^ 其中giN,· · ·,gnN表示供運用於該等輸入之第Ν個神經 之連 —--------------------------二^ 士申請專利範園第41項之方法,其中該第_網路輪出 號係根據一正交函數。 5〇.如申請專利範圍第49項之方法,其中該正交函數為正 弦,餘弦,指數,對數,傳利葉轉換,藍劍多項式, 是如瓦特利函數或徑向基底函數之非線性函數。 5 51.如申請專利範圍第41項之方法,其中該第—網路輪 號係根據一多項式展開及正交函數之組合、 ° 说如申請專利H㈣41項之方法,其中該神經網路係 於至少一積體電路。 匕含 53.如申請專利範圍第41項之方法,其中該神_路係 於一電腦程式中。 L含 {請先聞讀背面之注t事項再填寫本頁) •訂. 線 經濟部中央樑準局WC工消费合作社印¾ -13 私紙張尺度逍用中國國家揉準(CNS ) A4規格(210X297公釐)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17660194A | 1994-01-03 | 1994-01-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW386198B true TW386198B (en) | 2000-04-01 |
Family
ID=22645042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW083111637A TW386198B (en) | 1994-01-03 | 1994-12-13 | Neural network utilizing logarithmic function and method of using same |
Country Status (7)
Country | Link |
---|---|
US (1) | US5778153A (zh) |
EP (1) | EP0661645A3 (zh) |
JP (1) | JPH07210534A (zh) |
KR (1) | KR950024083A (zh) |
CA (1) | CA2135857A1 (zh) |
RU (2) | RU94045263A (zh) |
TW (1) | TW386198B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6501805B1 (en) | 1999-05-14 | 2002-12-31 | Harris Corporation | Broadcast transmission system with single correction filter for correcting linear and non-linear distortion |
RU2459254C2 (ru) * | 2007-04-27 | 2012-08-20 | Сименс Акциенгезелльшафт | Способ компьютеризованного обучения одной или более нейронных сетей |
US11244225B2 (en) * | 2015-07-10 | 2022-02-08 | Samsung Electronics Co., Ltd. | Neural network processor configurable using macro instructions |
CN106777829B (zh) * | 2017-02-06 | 2019-04-12 | 深圳晶源信息技术有限公司 | 一种集成电路掩模设计的优化方法及计算机可读的存储介质 |
US10922608B2 (en) * | 2017-03-08 | 2021-02-16 | Arm Ltd | Spiking neural network |
US10929746B2 (en) * | 2017-11-27 | 2021-02-23 | Samsung Electronics Co., Ltd. | Low-power hardware acceleration method and system for convolution neural network computation |
US20210232899A1 (en) * | 2018-02-06 | 2021-07-29 | Tokyo Institute Of Technology | Neural electronic circuit |
DE102019208257A1 (de) * | 2018-07-03 | 2020-01-09 | Heidelberger Druckmaschinen Ag | Druckqualitätsanalyse mit neuronalen Netzen |
JP2020188386A (ja) * | 2019-05-15 | 2020-11-19 | ソニーセミコンダクタソリューションズ株式会社 | 固体撮像装置及び電子機器 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3551663A (en) * | 1965-04-15 | 1970-12-29 | Gen Electric | Multiplication apparatus in a data processing system with a variable length multiplier |
US3748451A (en) * | 1970-08-21 | 1973-07-24 | Control Data Corp | General purpose matrix processor with convolution capabilities |
FR2212952A5 (zh) * | 1972-12-29 | 1974-07-26 | Cit Alcatel | |
US3967100A (en) * | 1973-11-12 | 1976-06-29 | Naonobu Shimomura | Digital function generator utilizing cascade accumulation |
US3922536A (en) * | 1974-05-31 | 1975-11-25 | Rca Corp | Multionomial processor system |
PL106470B1 (pl) * | 1977-02-01 | 1979-12-31 | Inst Maszyn Matematycznych | Uklad cyfrowy do obliczania wartosci zlozonych wyrazen arytmetycznych |
NL192637C (nl) * | 1984-02-27 | 1997-11-04 | Nippon Telegraph & Telephone | Stelselprocessor. |
US4626825A (en) * | 1985-07-02 | 1986-12-02 | Vlsi Technology, Inc. | Logarithmic conversion apparatus |
US5109524A (en) * | 1985-07-02 | 1992-04-28 | Vlsi Technology, Inc. | Digital processor with a four part data register for storing data before and after data conversion and data calculations |
GB8619452D0 (en) * | 1986-08-08 | 1986-12-17 | Dobson V G | Signal generating & processing |
DE3882487T2 (de) * | 1987-05-14 | 1993-11-04 | Fujitsu Ltd | Vektorprozessor zur schnellen verarbeitung von rekursiven gleichungen. |
US5337266A (en) * | 1987-12-21 | 1994-08-09 | Arnold Mark G | Method and apparatus for fast logarithmic addition and subtraction |
US4849925A (en) * | 1988-01-15 | 1989-07-18 | The United States Of America As Represented By The Secretary Of The Navy | Maximum entropy deconvolver circuit based on neural net principles |
FI894021A (fi) * | 1988-08-31 | 1990-03-01 | Fujitsu Ltd | Neuronstruktur. |
US5073867A (en) * | 1989-06-12 | 1991-12-17 | Westinghouse Electric Corp. | Digital neural network processing elements |
US5359551A (en) * | 1989-06-14 | 1994-10-25 | Log Point Technologies, Inc. | High speed logarithmic function generating apparatus |
US5113367A (en) * | 1989-07-03 | 1992-05-12 | The United States Of America As Represented By The Secretary Of The Navy | Cross entropy deconvolver circuit adaptable to changing convolution functions |
US5042001A (en) * | 1989-10-02 | 1991-08-20 | Cyrix Corporation | Method and apparatus for performing mathematical functions using polynomial approximation and a rectangular aspect ratio multiplier |
US5068816A (en) * | 1990-02-16 | 1991-11-26 | Noetzel Andrew S | Interplating memory function evaluation |
US5343254A (en) * | 1991-04-25 | 1994-08-30 | Olympus Optical Co., Ltd. | Image signal processing device capable of suppressing nonuniformity of illumination |
JP3003276B2 (ja) * | 1991-06-19 | 2000-01-24 | 松下電器産業株式会社 | 信号解析装置 |
US5450522A (en) * | 1991-08-19 | 1995-09-12 | U S West Advanced Technologies, Inc. | Auditory model for parametrization of speech |
US5331582A (en) * | 1991-12-16 | 1994-07-19 | Pioneer Electronic Corporation | Digital signal processor using a coefficient value corrected according to the shift of input data |
US5365465A (en) * | 1991-12-26 | 1994-11-15 | Texas Instruments Incorporated | Floating point to logarithm converter |
US5278945A (en) * | 1992-01-10 | 1994-01-11 | American Neuralogical, Inc. | Neural processor apparatus |
EP0628183B1 (de) * | 1992-02-29 | 1998-07-15 | Bernd HÖFFLINGER | Schaltungsanordnung zum digitalen multiplizieren von integer-zahlen |
JPH05342191A (ja) * | 1992-06-08 | 1993-12-24 | Mitsubishi Electric Corp | 経済時系列データ予測及び解析システム |
US5517667A (en) * | 1993-06-14 | 1996-05-14 | Motorola, Inc. | Neural network that does not require repetitive training |
US5553012A (en) * | 1995-03-10 | 1996-09-03 | Motorola, Inc. | Exponentiation circuit utilizing shift means and method of using same |
-
1994
- 1994-11-15 CA CA002135857A patent/CA2135857A1/en not_active Abandoned
- 1994-12-13 TW TW083111637A patent/TW386198B/zh not_active IP Right Cessation
- 1994-12-22 EP EP94120387A patent/EP0661645A3/en not_active Withdrawn
- 1994-12-26 JP JP6337167A patent/JPH07210534A/ja active Pending
- 1994-12-28 KR KR1019940037715A patent/KR950024083A/ko not_active Application Discontinuation
- 1994-12-29 RU RU94045263/09A patent/RU94045263A/ru unknown
- 1994-12-29 RU RU94045146/09A patent/RU94045146A/ru unknown
-
1997
- 1997-01-08 US US08/780,532 patent/US5778153A/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
EP0661645A2 (en) | 1995-07-05 |
CA2135857A1 (en) | 1995-07-04 |
JPH07210534A (ja) | 1995-08-11 |
KR950024083A (ko) | 1995-08-21 |
RU94045146A (ru) | 1996-10-20 |
EP0661645A3 (en) | 1995-09-20 |
US5778153A (en) | 1998-07-07 |
RU94045263A (ru) | 1996-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Poornima et al. | Implementation of multiplier using Vedic algorithm | |
Newman | A measure of betweenness centrality based on random walks | |
McKenzie et al. | Distributions of cherries for two models of trees | |
Aktuğlu et al. | q-Cesáro matrix and q-statistical convergence | |
TW386198B (en) | Neural network utilizing logarithmic function and method of using same | |
Bouguezel et al. | A new radix-2/8 FFT algorithm for length-q/spl times/2/sup m/DFTs | |
Du et al. | A New Theoretical Estimate for the Convergence Rate of the Maximal Weighted Residual Kaczmarz Algorithm. | |
CN113470684B (zh) | 音频降噪方法、装置、设备及存储介质 | |
Dong et al. | CPR-TOPSIS: A novel algorithm for finding influential nodes in complex networks based on communication probability and relative entropy | |
Daykin et al. | Reconstructing a string from its Lyndon arrays | |
CN106682732B (zh) | 一种应用于神经网络的高斯误差函数电路 | |
Gnedin et al. | Coherent permutations with descent statistic and the boundary problem for the graph of zigzag diagrams | |
Yuen et al. | Option pricing in a jump-diffusion model with regime switching | |
Henderson | Inverse of a matrix of relationships due to sires and maternal grandsires in an inbred population | |
Qi | On the Kuznetsov trace formula for PGL2pCq | |
Fang | Remarks on a generalized q-difference equation | |
Andrews | A high-speed algorithm for the computer generation of Fourier transforms | |
CN114862285A (zh) | 生态流量的评价方法和装置、电子设备和存储介质 | |
CN110647312B (zh) | 一种基于电力系统的随机数产生方法 | |
Zhang et al. | Quadratic finite element and preconditioning for options pricing in the SVCJ model | |
Sethi | Some Further Aspects of Rates of Growth Computations | |
MAYER | FINAL REPORT ON THE STAND-ALONE PROJECT P 26008-N25,“TOWERS OF p-CLASS FIELDS OVER ALGEBRAIC NUMBER FIELDS” | |
O’Brien et al. | Alternative transformations and duality of linear fractional programming | |
Mayer | Finite non-metabelian Schur sigma-Galois groups of class field towers | |
Han et al. | Multivariate chaotic time series prediction based on radial basis function neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent | ||
MK4A | Expiration of patent term of an invention patent |