ハードウェア化に適した学習機能付き3値多層ニューラルネットワーク

概要

論文の詳細を見る
本論文では, ハードウェア実装に適した学習機能付き多層ニューラルネットワーク(Multilayer Neural Network;MNN)を提案し, 実験, シミュレーションによる動作の確認を行っている.活性化関数を3値とすることで, ニューロン出力と重みとの乗算シフトや論理積のような簡単な回路でハードウェア化できる.また, 学習機能としてバックプロパゲーションアルゴリズムを用いるが, これもパルス信号による重みの更新とアルゴリズムの簡単化により乗算回路を使わずに実現できるようにしている.しかし, これらの簡単化により学習成功率が低くなってしまうという問題がある.そこで, 本研究では活性化関数の微分関数として使用する関数を変更することで, この3値関数を用いたMNNの学習成功率を改善している.提案するMNNをField Programmable Gate Array(FPGA)に実装し, 複数の論理関数の学習実験を行い, 提案するMNNアーキテクチャの有効性を示するともに, 学習成功率が改善されることを示す.更に, シミュレーションにより簡単な2次元図形の学習実験を行い, 不十分な学習データから元図形を復元できることを示す.
社団法人電子情報通信学会の論文
1998-12-15