量子化結合非単調ニューラルネットワークのハードウェア化設計とその閾値学習アルゴリズム

スポンサーリンク

概要

論文の詳細を見る
ニューラルネットワークの持つ高度な情報処理能力を実現するためにはハードウェア化が必須であり、高速かつ集積度の高いハードウェアが要求される。これらの要求を満たすために、我々は荷重値の量子化と非単調ニューロンの導入という2つの手法を取り入れた。荷重値の量子化は{-1,0,+1}の3値のみを考える。これにより集積度は向上するが学習性能の低下は避けられない。この学習性能の低下を補うために、学習性能の高い非単調ニューロンを導入する。非単調ニューロンには閾値と呼ばれるパラメータが存在し学習性能はその値に左右され、その最適値は解く問題やネットワーク構造に依存する。そこで本論文では閾値の学習アルゴリズムを提案し、数値シミュレーションによりその有効性を示す。さらに、このような量子化結合非単調ニューラルネットワークをアナログ回路で設計し、学習回路を含む20ニューロン400シナプスのシステムを設計した。
2002-11-04

著者

関連論文

もっと見る

スポンサーリンク