パターン認識のためのパルス形ハードウェアニューラルネットワークモデルに対する一検討

カテゴリ: 部門大会

論文No: GS14-9

グループ名: 【C】平成25年電気学会電子・情報・システム部門大会講演論文集

発行日: 2013/09/04

タイトル(英語): A Study on Pulse-type Hardware Neural Network Model for Pattern Recognition

著者名: 眞下祐一 (日本大学),佐伯 勝敏(日本大学),関根 好文(日本大学)

著者名(英語): Yuichi Mashimo(Nihon University),Katsutoshi Saeki(Nihon University),Yoshifumi Sekine(Nihon University)

キーワード: CMOS|脳型LSI|シナプス可塑性|非線形電子回路|パルス形ハードウェアニューラルネットワークモデルパターン認識|CMOS|Brain-like LSI|Synaptic Plasticity|Nonlinear Electronics Circuit|Pulse-type Hardware Neural Network ModelPattern Recognition

要約(日本語): 近年，生体の優れた情報処理能力の工学的応用に向けて，脳のニューラルネットワークのハードウェアモデルとそのLSI実装に関する研究が進められている．ニューラルネットワークとは，細胞体とシナプスで構成するニューロンが多数結合したシステム・アーキテクチャである．中でも，シナプスの結合荷重が時々刻々と変化し，ネットワークの結合構成が変化するシナプス可塑性が情報処理に大きく関与すると報告されている．
先に我々は，高解像度な入力データに対応するために，大規模なマトリクス状のネットワークを構成できるセルラニューラルネットワークを用いて，パターン認識が可能なANNを提案した．本稿では，多種多様な入力データに対応可能な処理能力を実現するために，画像認識へ応用するためのパルス形ハードウェアニューラルネットワークモデルの構築を行った．その結果，パターン認識能力の柔軟性を向上可能であることを明らかにしている．

PDFファイルサイズ: 6,923 Kバイト