論理指向ニューラルネットワークを利用したパターン認識システムのハードウェア実装

使用面向逻辑的神经网络的模式识别系统的硬件实现

基本信息

批准号：
12780239
负责人：
神尾武司
金额：
$ 1.15万
依托单位：
Hiroshima City University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
2000
资助国家：
日本
起止时间：
2000 至 2001
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-12780239/
关键词：
論理指向ニューラルネットワーク多層パーセプトロンスパース結合ニューラルネットワークハイブリッドシステム連想メモリパターン認識バックプロパゲーション法量子化荷重多しきい値関数判定レベル VHDL

项目摘要

今年度の研究計画に従って、論理指向ニューラルネットワーク(LOGO-NN)をVHDLによって設計し、FPGA上へのハードウェア実装を試みた。その作業過程を通じて、比較的簡単なパターン認識に対しては高性能なLOGO-NNを低コストでハードウェア化できることが確認された。しかし、問題の難易度が高くなるにつれて、LOGO-NNに必要となるデータビット数とニューロン数は増加し、十分なコスト削減が難しいことも確認された。そこで、この問題を回避するために、LOGO-NNと連想メモリを併用したパターン認識システムを新たに考案した。連想メモリは入力パターンを修復する能力があるため、低コスト化によってLOGO-NN単体の性能がある程度低くなったとしても、システム全体で高いパターン認識率を維持できることは明らかであり、さらに、それをシミュレーションによって確認することができた。また、連想メモリは多層パーセプトロン(MLP)とスパース結合ニューラルネットワーク(SINN)を組み合わせて構成した。ここで、MLP部はLOGO-NNによって実現することで低コスト化を図った。一方、SINN部はハードウェア化が容易なモデルとして知られるセルラーニューラルネットワーク(CNN)を基に構成した。したがって、連想メモリ自体の低コスト化も十分に達成することができた。このように今年度の研究では、LOGO-NNと連想記憶MLP-SINNを組み合わせることによって、本研究の目的であるLOGO-NNを利用した高性能なパターン認識システムが低いハードウェアコストで実現されることを示すことができた。今後の課題は、このパターン認識システムをLSI上に実装することで、より大規模な問題に対応できるようにすることなどが挙げられる。

根据今年的研究计划，我们与VHDL设计了一个面向逻辑的神经网络（徽标-NN），并试图在FPGA上实施硬件。通过工作过程，已经确认高性能徽标nn可以是硬件，以低成本，以实现相对简单的模式识别。但是，随着问题的困难增加，徽标nn所需的数据叮咬和神经元的数量增加，并且也证实很难降低成本。因此，为了避免此问题，新设计了使用徽标-NN和关联内存的新模式识别系统。由于关联内存具有恢复输入模式的能力，因此很明显，即使仅由于低成本而徽标-NN的性能较低，很明显，整个系统可以保持高模式识别率，并且它我可以通过模拟确认。关联记忆是多层感知器（MLP）和稀疏结合的神经网络（SINN）的组合。在这里，徽标NN减少了MLP部分，以降低成本。另一方面，SINN部分基于蜂窝神经网络（CNN），称为易于硬件的模型。因此，我们能够完全实现关联内存本身的低成本。在今年的研究中，徽标-NN和相关的内存MLP-SINN的组合将使用徽标-NN实现高性能模式识别系统，这是本研究的目的，而硬件成本低能够证明这一点。未来的问题包括在LSI上实施此模式识别系统，以便可以响应更大的问题。