自己組織化マップ連想メモリの高機能化とハードウェア化に関する研究

自组织图联想存储器的高功能及硬件实现研究

• 批准号: 14780270
• 负责人: 服部 元信
• 金额: $ 2.5万
• 依托单位: University of Yamanashi
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2002
• 资助国家: 日本
• 起止时间: 2002 至 2004
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-14780270/
• 关键词: 連想メモリ; 自己組織化マップ; 海馬; 時系列; 形態学的連想記憶; 核パターン; 概念獲得; 追加学習; 連想メモリ; 自己組織化マップ; 海馬; 時系列; 形態学的連想記憶; 核パターン; 概念獲得; 追加学習

本研究では,連想に基づく高次情報処理システムの実現に向けて,より適切に脳の連想記憶機能を模倣する連想メモリを構築し,プログラミングが可能なハードウェアであるFPGAに実装することを目的としている.本年度は以下の研究を行った.1.海馬神経回路網のモデル化生体の脳では海馬が記憶の獲得に重要な役割を果たしていると考えられている.本研究では,神経細胞に見られるスパイクタイミングによる学習則と海馬の解剖学的構造を考慮した連想メモリを構築し,本モデルが情報の出現頻度に応じて記憶を形成したり消去したりできること,並びに時空間情報を扱えることを明らかにした.2.自己組織化マップ連想メモリのハードウェアモデルの検討実装の対象としているFPGAはディジタル回路であるため,FPGAを用いて効率的に大規模な連想メモリを実装するためには,これまでソフトウェアモデルとして開発・改良を行ってきた自己組織化マップ連想メモリをハードウェア化に適したモデルとなるように修正する必要がある.具体的には,データの表現方法や回路規模が大きくなる乗算回路などについて,本モデルの基本的な特徴を損なわない範囲で簡単化を図る必要がある.また,連想メモリの中で情報の記憶に直接関係する重みの精度をどの程度にするべきか,複雑な演算を必要とする学習をハードウェア化に適した機構となるようにするためにはどのような修正を加えるべきかなどの検討を行った.こうした修正による影響を計算機シミュレーションによって確認した後,ハードウェアモデルのプロトタイプを構築した.

在这项研究中，我们旨在创建一个关联内存，以更适当地模仿大脑的关联内存功能，并在FPGA（能够编程的硬件）中实现它。今年，我们进行了以下研究：1。对海马神经网络进行建模，海马被认为在生存生物体大脑的记忆中起着重要作用。这项研究表明，关联记忆是基于基于峰值时间和海马解剖结构的学习规则，并且该模型可以根据信息发生的频率形成并消除记忆，并且可以处理时空信息。 2。检查用于自组织的地图关联内存的硬件模型，针对实现的FPGA是数字电路。因为用于实施自组织地图硬件模型的FPGA是数字电路。为了使用FPGA有效地实现大规模的关联内存，有必要修改自组织的MAP关联内存，该内存已被开发并改进为软件模型，以成为适合硬件的模型。具体而言，有必要简化此模型的基本特征，而不会损害关联内存中此模型的基本特征。此外，我们研究了应设置与信息存储直接相关的权重的准确性，并应设置关联内存中的信息存储，以及进行哪种修改，以进行需要进行复杂计算的学习，这些计算适合硬件。在使用计算机模拟检查这些修改的效果之后，我们构建了硬件模型的原型。