JPH0367358A - 学習機械 - Google Patents
学習機械Info
- Publication number
- JPH0367358A JPH0367358A JP1203326A JP20332689A JPH0367358A JP H0367358 A JPH0367358 A JP H0367358A JP 1203326 A JP1203326 A JP 1203326A JP 20332689 A JP20332689 A JP 20332689A JP H0367358 A JPH0367358 A JP H0367358A
- Authority
- JP
- Japan
- Prior art keywords
- output signal
- input
- signal
- output
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 230000004044 response Effects 0.000 claims description 2
- 230000002401 inhibitory effect Effects 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 16
- 238000010586 diagram Methods 0.000 description 3
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 241000270708 Testudinidae Species 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
Landscapes
- Filters That Use Time-Delay Elements (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
産業上の利用分野
本発明はデータ処理装置の学習機械に関するものであも
従来の技術
従来の学習機械としては、 例えばり、 E、 Rum
elhart、 G、 E、Hinton and R
,J、Williamsによる”LearningRe
presentations by Back−Pro
pagatingErrors、’ Nature、
vol、323. pp、533−536. Oct、
91986)に示されていも この従来の学習機械(
上第6図に示すように出力信号算出部と重み係数更新部
とからなり、前記出力信号算出部は層構造をも執 各層
内相互の結合がなく、上位層にのみ信号が伝搬するよう
にネットワーク接続された複数の多入力−出力信号処理
部60から構成される。
elhart、 G、 E、Hinton and R
,J、Williamsによる”LearningRe
presentations by Back−Pro
pagatingErrors、’ Nature、
vol、323. pp、533−536. Oct、
91986)に示されていも この従来の学習機械(
上第6図に示すように出力信号算出部と重み係数更新部
とからなり、前記出力信号算出部は層構造をも執 各層
内相互の結合がなく、上位層にのみ信号が伝搬するよう
にネットワーク接続された複数の多入力−出力信号処理
部60から構成される。
各多入力−出力信号処理部60はそれに接続されている
下層の多入力−出力信号処理部60の出力とその接続の
度合である重み係数とを掛合わせたものの総和をしきい
値関数で変換した後、その値を上層への出力として伝達
する働きをしている。
下層の多入力−出力信号処理部60の出力とその接続の
度合である重み係数とを掛合わせたものの総和をしきい
値関数で変換した後、その値を上層への出力として伝達
する働きをしている。
重み係数更新部は、 前記出力信号算出部の入力部61
から入力される信号に応じて、教師信号発生部62が前
記入力信号に対する望ましい出力信号を教師信号tkと
して発生し 誤差信号算出部63において前記出力信号
算出部から出力される実際の出力信号□k(obiよ
出力信号算出部における最上位層の第に番目の多入力−
出力信号処理部60の出力を表す。)と前記教師信号t
kとの差から誤差 E =0.5 (t b−o h) ”が計算され こ
の値で現在の結合状態(重み係数の大きさ)でのネット
ワークの性能を評価すもこのようにして計算された誤差
Eをもとに重み変更量算出部64は前記出力信号算出部
の重み係数の変更量△W + 1を次式に基づいて計算
する。
から入力される信号に応じて、教師信号発生部62が前
記入力信号に対する望ましい出力信号を教師信号tkと
して発生し 誤差信号算出部63において前記出力信号
算出部から出力される実際の出力信号□k(obiよ
出力信号算出部における最上位層の第に番目の多入力−
出力信号処理部60の出力を表す。)と前記教師信号t
kとの差から誤差 E =0.5 (t b−o h) ”が計算され こ
の値で現在の結合状態(重み係数の大きさ)でのネット
ワークの性能を評価すもこのようにして計算された誤差
Eをもとに重み変更量算出部64は前記出力信号算出部
の重み係数の変更量△W + 1を次式に基づいて計算
する。
△WIJ” −εaE/θW
ここで、 εは学習レートと呼ばれる正の定数である。
以上のように重みの更新を繰返すことにより、誤差Eを
小さくしていき、誤差Eが十分小さくなると、出力信号
が望ましい値に十分近くなったものとして、学習を終了
すも 発明が解決しようとする課題 しかしながら上記のような構成では、 誤差の値が十分
小さくなっている多入力−出力信号処理部についても誤
差Eの値が減少すれば重みを更新するので学習効率が悪
く、学習に要する時間が長くなるという課題を有してい
た 本発明はかかる点に鑑へ 学習に要する時間の・短い学
習機械を提供することを目的とする。
小さくしていき、誤差Eが十分小さくなると、出力信号
が望ましい値に十分近くなったものとして、学習を終了
すも 発明が解決しようとする課題 しかしながら上記のような構成では、 誤差の値が十分
小さくなっている多入力−出力信号処理部についても誤
差Eの値が減少すれば重みを更新するので学習効率が悪
く、学習に要する時間が長くなるという課題を有してい
た 本発明はかかる点に鑑へ 学習に要する時間の・短い学
習機械を提供することを目的とする。
課題を解決するための手段
第一の発明(表 層構造をもち、 各層内相互の結合が
なく、上位層にのみ信号が伝搬するようにネットワーク
接続された複数の多入力−出力信号処理部からなる出力
信号算出部と、この出力信号算出部で得られた出力信号
をもとに前記出力信号算出部の重み係数の値を更新する
重み係数更新部とを具備し 前記多入力−出力信号処理
部?t、 複数の重み係数を保持するメモリと、複数
のデータを入力する入力部と、この入力部からの入力デ
ータを前記メモリに貯えられた重み係数で重み付けする
乗算手段と、この乗算手段で重み付けされた複数のデー
タを多数加え合わせる加算手段と、この加算手段の出力
を一定範囲の値に制限するしきい値処理部とを備え 前
記重み係数更新部(友 上記出力信号算出部の出力信号
の望ましい値として教師信号を与える教師信号発生部と
、前記出力信号と前記教師信号との誤差を求める誤差信
号算出部と、この誤差信号算出部の出力に応じて前記メ
モリに蓄えられた重み係数の変更量を計算する重み変更
量算出部と、前記誤差信号算出部の出力がしきい値以下
であるかどうかを判定する誤差信号判定部と、この誤差
信号判定部において誤差の値がしきい値以下と判定され
た場合には前記重み係数変更量をゼロにする重み変更量
制御部とを備えた学習機械であも また第二の発明(上 上記誤差信号判定部の出力を計数
し全ての出力信号がしきい値以下の場合に飛越し信号を
出力する飛越し判定部と、前記飛越し信号に応じて上記
重み変更量算出部における重み変更操作をとばす重み変
更量制御部とを備えた学習機械であも 作 用 第−の発明は上記構成により、誤差の大きさが十分小さ
い多入力−出力信号処理部については、重み係数変更量
をゼロとすることによって重み変更はしないの玄 学習
効率が向上し 学習に要する時間を短縮することができ
る。
なく、上位層にのみ信号が伝搬するようにネットワーク
接続された複数の多入力−出力信号処理部からなる出力
信号算出部と、この出力信号算出部で得られた出力信号
をもとに前記出力信号算出部の重み係数の値を更新する
重み係数更新部とを具備し 前記多入力−出力信号処理
部?t、 複数の重み係数を保持するメモリと、複数
のデータを入力する入力部と、この入力部からの入力デ
ータを前記メモリに貯えられた重み係数で重み付けする
乗算手段と、この乗算手段で重み付けされた複数のデー
タを多数加え合わせる加算手段と、この加算手段の出力
を一定範囲の値に制限するしきい値処理部とを備え 前
記重み係数更新部(友 上記出力信号算出部の出力信号
の望ましい値として教師信号を与える教師信号発生部と
、前記出力信号と前記教師信号との誤差を求める誤差信
号算出部と、この誤差信号算出部の出力に応じて前記メ
モリに蓄えられた重み係数の変更量を計算する重み変更
量算出部と、前記誤差信号算出部の出力がしきい値以下
であるかどうかを判定する誤差信号判定部と、この誤差
信号判定部において誤差の値がしきい値以下と判定され
た場合には前記重み係数変更量をゼロにする重み変更量
制御部とを備えた学習機械であも また第二の発明(上 上記誤差信号判定部の出力を計数
し全ての出力信号がしきい値以下の場合に飛越し信号を
出力する飛越し判定部と、前記飛越し信号に応じて上記
重み変更量算出部における重み変更操作をとばす重み変
更量制御部とを備えた学習機械であも 作 用 第−の発明は上記構成により、誤差の大きさが十分小さ
い多入力−出力信号処理部については、重み係数変更量
をゼロとすることによって重み変更はしないの玄 学習
効率が向上し 学習に要する時間を短縮することができ
る。
また 第二の発明は入力データに対して全ての多入力−
出力信号処理部の誤差がしきい値以下で十分小さい場合
、飛越し信号を出力して重み変更操作をとばすので、学
習効率が向上するだけでなく、演算量が大幅に削減でき
るので、学習に要する時間が短縮できる。
出力信号処理部の誤差がしきい値以下で十分小さい場合
、飛越し信号を出力して重み変更操作をとばすので、学
習効率が向上するだけでなく、演算量が大幅に削減でき
るので、学習に要する時間が短縮できる。
実施例
第1図は、 本発明の第1の実施例における学習機械の
構成図を示すものである。
構成図を示すものである。
同図において、 1は出力信号算出部 2はこの出力信
号算出部1で得られた出力信号をもとに前記出力信号算
出部1の重み係数の値を更新する重み係数更新部である
。出力信号算出部1(上 第2図に示すように多段の回
路網的構成をしており、3は多入力−出力信号処理に4
は出力信号算出部1の入力部である。
号算出部1で得られた出力信号をもとに前記出力信号算
出部1の重み係数の値を更新する重み係数更新部である
。出力信号算出部1(上 第2図に示すように多段の回
路網的構成をしており、3は多入力−出力信号処理に4
は出力信号算出部1の入力部である。
このような出力信号算出部1を構成する多入力−出力信
号処理部3の構成を具体的に示したものが第3図であも
同図において、 5は多入力−出力信号処理部3の入
力部 6は入力部5からの複数入力を重み付ける重み係
数を格納するメモリ、7はメモリ6の重み係数と入力部
5からの入力を各々掛は合わせる乗算器 8は乗算器7
の各々の出力を足し合わせる加算機 9は加算器8の出
力を一定範°囲の値に制限するしきい値処理部であもし
きい値処理部9の入出力特性を第4図に示す。
号処理部3の構成を具体的に示したものが第3図であも
同図において、 5は多入力−出力信号処理部3の入
力部 6は入力部5からの複数入力を重み付ける重み係
数を格納するメモリ、7はメモリ6の重み係数と入力部
5からの入力を各々掛は合わせる乗算器 8は乗算器7
の各々の出力を足し合わせる加算機 9は加算器8の出
力を一定範°囲の値に制限するしきい値処理部であもし
きい値処理部9の入出力特性を第4図に示す。
例えば 出力を(0,1)の範囲に制限するしきい値処
理部9の入出力特性は f (1,) = 1 / (1+exp(−I+θ
)) (1)と数式的に表現できも ここ玄 工は
しきい値処理部9の入力であも な耘 しきい値処理部
9の入出力特性としては上記以外のしきい値開数でもよ
賎 重み係数更新部2の構成図を第1図に示す。 lOは教
師信号発生部 I工は誤差信号算出if2は重み変更量
算出部 13は重み変更量制御部14は誤差信号判定部
であも 以上のように構成された本実施例の学習機械について、
以下その動作を説明する。
理部9の入出力特性は f (1,) = 1 / (1+exp(−I+θ
)) (1)と数式的に表現できも ここ玄 工は
しきい値処理部9の入力であも な耘 しきい値処理部
9の入出力特性としては上記以外のしきい値開数でもよ
賎 重み係数更新部2の構成図を第1図に示す。 lOは教
師信号発生部 I工は誤差信号算出if2は重み変更量
算出部 13は重み変更量制御部14は誤差信号判定部
であも 以上のように構成された本実施例の学習機械について、
以下その動作を説明する。
出力信号算出部1の入力部4に入力信号が入力されると
、各多入力−出力信号処理部3 (i この多入力−
出力信号処理部3に接続されている下層の多入力−出力
信号処理部3の出力とメモリ6に記憶されているその接
続の度合である重み係数とを乗算器7により掛合わせ、
前記乗算器7の各々の出力の総和を加算器8で計算した
後、しきい値処理部9で変換しその値を上層の多入力−
出力信号処理部3へ出力する。つまり、第3図に示す多
入力−出力信号処理部3は、 入力部5への入力値をo
j(下層のj番目の多入力−出力信号処理部の出力)、
メモリ6に格納されている重み係数をWj(i番目の多
入力−出力信号処理部と下層のj番目の多入力−出力信
号処理部との結合重み)とすれば o+=f(ΣWN OJ) (2)」 を計算しているわけであも 重み係数更新部2(上 前記出力信号算出部1の入力部
4から入力される信号に応じて、教師信号発生部10が
前記入力信号に対する望ましい出力信号を教師信号tk
として発生し 誤差信号算出部11において前記出力信
号算出部1から出力される実際の出力信号Qkと前記教
師信号tkとの差か板 最上位層におけるに番目の多入
力−出力信号処理部3の誤差 E =0.5 (t k−o k) 2(3)が計算さ
へ この値で現在の結合状態(重み係数の大きさ)での
ネットワークの性能を評価する。
、各多入力−出力信号処理部3 (i この多入力−
出力信号処理部3に接続されている下層の多入力−出力
信号処理部3の出力とメモリ6に記憶されているその接
続の度合である重み係数とを乗算器7により掛合わせ、
前記乗算器7の各々の出力の総和を加算器8で計算した
後、しきい値処理部9で変換しその値を上層の多入力−
出力信号処理部3へ出力する。つまり、第3図に示す多
入力−出力信号処理部3は、 入力部5への入力値をo
j(下層のj番目の多入力−出力信号処理部の出力)、
メモリ6に格納されている重み係数をWj(i番目の多
入力−出力信号処理部と下層のj番目の多入力−出力信
号処理部との結合重み)とすれば o+=f(ΣWN OJ) (2)」 を計算しているわけであも 重み係数更新部2(上 前記出力信号算出部1の入力部
4から入力される信号に応じて、教師信号発生部10が
前記入力信号に対する望ましい出力信号を教師信号tk
として発生し 誤差信号算出部11において前記出力信
号算出部1から出力される実際の出力信号Qkと前記教
師信号tkとの差か板 最上位層におけるに番目の多入
力−出力信号処理部3の誤差 E =0.5 (t k−o k) 2(3)が計算さ
へ この値で現在の結合状態(重み係数の大きさ)での
ネットワークの性能を評価する。
このようにして計算された誤差Eをもとに重み変更量算
出部12は前記出力信号算出部1のメモリ6に記憶され
ている重み係数の変更量△WIJを次式に基づいて計算
する。
出部12は前記出力信号算出部1のメモリ6に記憶され
ている重み係数の変更量△WIJを次式に基づいて計算
する。
△WIJ” −εθE / a wz
(4)ここで、 εは学習レートと呼ばれる正の定数で
ある。
(4)ここで、 εは学習レートと呼ばれる正の定数で
ある。
重み変更量制御部13ζよ 誤差信号判定部14におい
て誤差1tk oklがしきい値Tより小さいと判定さ
れた場合に 前記出力信号算出部1における最上位層の
重み係数変更量を「0」にする。
て誤差1tk oklがしきい値Tより小さいと判定さ
れた場合に 前記出力信号算出部1における最上位層の
重み係数変更量を「0」にする。
以上のようにして、重みの更新を繰返すことにより、誤
差を小さくしていき、誤差が十分小さくなると、出力信
号が望ましい値に十分近くなったものとして、学習を終
了すん このように本実施例によれは 誤差の大きさがが十分小
さい多入力−出力信号処理部3については重み変更はし
ないので、学習効率が向上し 学習に要する時間を短縮
することができる。
差を小さくしていき、誤差が十分小さくなると、出力信
号が望ましい値に十分近くなったものとして、学習を終
了すん このように本実施例によれは 誤差の大きさがが十分小
さい多入力−出力信号処理部3については重み変更はし
ないので、学習効率が向上し 学習に要する時間を短縮
することができる。
第5図は、 本発明の第2の実施例における学習機械の
構成図を示すものであも 同図に示す本実施例の重み係数更新部2において、 1
0は教師信号発生K 11は誤差信号算出R,12は
重み変更量算出数 23は重み変更量制御訊 14は誤
差信号判定敵 24は飛越し判定部である。な抵 出力
信号算出部1とその多入力−出力信号処理部3とは第1
の実施例(第2図〜第4図)と同様である。
構成図を示すものであも 同図に示す本実施例の重み係数更新部2において、 1
0は教師信号発生K 11は誤差信号算出R,12は
重み変更量算出数 23は重み変更量制御訊 14は誤
差信号判定敵 24は飛越し判定部である。な抵 出力
信号算出部1とその多入力−出力信号処理部3とは第1
の実施例(第2図〜第4図)と同様である。
以上のように構成された本実施例の学習機械について、
以下その動作を説明すも 出力信号算出部lの入力部4に入力信号が入力されると
、各多入力−出力信号処理部3ば この多入力−出力信
号処理部3に接続されている下層の多入力−出力信号処
理部3の出力とメモリ6に記憶されているその接続の度
合である重み係数とを乗算器7により掛合わせ、前記乗
算器7の各々の出力の総和を加算器8で計算した後、し
きい値処理部9で変換しその値を上層の多入力−出力信
号処理部3へ出力する。つまり、第3図に示す多入力−
出力信号処理部3は 入力部5への入力値をor (
下層のj番目の多入力−出力信号処理部の出力)、メモ
リ6に格納されている重み係数をwz(i番目の多入力
−出力信号処理部と下層の3番目の多入力−出力信号処
理部との結合重み)とすれば o+=f(ΣWll OJ) (
2)を計算しているわけである。
以下その動作を説明すも 出力信号算出部lの入力部4に入力信号が入力されると
、各多入力−出力信号処理部3ば この多入力−出力信
号処理部3に接続されている下層の多入力−出力信号処
理部3の出力とメモリ6に記憶されているその接続の度
合である重み係数とを乗算器7により掛合わせ、前記乗
算器7の各々の出力の総和を加算器8で計算した後、し
きい値処理部9で変換しその値を上層の多入力−出力信
号処理部3へ出力する。つまり、第3図に示す多入力−
出力信号処理部3は 入力部5への入力値をor (
下層のj番目の多入力−出力信号処理部の出力)、メモ
リ6に格納されている重み係数をwz(i番目の多入力
−出力信号処理部と下層の3番目の多入力−出力信号処
理部との結合重み)とすれば o+=f(ΣWll OJ) (
2)を計算しているわけである。
重み係数更新部2は、 前記出力信号算出部lの入力部
4から入力される信号に応じて、教師信号発生部10が
前記入力信号に対する望ましい出力信号を教師信号tb
として発生し 誤差信号算出部11において前記出力信
号算出部1から出力される実際の出力信号Qkと前記教
師信号tkとの差か板 最上位層におけるに番目の多入
力−出力信号処理部3の誤差 E=0.5 (tk−ok) ” (3)が
計算され この値で現在の結合状態(重み係数の大きさ
)でのネットワークの性能を評価する。
4から入力される信号に応じて、教師信号発生部10が
前記入力信号に対する望ましい出力信号を教師信号tb
として発生し 誤差信号算出部11において前記出力信
号算出部1から出力される実際の出力信号Qkと前記教
師信号tkとの差か板 最上位層におけるに番目の多入
力−出力信号処理部3の誤差 E=0.5 (tk−ok) ” (3)が
計算され この値で現在の結合状態(重み係数の大きさ
)でのネットワークの性能を評価する。
このようにして計算された誤差Eをもとに重み変更量算
出部12は前記出力信号算出部lのメモリ6に記憶され
ている重み係数の変更量△w + +を次式に基づいて
計算すも △w++= −εθE/c?wz (4
)ここで、 εは学習レートと呼ばれる正の定数である
。
出部12は前記出力信号算出部lのメモリ6に記憶され
ている重み係数の変更量△w + +を次式に基づいて
計算すも △w++= −εθE/c?wz (4
)ここで、 εは学習レートと呼ばれる正の定数である
。
誤差信号判定部14(亀 誤差ltk oblがしきい
値Tより小さいかどうかを調べ判定結果として誤差がし
きい値より大きい時は「0」を、小さいときは「1」を
飛越し材定部24に出力する。
値Tより小さいかどうかを調べ判定結果として誤差がし
きい値より大きい時は「0」を、小さいときは「1」を
飛越し材定部24に出力する。
飛越し判定部24は、 前記判定結果を計数し 最上位
層の全ての多入力−出力信号処理部3の誤差tb−ok
lがしきい値以下の隊 飛越し信号を出力すa 重み変
更量制御部23は、 飛越し判定部24が飛越し信号を
発生した時、重み変更量算出部12における重み変更操
作を飛ばすように制御する。
層の全ての多入力−出力信号処理部3の誤差tb−ok
lがしきい値以下の隊 飛越し信号を出力すa 重み変
更量制御部23は、 飛越し判定部24が飛越し信号を
発生した時、重み変更量算出部12における重み変更操
作を飛ばすように制御する。
以上のようにして、重みの更新を繰返すことにより、誤
差を小さくしていき、誤差が十分小さくなると、出力信
号が望ましい値に十分近くなったものとして、学習を終
了する。
差を小さくしていき、誤差が十分小さくなると、出力信
号が望ましい値に十分近くなったものとして、学習を終
了する。
このように本実施例によれば 入力データに対して全て
の多入力−出力信号処理部3の誤差が十分小さい場合、
重み変更量算出部12における重み変更操作を飛ばすの
玄 学習効率が向上するだけでなく、演算量が大幅に削
減できるので、学習に要する時間が短縮できも 発明の詳細 な説明したように 第一の発明によれば 誤差信号判定
敵 重み変更量制御部を設けたことにより、誤差の大き
さが十分小さい多入力−出力信号処理部における重み変
更はしないので、学習効率が向上し 学習に要する時間
を短縮することが。
の多入力−出力信号処理部3の誤差が十分小さい場合、
重み変更量算出部12における重み変更操作を飛ばすの
玄 学習効率が向上するだけでなく、演算量が大幅に削
減できるので、学習に要する時間が短縮できも 発明の詳細 な説明したように 第一の発明によれば 誤差信号判定
敵 重み変更量制御部を設けたことにより、誤差の大き
さが十分小さい多入力−出力信号処理部における重み変
更はしないので、学習効率が向上し 学習に要する時間
を短縮することが。
できる。
また 第二の発明によれば 飛越し判定敵 重み変更量
制御部を設けたことにより、入力データに対して全ての
多入力−出力信号処理部の誤差の大きさが十分小さい場
合、重み変更量算出部における重み変更操作を飛ばすの
で、学習効率が向上するだけでなく、演算量が大幅に削
減できるので学習に要する時間が短縮でき、その実用的
効果は犬き鶏
制御部を設けたことにより、入力データに対して全ての
多入力−出力信号処理部の誤差の大きさが十分小さい場
合、重み変更量算出部における重み変更操作を飛ばすの
で、学習効率が向上するだけでなく、演算量が大幅に削
減できるので学習に要する時間が短縮でき、その実用的
効果は犬き鶏
第1図は本発明の第1の実施例における学習機械の構成
は 第2図は同実施例における出力信号算出部の構成は
第3図は同実施例における多入力−出力信号処理部の
構成阻 第4図は同実施例におけるしきい値処理部の入
出力特性は 第5図は本発明の第2の実施例における学
習機械の構成@ 第6図は従来の学習機械の構成図であ
も1・・・出力信号算出@2・・・重み変更量算出部3
・・・多入力−出力信号算出部 5・・・入力敵 6・
・・メモリ、 7・・・乗算a 8・・・加算法 9・
・・しきい値処理敵 10・・・教師信号発生ff1L
11・・・誤差信号算出! 12・・・重み変更
量算出部13、23・・・重み変更量制御部 14・・
・誤差信号判定餓24・・・飛越し判定訛
は 第2図は同実施例における出力信号算出部の構成は
第3図は同実施例における多入力−出力信号処理部の
構成阻 第4図は同実施例におけるしきい値処理部の入
出力特性は 第5図は本発明の第2の実施例における学
習機械の構成@ 第6図は従来の学習機械の構成図であ
も1・・・出力信号算出@2・・・重み変更量算出部3
・・・多入力−出力信号算出部 5・・・入力敵 6・
・・メモリ、 7・・・乗算a 8・・・加算法 9・
・・しきい値処理敵 10・・・教師信号発生ff1L
11・・・誤差信号算出! 12・・・重み変更
量算出部13、23・・・重み変更量制御部 14・・
・誤差信号判定餓24・・・飛越し判定訛
Claims (2)
- (1)層構造をもち、各層内相互の結合がなく、上位層
にのみ信号が伝搬するようにネットワーク接続された複
数の各入力−出力信号処理部からなる出力信号算出部と
、この出力信号算出部で得られた出力信号をもとに前記
出力信号算出部の重み係数の値を更新する重み係数更新
部とを具備し、前記多入力−出力信号処理部は、複数の
重み係数を保持するメモリと、複数のデータを入力する
入力部と、この入力部からの入力データを前記メモリに
貯えられた重み係数で重み付けする乗算手段と、この乗
算手段で重み付けされた複数のデータを多数加え合わせ
る加算手段と、この加算手段の出力を一定範囲の値に制
限するしきい値処理部とを備え、前記重み係数更新部は
、上記出力信号算出部の出力信号の望ましい値として教
師信号を与える教師信号発生部と、前記出力信号と前記
教師信号との誤差を求める誤差信号算出部と、この誤差
信号算出部の出力に応じて前記メモリに蓄えられた重み
係数の変更量を計算する重み変更量算出部と、この誤差
信号算出部の出力がしきい値以下であるかどうかを判定
する誤差信号判定部と、この誤差信号判定部において誤
差の値がしきい値以下と判定された場合には前記重み係
数変更量をゼロにする重み変更量制御部とを備えたこと
を特徴とする学習機械。 - (2)層構造をもち、各層内相互の結合がなく、上位層
にのみ信号が伝搬するようにネットワーク接続された複
数の多入力−出力信号処理部からなる出力信号算出部と
、この出力信号算出部で得られた出力信号をもとに前記
出力信号算出部の重み係数の値を更新する重み係数更新
部とを具備し、前記多入力−出力信号処理部は、複数の
重み係数を保持するメモリと、複数のデータを入力する
入力部と、この入力部からの入力データを前記メモリに
貯えられた重み係数で重み付けする乗算手段と、この乗
算手段で重み付けされた複数のデータを多数加え合わせ
る加算手段と、この加算手段の出力を一定範囲の値に制
限するしきい値処理部とを備え、前記重み係数更新部は
、上記出力信号算出部の出力信号の望ましい値として教
師信号を与える教師信号発生部と、前記出力信号と前記
教師信号との誤差を求める誤差信号算出部と、この誤差
信号算出部の出力に応じて前記メモリに蓄えられた重み
係数の変更量を計算する重み変更量算出部と、前記誤差
信号算出部の出力がしきい値以下であるかどうかを判定
する誤差信号判定部と、この誤差信号判定部の出力を計
数し全ての出力信号が前記しきい値以下の場合に飛越し
信号を出力する飛越し判定部と、前記飛越し信号に応じ
て前記重み変更量算出部における重み変更操作をとばす
重み変更量制御部とを備えたことを特徴とする学習機械
。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1203326A JPH0367358A (ja) | 1989-08-04 | 1989-08-04 | 学習機械 |
DE69013716T DE69013716T2 (de) | 1989-02-23 | 1990-02-20 | Lernmaschine. |
US07/481,316 US5129038A (en) | 1989-02-23 | 1990-02-20 | Neural network with selective error reduction to increase learning speed |
EP90301810A EP0384709B1 (en) | 1989-02-23 | 1990-02-20 | Learning Machine |
KR1019900002310A KR920006793B1 (ko) | 1989-02-23 | 1990-02-23 | 학습기계 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1203326A JPH0367358A (ja) | 1989-08-04 | 1989-08-04 | 学習機械 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0367358A true JPH0367358A (ja) | 1991-03-22 |
Family
ID=16472163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP1203326A Pending JPH0367358A (ja) | 1989-02-23 | 1989-08-04 | 学習機械 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0367358A (ja) |
-
1989
- 1989-08-04 JP JP1203326A patent/JPH0367358A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Multiobjective tracking control design of T–S fuzzy systems: Fuzzy Pareto optimal approach | |
EP0384709A2 (en) | Learning Machine | |
US5295228A (en) | Learning machine with a hierarchial structure without mutual connections within levels thereof | |
JPH0451384A (ja) | ニューラルネットワークの構築方法 | |
Tan et al. | Efficient establishment of a fuzzy logic model for process modeling and control | |
JP3303032B2 (ja) | ニューラルネット学習装置 | |
JPH0367358A (ja) | 学習機械 | |
JPH04229362A (ja) | 学習機械 | |
JPH05101028A (ja) | 複数特徴量の統合判定方法 | |
JPH01114899A (ja) | ダイナミックなニューラルネットワーク | |
JP3262340B2 (ja) | 情報処理装置 | |
JP3328953B2 (ja) | 非線形シナプスニューロン、そのデバイス及びそれを用いた予測方法 | |
JPH0233655A (ja) | 神経回路網型パターン処理装置 | |
JPH04662A (ja) | 学習機械 | |
JPH02222062A (ja) | 学習機械 | |
JPH0644207A (ja) | ニューラルネットワーク及びその構成方法 | |
JPH0451386A (ja) | ニューラルネットワーク及びその構築方法 | |
Nakashima et al. | How to design a regularization term for improving generalization | |
JPH07325797A (ja) | 学習型認識判断装置 | |
JPH0713745A (ja) | 神経回路網型パターン学習方法およびパターン処理装置 | |
Teixeira et al. | Recurrent neural gas in electric load forecasting | |
Lin et al. | Neural net-based H∞ control for a class of nonlinear systems | |
JPH0744195A (ja) | 音声認識用リカレントニューラルネットワーク | |
JPH03196358A (ja) | 学習機械 | |
Bielinska et al. | Comparison of different methods of bilinear time series prediction |