TOP
|
特許
|
意匠
|
商標
特許ウォッチ
Twitter
他の特許を見る
10個以上の画像は省略されています。
公開番号
2024167718
公報種別
公開特許公報(A)
公開日
2024-12-04
出願番号
2023083976
出願日
2023-05-22
発明の名称
ニューラルネットワークシステム、学習装置、学習方法およびプログラム
出願人
日本電気株式会社
代理人
個人
,
個人
主分類
G06N
3/049 20230101AFI20241127BHJP(計算;計数)
要約
【課題】スパイキングニューラルネットワークが動作する際の消費電力を比較的小さくする。
【解決手段】ニューラルネットワークシステムが、積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークと、個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う学習手段と、を備える。
【選択図】図1
特許請求の範囲
【請求項1】
積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークと、
個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う学習手段と、
を備えるニューラルネットワークシステム。
続きを表示(約 1,400 文字)
【請求項2】
前記学習手段は、前記ニューロンモデルの膜電位に関する時間積分の値が小さいほど良い評価を示す前記評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う、
請求項1に記載のニューラルネットワークシステム。
【請求項3】
前記学習手段は、発火したニューロンモデルについて、そのニューロンモデルの膜電位が、閾膜電位よりも小さい値である設定値以上、かつ、閾膜電位以下となっている時間における、前記膜電位と前記設定値との差の積分を、前記閾膜電位と前記設定値との差で除算した値の合計を示す部分式を含む前記評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う、
請求項2に記載のニューラルネットワークシステム。
【請求項4】
前記学習手段は、前記設定値を前記閾膜電位に近付ける極限をとった前記評価関数を用いて、前記評価関数の微分をとる学習方法にて、前記スパイキングニューラルネットワークの学習を行う、
請求項3に記載のニューラルネットワークシステム。
【請求項5】
前記学習手段は、前記ニューロンモデルの膜電位を、そのニューロンモデルに入力されたスパイクに対する重み係数と、そのニューロンモデルへスパイクを出力したニューロンモデルの発火時刻とを用いて表して得られる前記評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う、
請求項4に記載のニューラルネットワークシステム。
【請求項6】
前記学習手段は、前記膜電位が前記設定値に達した時刻から前記ニューロンモデルの発火時刻までの時間区間を固定の時間区間として扱って、前記評価関数の微分を行う、
請求項4または請求項5に記載のニューラルネットワークシステム。
【請求項7】
前記学習手段は、発火したニューロンモデルについて、そのニューロンモデルに入力されたスパイクに対する重み係数の合計値が小さいほど良い評価を示す前記評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う、
請求項1に記載のニューラルネットワークシステム。
【請求項8】
積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークの、個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う学習手段、
を備える学習装置。
【請求項9】
コンピュータが、
積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークの、個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う
ことを含む学習方法。
【請求項10】
コンピュータに、
積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークの、個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行わせること
を実行させるためのプログラム。
発明の詳細な説明
【技術分野】
【0001】
本発明は、ニューラルネットワークシステム、学習装置、学習方法およびプログラムに関する。
続きを表示(約 1,100 文字)
【背景技術】
【0002】
ニューラルネットワークの1つに、スパイキングニューラルネットワーク(Spiking Neural Network;SNN)がある(例えば、特許文献1参照)。
【先行技術文献】
【特許文献】
【0003】
特表2017-509953号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
スパイキングニューラルネットワークが動作する際の消費電力がなるべく小さいことが好ましい。
【0005】
本発明の目的の一例は、上述の課題を解決することのできるニューラルネットワークシステム、学習装置、学習方法およびプログラムを提供することである。
【課題を解決するための手段】
【0006】
本発明の第1の態様によれば、ニューラルネットワークシステムは、積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークと、個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う学習手段と、を備える。
【0007】
本発明の第2の態様によれば、学習装置は、積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークの、個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行う学習手段、を備える。
【0008】
本発明の第3の態様によれば、学習方法は、コンピュータが、積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークの、個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行うことを含む。
【0009】
本発明の第4の態様によれば、プログラムは、コンピュータに、積分発火モデルによるニューロンモデルを用いて構成されている時間方式のスパイキングニューラルネットワークの、個々のニューロンモデルが発火する可能性が低いほど良い評価を示す評価関数を用いて、前記スパイキングニューラルネットワークの学習を行わせることを実行させるためのプログラムである。
【発明の効果】
【0010】
本発明によれば、スパイキングニューラルネットワークが動作する際の消費電力が比較的小さいことが期待される。
【図面の簡単な説明】
(【0011】以降は省略されています)
この特許をJ-PlatPatで参照する
関連特許
日本電気株式会社
光学モジュール
3日前
日本電気株式会社
無線端末、方法、及びプログラム
3日前
日本電気株式会社
管理装置、管理方法、及びプログラム
2日前
日本電気株式会社
マルチコアファイバ光増幅器及び光増幅方法
2日前
日本電気株式会社
サーバ装置、サーバ装置の制御方法及びプログラム
2日前
日本電気株式会社
レシピ提案装置、レシピ提案方法、およびプログラム
3日前
日本電気株式会社
情報処理装置、表示制御方法、および表示制御プログラム
3日前
日本電気株式会社
温室効果ガス排出量評価装置、温室効果ガス排出量評価方法及び温室効果ガス排出量評価プログラム
2日前
個人
情報検索システム
11日前
個人
確率場データ同化演算手法
23日前
キヤノン株式会社
電子機器
10日前
キヤノン株式会社
電子機器
10日前
キヤノン株式会社
電子機器
10日前
個人
不動産情報提供システム
20日前
株式会社イノベイト
広告装置
13日前
キヤノン電子株式会社
通信システム
3日前
合同会社IPマネジメント
内部不正対策
18日前
トヨタ自動車株式会社
作業評価装置
3日前
トヨタ自動車株式会社
管理システム
5日前
TDK株式会社
等価回路
5日前
株式会社NURSY
再就職の支援装置
4日前
西松建設株式会社
計測システム
9日前
株式会社ヒニアラタ
障害者支援システム
18日前
個人
外国為替証拠金取引定期自動売買システム
16日前
個人
公益寄付インタラクティブシステム
3日前
富士フイルム株式会社
タッチセンサ
3日前
株式会社インテック
触覚ディスプレイ装置
4日前
サクサ株式会社
警備サービス管理システム
13日前
大王製紙株式会社
作業管理システム
4日前
キオクシア株式会社
電子機器
9日前
ジャペル株式会社
登録管理システム
9日前
株式会社セラク
営農支援システム及び方法
19日前
NGB株式会社
制御装置
23日前
株式会社デンソー
情報処理方法
11日前
株式会社デンソー
情報処理方法
3日前
大和ハウス工業株式会社
概算システム
18日前
続きを見る
他の特許を見る