特許ウォッチ

公開番号2025031002
公報種別公開特許公報(A)
公開日2025-03-07
出願番号2023136928
出願日2023-08-25
発明の名称演算装置、学習装置、演算方法、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 20230101AFI20250228BHJP(計算;計数)
要約【課題】数理モデルで構成されたスパイキングニューラルネットワークによる演算を行う際、演算に要する時間を比較的短くする。
【解決手段】演算装置が、スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換する離散化手段と、前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算する膜電位計算手段と、算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算する発火時刻計算手段と、を備える。
【選択図】図1
特許請求の範囲【請求項１】
スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換する離散化手段と、
前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算する膜電位計算手段と、
算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算する発火時刻計算手段と、
を備える演算装置。
続きを表示（約 1,900 文字）【請求項２】
前記離散化手段は、前記入力信号の入力時刻と前記離散化された時刻との間の時間の長さに基づいて、前記離散時刻化入力値を計算する、
請求項１に記載の演算装置。
【請求項３】
前記離散化手段は、前記離散化された時刻のうち、前記入力時刻の直前の時刻である第１時刻から前記入力時刻までの時間の長さである第１時間と、前記入力時刻から前記入力時刻の直後の時刻である第２時刻までの時間の長さである第２時間との逆比の割合に応じて、前記第１時刻における離散時刻化入力値および前記第２時刻における離散時刻化入力値を算出する、
請求項２に記載の演算装置。
【請求項４】
前記膜電位計算手段は、前記離散化された時刻における膜電位を、前記離散時刻化入力値に応じた式に代入して、前記離散化された時刻のうち次の時刻における膜電位を算出する、
請求項１に記載の演算装置。
【請求項５】
前記離散化された時刻にランダムなオフセットが加えられている、
請求項１に記載の演算装置。
【請求項６】
スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換する離散化手段と、
前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算する膜電位計算手段と、
算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算する発火時刻計算手段と、
前記発火時刻に基づいて、前記スパイキングニューロンモデルを用いたスパイキングニューラルネットワークの出力値を計算する出力値計算手段と、
前記出力値に基づいて、前記スパイキングニューラルネットワークの学習パラメータの値を更新する学習手段と、
を備える学習装置。
【請求項７】
コンピュータが、
スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換し、
前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算し、
算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算する、
ことを含む演算方法。
【請求項８】
コンピュータが、
スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換し、
前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算し、
算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算し、
前記発火時刻に基づいて、前記スパイキングニューロンモデルを用いたスパイキングニューラルネットワークの出力値を計算し、
前記出力値に基づいて、前記スパイキングニューラルネットワークの学習パラメータの値を更新する、
ことを含む学習方法。
【請求項９】
コンピュータに、
スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換することと、
前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算することと、
算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算することと、
を実行させるプログラム。
【請求項１０】
コンピュータに、
スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換することと、
前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算することと、
算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算することと、
前記発火時刻に基づいて、前記スパイキングニューロンモデルを用いたスパイキングニューラルネットワークの出力値を計算することと、
前記出力値に基づいて、前記スパイキングニューラルネットワークの学習パラメータの値を更新することと、
を実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、演算装置、学習装置、演算方法、学習方法およびプログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
スパイキングニューラルネットワークの学習を、数理モデルで構成されているスパイキングニューラルネットワークを用いて行う場合がある。
例えば、特許文献１には、離散化されていない数理モデルを用いてスパイキングニューラルネットワークの学習を行った後、学習済みの数理モデルを、スパイク発生器による発火時刻と、シナプス回路による重みと、シナプス回路の出力電流値とが離散化された回路モデルに実装することが記載されている。
【０００３】
特許文献１に記載の方法では、離散化されていない学習済みの数理モデルを、発火時刻と重みとが離散化された数理モデルに変換し、発火時刻と重みとが離散化された数理モデルを、発火時刻と重みとが離散化された回路モデルに実装する。
離散化されていない数理モデルから離散化された数理モデルへの変換では、発火時刻と重みとを離散値に丸める。
【０００４】
また、離散化された数理モデルの、離散化された回路モデルへの実装の精度を高めるために、設計時に、数理モデルにおける発火時刻の刻み幅と、数理モデルにおける重みの刻み幅との積が、スパイク発生器による発火時刻の刻み幅と、シナプス回路の出力電流値の最小刻み幅との積を、スパイク発生器における発火閾値電圧と、膜電位を模擬するコンデンサの容量との積で除算した値に等しくなるように、スパイク発生器による発火時刻の刻み幅、シナプス回路の出力電流値の最小刻み幅、スパイク発生器における発火閾値電圧、コンデンサの容量、数理モデルにおける発火時刻の刻み幅、または、数理モデルにおける重みの刻み幅の少なくとも何れかを決定する。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０２２／２４９３０８号
【発明の概要】
【発明が解決しようとする課題】
【０００６】
数理モデルで構成されているスパイキングニューラルネットワークの学習を行う場合など、数理モデルで構成されているスパイキングニューラルネットワークによる演算を行う際、演算に要する時間が短いことが好ましい。
【０００７】
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演算装置、学習装置、演算方法、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】
【０００８】
本発明の第１の態様によれば、演算装置は、スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換する離散化手段と、前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算する膜電位計算手段と、算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算する発火時刻計算手段と、を備える。
【０００９】
本発明の第２の態様によれば、学習装置は、スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換する離散化手段と、前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算する膜電位計算手段と、算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算する発火時刻計算手段と、前記発火時刻に基づいて、前記スパイキングニューロンモデルを用いたスパイキングニューラルネットワークの出力値を計算する出力値計算手段と、前記出力値に基づいて、前記スパイキングニューラルネットワークの学習パラメータの値を更新する学習手段と、を備える。
【００１０】
本発明の第３の態様によれば、演算方法は、コンピュータが、スパイキングニューロンモデルへの入力信号ごとに、その入力信号の入力時刻を、離散化された時刻における値である離散時刻化入力値に変換し、前記離散時刻化入力値に基づいて、前記離散化された時刻における前記スパイキングニューロンモデルの膜電位を計算し、算出された膜電位に基づいて、前記スパイキングニューロンモデルの発火時刻を計算する、ことを含む。
（【００１１】以降は省略されています）

関連特許