[发明专利]并行脉冲信号处理设备、模式识别设备和图像输入设备

说明书

技术领域

本发明涉及一种并行脉冲信号处理电路或者具有模式识别功能的神经网络。 

背景技术

作为通过小规模电路实现大规模神经网络的方案，传统上已知一种通过使用传统公开的神经元模型执行分时多路复用以生成脉冲信号的配置(例如，日本专利公开号5-47870和日本专利号2679730)。之前还公开了另一种配置，该配置可以通过使用输出脉冲串(pulse train)的元件和主存储部件形成神经元元件来解决布线问题(例如，日本专利公开号6-93249)。 

在图像识别领域，提出了一种通过使用神经网络模型实现专用于特定识别目标的识别处理算法的模式识别方法(执行分层模板匹配的方法)，该神经网络模型的概念从活体的信息处理机制中获得(例如，日本专利公开号60-712以及Fukushima & Miyake，“1982 Neocognitron：A new algorithm for pattern recognitiontolerant of deformation and shifts in position，PatternRecognition，Vol.15，pp.455-469)。 

作为更忠实地采用基于活体神经网络的信息处理机制的尝试，提出了一种通过与动作电位相对应的脉冲串传递以及表达信息的神经网络模型电路(例如，Murray et al.，1991Pulse-Stream VLSI Neural Networks Mixing Analog andDigital Techniques，IEEE Trans.on Neutral Networks，Vol.2，pp.193-204，日本专利公开号7-262157、7-334478和8-153148，以及日本专利号2624143和2879670)。 

作为通过由脉冲串生成神经元形成的神经网络来识别并且检测特定目标的方法，有一种使用Eckhorn等提出的前提是将输入和反馈输入链接起来的高阶(二阶或者更高阶)模型(例如，Eckhorn et al.1990，Feature linking via synchronizationamong distributed assemblies：Simulation of results from catcortex，Neural Computation，Vol.2，pp.293-307)，即脉冲耦合神经网络(下文简称为P CNN，pulse coupled neural network)(例如，美国专利号5,664,065，以及Broussard，et al.1999，Physiologically Motivated Image Fusion for Object Detectionusing a Pulse Coupled Neural Network，IEEE Trans.onNeural Networks Vol.10，pp.554-563)的方案。 

在根据现有技术的神经网络中，执行分时多路复用的配置有以下问题：处理时间随着突触连接数量的增加而增加。其余配置几乎不能作为电子电路来实现，因为随着突触连接数量的增加，电路规模的增大和布线问题变得很突出，并且所要保持的信息(例如，加权和值)的动态范围也随着通过突触连接添加信号而增大。 

发明内容

考虑到上述问题作出了本发明，且本发明的目的是解决布线问题并且减小电路规模和电力消耗。 

为了达到本发明的目的，例如，本发明的并行脉冲信号处理设备包括以下配置。 

即，一种并行脉冲信号处理设备，其包括多个脉冲输出运算元件、并行连接该运算元件的预定元件的多个连接元件、选择性地传递来自该多个连接元件的脉冲信号的门电路， 

其特征在于，所述运算元件包括： 

输入部件，用于输入多个时序脉冲信号， 

调制处理部件，用于基于输入的该多个时序脉冲信号执行预定的调制处理，以及 

脉冲输出部件，用于基于调制处理的结果输出脉冲信号，并且 

所述门电路选择性地传递来自所述多个连接元件的信号中与预定上位(upper)输出电平相对应的有限数量的脉冲信号。 

为了达到本发明的目的，例如，本发明的并行脉冲信号处理设备包括以下配置。 

即，一种分层执行多个运算处理操作的并行脉冲信号处理设备，其特征在于，该设备包括：