Processing

Please wait...

Settings

Settings

Goto Application

1. WO1990014631 - DYNAMICALLY STABLE ASSOCIATIVE LEARNING NEURAL SYSTEM

Publication Number WO/1990/014631
Publication Date 29.11.1990
International Application No. PCT/US1990/002718
International Filing Date 17.05.1990
Chapter 2 Demand Filed 17.05.1990
IPC
G06N 3/04 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architecture, e.g. interconnection topology
CPC
G06N 3/04
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
Applicants
  • THE UNITED STATES OF AMERICA, represented by THE SECRETARY, UNITED STATES DEPARTMENT OF COMMERCE [US]/[US]
  • ENVIRONMENTAL RESEARCH INSTITUTE OF MICHIGAN [US]/[US]
Inventors
  • ALKON, Daniel, L.
  • VOGL, Thomas, P.
  • BLACKWELL, Kim, L.
Agents
  • OLIFF, James, A.
Priority Data
353,10717.05.1989US
448,09012.12.1989US
Publication Language English (EN)
Filing Language English (EN)
Designated States
Title
(EN) DYNAMICALLY STABLE ASSOCIATIVE LEARNING NEURAL SYSTEM
(FR) SYSTEME DE NEURONES D'APPRENTISSAGE ASSOCIATIF DYNAMIQUEMENT STABLE
Abstract
(EN)
A dynamically stable associative learning neural network system includes a plurality of synapses (122, 22-28), a non-linear function circuit (30) and an adaptive weight circuit (150) for adjusting the weight of each synapse based upon the present signal and the prior history of signals applied to the input of the particular synapse and the present signal and the prior history of signals applied to the input of a predetermined set of other collateral synapses. A flow-through neuron circuit (1110) embodiment includes a flow-through synapse (122) having a predetermined fixed weight. A neural network is formed by a set of low-through neuron circuits connected by flow-through synapses to form separate paths between each input (215) and a corresponding output (245). In one embodiment (200), the neuron network is initialized by setting the adjustable synapses at some value near the minimum weight and setting the flow-through neuron circuits at some arbitrarily high weight. The neural network embodiments are taught by successively application of sets of input signals to the input terminals until a dynamic equilibrium is reached.
(FR)
Un système d'un réseau de neurones d'apprentissage associatif à stabilité dynamique comprend plusieurs synapses (122, 22-28), un circuit de fonction non-linéaire (30) et un circuit de pondération adaptatif (150) pour ajuster la pondération de chaque synapse en fonction du signal présent et de l'historique antérieur des signaux appliqués à l'entrée de la synapse particulière et en fonction du signal présent et de l'historique antérieur des signaux appliqués à l'entrée d'un ensemble prédéterminé d'autres synapses colatérales. Un circuit de neurones à flux traversant (1110) comprend une synapse à flux traversant (122) ayant une pondération fixe prédéterminée. Un réseau de neurones est formé par un ensemble de circuits de neurones à flux traversant connecté par des synapses à flux traversants pour former des chemins séparés entre chaque entrée (215) et une sortie correspondante (245). Dans un mode de réalisation (200), le réseau de neurones est initialisé en établissant les synapses ajustables à une certaine valeur proche de la pondération minimale et en établissant les circuits de neurones à flux traversant à une certaine pondération arbitrairement élevée. Les modes de réalisation de réseaux de neurones sont mis en ÷uvre par applications successives d'ensembles de signaux d'entrée aux terminaux d'entrée jusqu'à atteindre un équilibre dynamique.
Also published as
Latest bibliographic data on file with the International Bureau