抄録
車の自動運転等の実現では, 高速な制御, 画像処理と変化する状況への対応が必要となる。Neural Network (NN) はそのような応用に適していると期待される。我々は有限な物理量を用い, 自己組織化と時系列処理を特徴とするNeural Network (NN) 研究を進めている。このモデルでは想起に繰り返し演算が必要になる為, ハードウエアによる高速化が必須である。本研究ではノイズに影響されない安定的な動作が期待でき, 最新のプロセスを利用できる点からディジタル方式のハードウエアを採用するが, 通常の実現では積和演算回路が大規模になる。そこで, ニューロンモデルのしきい値等の固定パラメータを再構成時のみ可変とすることで回路縮小と演算時間の短縮を行った。本発表では再構成システムを使った可変パラメータアーキテクチャーについて報告する。
