デルタ・シグマ変調を利用した1ビットディジタル信号による神経回路網の検討

• Project/Area Number: 11875092
• Research Category: Grant-in-Aid for Exploratory Research
• Allocation Type: Single-year Grants
• Research Field: Measurement engineering
• Research Institution: Tokyo Institute of Technology
• Principal Investigator: 黒澤 実 東京工業大学, 大学院・総合理工学研究科, 助教授 (70170090)
• Project Period (FY): 1999
• Project Status: Completed (Fiscal Year 1999)
• Budget Amount: ¥2,100,000 (Direct Cost: ¥2,100,000); Fiscal Year 1999: ¥2,100,000 (Direct Cost: ¥2,100,000)
• Keywords: ΔΣ変調 / ニューラルネットワーク / パルス密度変調 / ディジタル信号 / 信号処理 / 1ビットディジタル信号 / パルス密度 / 乗算器

Research Abstract

1ビットニューラルネットワークの学習法を,リカレント型,エラーフィードバック型,アダライン法を用いて実現した。また,1ビットの飽和出力関数をモデル化して作った推定ネットワークモデルがほぼ同じ働きをすることがわかった。したがってこのモデルにより大まかなネットワークの特性の設定を行い,これを微調整するという手段が有効であることがわかった。
1ビットニューラルネットワークモデルとして,静的な入出力関係を表すネットワークよりも,入力の動的な変化に対する出力を行うネットワークの方が適していると当初考えていた。しかし,単入力モデルで表した静的な入出力関係が1ビットネットワークで実現する事ができた。これは,1ビット信号のサンプル時間が十分短ければ,1ビットディジタル信号のパルス間隔がアナログ量に相当し,その演算結果が,静的な演算結果と等価になることを考慮すると,明白な結果である。今後の1ビットニューラルネットワークん研究に必要となる知見を得た。
本研究におけるの学習手法は,実数系にモデルを作り実際に使うべき荷重の整数比を推定したあとに微調整を行うものであった。これは整数比の変更による荷重の変更の手法が確立していないことによる回避手段というべきもので,直接変数を操作するネットワークの構築方法を検討する必要がある。