Study on decompositions of index generation functions.

2019 Fiscal Year Final Research Report

• Project/Area Number: 17K00086
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Computer system
• Research Institution: Meiji University
• Principal Investigator: Sasao Tsutomu 明治大学, 理工学部, 専任教授 (20112013)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: 国際研究者交流 / 線形関数 / 関数分解 / ルータ / ＣＡＭ（連想メモリ） / パターンマッチング / 書き換え可能回路

Outline of Final Research Achievements

An index generation function can be decomposed into two index generation functions, by partitioning the set of the input variables into two. With this property, an arbitrary index generation function can be represented with only index generation functions, by iterative decompositions of the original index generation function. In this research, we developed an efficient decomposition algorithm, where the number of inputs n is up to 500. Also, during the research, we developed a very efficient linear decomposition method. We also published a book on index generation functions from the U.S.A..The concept of index generation functions was extended to ''classification functions''.　They are useful for machine learning and data mining.

Free Research Field

情報学

Academic Significance and Societal Importance of the Research Achievements

インデックス生成関数は、連想メモリ(CAM)の機能を数学的に表現したものである。インデックス生成関数の能率の良い実現法を開発することにより、CAMの応用回路の大きさや消費電力を大幅に削減できるようになる。例えば、インターネットのルータやパターンマッチング回路である。本回路は、通常のメモリと若干の論理回路から実現できる。インデックス生成関数は、代数的な手法で実現可能であり、大規模回路にも適用できる。また、この手法は、インデックス生成関数を拡張した分類関数にも適用可能である。分類関数は、機械学習yやデータマイニングにも応用できるため、電池で動く小型製品に組み込み可能である。