JP2000504135A

JP2000504135A - ニューラル回路網の中のデータ・フローを処理する方法およびニューラル回路網

Info

Publication number: JP2000504135A
Application number: JP9527959A
Authority: JP
Inventors: コッテリル，ロドニイ，マイケル，ジョン
Original assignee: Individual
Current assignee: Individual
Priority date: 1996-02-02
Filing date: 1997-02-03
Publication date: 2000-04-04
Also published as: EP0877984A1; WO1997030400A1; DE69702116D1; CN1212772A; ATE193388T1; DE69702116T2; AU1590897A; EP0877984B1; NZ331511A; AU707025B2

Abstract

(57)【要約】ニューラル回路網は、環境からパラメータ表示を受け取るための外部センサ２を有する。このパラメータ表示は加重され、そしてマスタ・ノード１の入力に送られる。マスタ・ノード１は、付加的に加重された形式のパラメータ表示を外部効果器５の入力に転送する。外部効果器からの出力は、環境に関する影響の後に外部センサの入力にフィードバックされる。さらにこのパラメータ表示はマスタ・ノードのセンサから直接にフィードバックされ、そしてそこでフィードバックされたパラメータ表示の和が形成される。この結果、ニューラル回路網の高速でかつ非常に複雑な学習が得られる。このニューラル回路網は、学習の後、環境により影響されるフィードバック信号を用いることなくタスクを実行することができる。したがって本発明により、人間の意識と類似であるニューラル回路網が得られる。

Description

【発明の詳細な説明】ニューラル回路網の中のデータ・フローを処理する方法およびニューラル回路網本発明は（ａ）環境からパラメータ表示を複数個の入力ニューロンの中に受け取る段階と、（ｂ）入力ニューロンの出力から内部層のニューロンの入力に加重されたパラメータ表示を転送する段階と、（ｃ）内部層の出力から複数個の出力ニューロンの入力に加重されたパラメータ表示を転送する段階、および同時に内部層の出力から複数個の入力ニューロンの入力に加重されたパラメータ表示を転送する段階と、（ｄ）環境に関する影響の後、出力ニューロンの出力から複数個の入力ニューロンの入力に加重されたパラメータ表示をフィードバックする段階と、を有する、ニューラル回路網の中のデータ・フローを処理する方法に関する。本発明はさらに、環境からパラメータ表示を受け取るために複数個の入力ニューロンを備えた内部センサを有するニューラル回路網に関する。ここで、外部センサの出力は複数個のニューロンを有する内部層の出力に接続され、そしてこの内部層の出力は複数個の出力ニューロンを有する外部効果器（effector）の入力に接続され、そして環境に関する出力ニューロンの影響のパラメータ表示が複数個の入力ニューロンの入力にフィードバックされる。このような方法と３種類のニューロンから成るニューラル回路網とは、これまでに開示されている、例えばＥＰ 0 529 682Ａ2 、ＷＯ 95 24 684Ａ1 に開示されている。これらの従来のニューラル回路網は、自覚の概念の古典的理解に基づいている。さらに詳細にいえば、自覚および関連する筋肉は５つの異なる人間の感覚、すなわち味覚、臭覚、視覚、触覚および聴覚、からの入力により影響されるという古典的理解に基づいている。出力は、入力から出力に直接に結合した反射であることができる。本発明は、２つの形式の感覚入力の間を識別する自覚のまた別の概念に基づいている。これらはアフェレント（afferent）信号およびリアフェレント（reafferent）信号と呼ばれる。アフェレント信号は自分自身に原因のある信号ではない。例えば、爆発音はアフェレント信号であるであろう。それは、この音はわれわれがなにもしないでもわれわれに到達するからである。リアフェレント信号は自分自身に原因のある信号である。例えば、接触の感覚はリアフェレント信号の例である。このように、われわれの筋肉の運動が原因となって例えば指を通して、われわれは信号を受け取る。換言すれば、リアフェレント信号を通して世界が探査される。このように、運動機構体を通して実現される脳と体と環境との間の相互行動として、自覚が認知されるべきである。その結果、２種類の基本的な認識過程、すなわち思考および運動、が存在する。これらはいずれも同じ制御ユニット、いわゆるマスタ・ノード、の支配下にある。前記で説明した理論のさらに詳しい説明については、名称「自覚経験の統一について（On the unity of conscious experience）」、デンマークの技術大学（ Technical University）、物理研究所（Institute of Physics）、ビルディング 307、ＤＫ−2800、リングビイ（Lyngby）、から出版された本発明人の論文を参照されたい。この論文は、本出願の受付日においては一般の人にとっては入手可能ではなかった。前記で説明した理論に基づき、本発明の目的は、前記で説明したようにマスタ・ノード理論の原理に従って動作する方法および技術的ニューラル回路網を得ることである。本発明の目的は、マスタ・ノードであるニューロンの内部層の出力からのパラメータ表示が、環境に関する出力ニュロンの結果からのパラメータ表示により訂正されることで達成される。その結果、ニューラル回路網の中のデータ・フローの処理において、マスタ・ノードの出力ニューロン・パラメータ表示の間接結合のために、人工的意識がシュミレートされる。請求項２に述べられているように、訂正が加算により実行される点で、この方法は好都合である。このことは好都合にベクトル的に生ずることができるので、このことによりパラメータ表示を訂正する極めて適切な方法が得られる。この方法が請求項３に述べられているように実行される時、内部層からのパラメータ表示だけが、学習後のニューラル回路網の中の信号の処理においてフィードバックされる。その結果、ニューラル回路網はそのシュミレートされた意識に従って動作し、そして環境に関する影響には依存しないであろう。前記で説明したように本発明はまた、マスタ・ノードである内部層の出力からのパラメータ表示が、環境に関する出力ニューロンの影響の結果からのパラメータ表示により訂正されることを特徴とする、ニューラル回路網に関する。このことにより、組込まれ、シュミレートされた意識を有する技術的ニューラル回路網が得られる。本発明の好ましい実施例は請求項５〜請求項７に定められている。したがって、本発明に関連する本質的な部分は（ａ）環境に対する出力の発生、（ｂ）状態評価を含む、ニューラル回路網の中における内部作業、（ｃ）環境からの入力の検出、である。回路網の環境はここでは、ニューラル回路網の任意の検出器またはすべての検出器により検出することができる、ニューラル回路網の直接の環境または遠隔の環境のすべてのこれらの物理的対象物および属性であると理解される。ニューラル回路網の直接の環境および遠隔の環境のすべてのこれらの物理的対象物および属性は、ニューラル回路網の任意の出力またはすべての出力により影響されることができる。意識のコンピュータ・シュミレーションでは、前記で説明した環境はシュミレートされた環境であり、そして対象物および属性はシュミレートされた対象物および属性であるであろう。意識のコンピュータ・シュミレーションでは、ニューラル回路網の前記で説明した検出デバイスはシュミレートされた検出デバイスであるであろう。意識のコンピュータ・シュミレーションでは、ニューラル回路網の前記で説明した出力はシュミレートされた出力であるであろう。これらの出力は、ニューラル回路網またはコンピュータの直接の環境または遠隔の環境のすべての物理的対象物および属性に影響を与えることができるすべての物理的過程を含む。これらの過程は、すべての機械的過程、音響／オーディオ過程、熱的過程、電気的過程、磁気的過程、（電磁波スペクトルの全領域の放射を含む）電磁気的電気化学過程、化学的過程、生化学的過程（分子生物学的過程を含む）、光学的過程および原子レベルより小さな粒子の過程を含む。前記過程は、個別にまたは任意の可能な組合わせまたはすべての可能な組合わせで行動する。前記で説明した検出デバイス、内部作業および状態評価は、出力の説明のところで述べたのと同じ過程を有する。さらに状態評価器は、与えられた任意の時刻において、ニューラル回路網またはコンピュータの要請および目標が実現されない程度または満たされない程度を評価する、およびニューラル回路網に対する危険が回避できる程度または回避できない程度を評価する、モニタである。ここで危険という用語は、前記で説明した過程と同じことを意味するとされている。ニューラル回路網の目標は、ニューラル回路網に提供されるおよびその機能に関する外部のすべての事柄である。前記ニューラル回路網は、それ自身のためにまたは人に代わってまたはオプションで他のコンピュータに代わって、タスクを達成するために設計される。ニューラル回路網に要望されることは、ニューラル回路網それ自身の中に含まれるまたはニューラル回路網それ自身に付随するすべてのこれらの事柄である。前記で説明したように、ニューラル回路網の人工意識の設計は、エフェレンス・コピー（efference copy）を生成する、およびエフェレンス・コピーとリアフェレンス入力との間の適切な相互行動を設定する、およびニューラル回路網の相互行動に対する結果を評価する、ことに基づいている。エフェレンス・コピーの準備およびエフェレンス・コピーとリアフェレンス入力との間の適切な相互行動の設定とこの相互行動の結果の評価のための機構体、および危険の回避を含むニューラル回路網の目標および要望されることに対するその意義は、本発明の特徴である。したがって本発明により、人間の感覚（feeling）および感情（emotion）に匹敵するまたは等価であるいくつかの性質をニューラル回路網に本質的に与える評価機構体を得ることである。本発明の前記回路網は多くの関連する事柄に用いることができる。その例を挙げれば次の通りである。 −全体的な意識回路 −ゲームおよびビデオ −シュミレートされた意識ソフトウエア／ハードウエアに基づく相互に行動し合うテレビジョン・ゲーム −軍事的応用 −教育プログラム −個人的友情のシュミレーション −翻訳プログラム −保安装置 −産業用制御 −認識過程下記において、図面に示された実施例を参照しながら本発明をさらに詳細に説明する。図１は、ニューロンがどのように設計されるかを示した説明図。図２は、本発明のニューラル回路網を実施するためのブロック線図。図３〜図８は、図２のブロック線図に対する種々の作業状態図。図１に示されているように、ニューロンは３つの群、すなわち、入力ニューロン、マスタ・ノード・ニューロンおよび出力ニューロン、から成る。入力ニューロンは、例えば、装置からの信号（図１のアフェレンス入力で示されている）を選定することができる。さらに入力ニューロンは、その信号が装置からの応答の信号を受け取ることができ、その信号（図のリアフェレンス入力で示されている）がニューラル回路網の中で処理される。最後に入力ニューロンは、マスタ・ノード・ニューロンからフィード・バックされた信号（図のエフェレンス・コピーで示されている）を直接に受け取ることができる。すべてのニューロンが、他のニューロンからの信号、または装置を通して環境から直接の信号、またはこのような両方の信号源からの信号、のいずれかを受け取ることができるような設計を、このニューラル回路網が有する。ニューロンの間の基本的な信号の伝達がどのようにして起こるかを示すために、下記で数学的モデルが設定されるであろう。図１において、入力ニューロンに対するベクトルがＶ₁で示されており、一方接続はマトリックスと呼ぶことができる。この接続は、入力ニューロンに関して、２つのマトリックスＥ_OIおよびＳ_MIから成る。マトリックスＥ_OIはリファレンス・ルートを示す。このマトリックスＥ_OIは、は環境に関する影響の後、出力ニューロンのベクトルの加重されたパラメータ表示に対応する。それに対応して、マトリックスＳ_MIは、マスタ・ノードからのベクトルＶ_Mの値に結果としての加重されたデータ表示を示す。マスタ・ノード・ニューロンの加重パラメータ表示は、マトリックスＳ_IMからなる。マトリックスＳ_IMは入力信号としてベクトル信号Ｖ_Iを受け取り、そしてその出力において出力ニューロンに付随するマトリックスの中の加重された表示Ｓ_MOにベクトル信号Ｖ_Mを放出する。この実施例では、14個の入力ニューロンと、６個のマスタ・ノード・ニューロンと、10個の出力ニューロンとが存在することが仮定される。（けれども、図では15個の入力ニューロンと５個のマスタ・ノード・ニューロンとが示されている。）この実施例では、マトリックスＳ_MOの個々のエレメントには初期値が与えられる。これらの初期値は、0.0から1.0までの間隔の中に均一に分布している。このことは、このシステムはマスタ・ノードと出力との間に既に接続路が発達している事実を表す。それとは異なって、Ｓ_IMおよびＳ_MIはすべて同じ値、すなわち0. 5、である。したがってこの最初の状態は、環境に関してなにも学習していない場合に対応する。最後にマトリックスＥ_OIは、環境が情報を含んでいる状態を示すために、同じでないエレメントを表す。この回路網の機能の第１の例は、回路網がその環境を探査する重要な場合を示すであろう。初期の活性はマスタ・ノードの中に見られる。マスタ・ノードは内部活性化システムから活性化を受け取る。マスタ・ノードの中のベクトルＶ_Mにより表される与えられた活性パターンに対し、出力に得られる結果としての活性パターンは下記の式により与えられる。Ｖ_O ＝Ｖ_M ＊Ｓ_MO （１）ここで、記号＊は乗算を示す。マスタ・ノードはまた入力側に活性を送るが、しかしこの場合、受信ユニットに到達するのは第２種類の活性である、すなわち、リアフェレンス入力の形式で環境からくる活性である。マスタ・ノードの入力に到達する正味の活性は、マスタ・ノードの中の活性の結果であり、したがって下記の式で与えられる。Ｖ_I ＝Ｖ_M ＊Ｓ_MI＋Ｖ_o ＊Ｅ_oI （２）最後に、入力ニューロンはマスタ・ノードに信号を送り、それによりマスタ・ノードの出力に到達する活性は下記の式で与えられるであろう。Ｖ_M ＝Ｖ_I ＊Ｓ_IM （３）下記で説明される特定の実施例では、Ｓ_MIおよびＳ_IMのシナプス接続マトリックスのエレメントの寸法を変えることにより、ニューロンはそれらの環境について学習する。シナプス効率（これはまた通常シナプス加重として知られている）の中のこれらの変化の規則は、両方が同時に活性である２つのニューロンを結合するすべてのシナプスはその効力を増大させ、一方これらの一方のみが活性であるニューロンの対を結合するシナプスはその効力をわずかに減少させる、というものである。これらの２つの場合は下記の方程式により支配される。 ΔＳ_IM（ｉ，ｊ）＝ε＊（１−Ｓ_IM）（ｉ，ｊ））（４）および ΔＳ_IM（ｉ，ｊ）＝ 0.5＊ε＊（Ｓ_IM（ｉ，ｊ）（５）これらの方程式において、記号Δは入力ニューロン番号Ｉとマスタ・ノード・ニューロン番号Ｊとの間のシナプス接続の効力率の変化の量を示す。量εは与えられた組の状況の下における学習の程度を表し、そしてこの実施例では値0.01が割り当てられる。方程式（５）の中に現れる訂正因子0.5は必要である。その理由は、ニューロンの活性の間の不整合（すなわち、＋−と−＋の両方）の確率の大きさが整合（すなわち、＋＋）の確率の大きさの２倍であるからである。この実施例では、回路網は下記のエレメントを有する下記の初期マトリックスでもって機能する。０と異なる値を有するものはすべて、乱数発生器により決定される。ニューラル回路網がその環境に関して学習することを可能にするために、６個のニューロンのちょうど半分（すなわち、３個のニューロン）が任意の瞬間に活性である状態に対し、マスタ・ノードの中のあらゆる可能な活性の組み合わせが順次に発生される。合計６個のニューロンから３個のニューロンが活性であり得るには、20個の異なる方法がある。すなわち、１１１０００、１１０１００、１１００１０、など、０００１１１までである。マスタ・ノードの中のこれらの異なる活性パターンは、前記の方程式（１）に従って、出力ユニットの中に活性パターンを生ずる。しかし、６個のニューロンの組の中よりも１０個のニューロンの組の中にはさらに多数個の可能な活性パターンが存在するから、前記のマスタ・ノードの活性により可能なすべての出力パターンが発生するわけではないことは明らかである。前記で説明したように、入力ユニットの中に発生した活性パターンは、エフェレンス・コピー・ルートを通しての直接の活性化とリファレンス・ルートを通しての間接の活性化との両方の結果であるであろう（前記の方程式（２）を見よ）。さらに、14個の入力ニューロンが存在するから、入力パターンの可能な種類はマスタ・ノード・ユニットの出力に対するものよりも多くさえもある。したがって、すべての可能なパターンは観察されないであろう。下記において、すべての可能なマスタ・ノード活性化シーケンスの活性化が、他のユニットの中に結果とし得られる活性パターンと共に、表に示されるであろう。３個の行の群のおのおのはシーケンスＶ_M、Ｖ_OおよびＶ_Iを表す。統計的に期待されるように、Ｖ_Iパターンの中に繰り返しがほとんどなく、一方もしそれぞれのユニットの中にさらに多数個のニューロンが存在するならば、このような冗長度は急速に消滅するであろうことが分かる。全体的にいって、シュミレートされたユニットは環境からの種々の特徴の間を非常に良く識別する。前記の方程式（４）および方程式（５）により回路網全体がいまは学習可能である。Ｓ_IMおよびＳ_MIの中のエレメントに対し結果として生ずる変化が下記の表に示されている。他のマトリックスは当然に不変のままである。訓練された回路網がエクサフェレンス（exafference）にいまはどのように応答するかを示すために、このことはニューラル回路網自身の環境の探査により誘発されなかった信号の入力ニューロンへの到達を意味するが、次の段階を行うことができる。マスタ・ノードの中の与えられた活性パターンに対し、14個の入力ニューロンのおのおのに到達する正味のリアフェレンス信号が計算され、そして記憶される。例示のために、マスタ・ノード活性パターンは、前記で説明した20個のパターンの中の第１のパターン、すなわち１１１０００であるとする。このマスタ・ノード・パターンが生ずる14個の入力信号は、下記の通りである。入力ニューロンのおのおのに対する全感覚入力 2.34 2.35 1.64 2.78 2.13 2.00 1.59 3.51 2.05 2.74 2.64 3.59 2.20 2.77 もし同じ14個の信号がエクサフェレンス入力、すなわちマスタ・ノードの中に事前活性のない入力、として用いられるならば、その場合にはマスタ・ノードの中に発生する活性は（前記の方程式（３）を用いて）１１１０００であると計算されるであろう。このことは、純粋なアフェレンス入力信号によりマスタ・ノードの中に発生する活性は、あたかもマスタ・ノード活性が等価なリアフェレンス信号を発生したのと正確に同じであるであろう。換言すれば、訓練された回路網は、それ自身の出力に関係する内部的にシュミレートされた活性によって応答するであろう。最後に、シュミレートされた回路網の機能に関していくつかの点を考察しなければならない。第１の点は、学習の期間中にマスタ・ノードから入力ユニットに送られるエフェレンス・コピー信号は、Ｓ_MIの中のすべてのエレメントが等しいために、14個の入力ニューロンに一様な影響を及ぼすであろうことを断っておく。もしさらに学習がその後も行われるならば、この均一性は厳密には保持されないであろう。けれども、ここで例示のために用いられた回路網は非常に小型であり、そして活性レベルは極めて高い（すなわち、任意に与えられたパターンの中で、ニューロン全体の半分が活性である）ことを心に止めなければならない。実際のは、回路網はもっと大型であり、そして任意に与えられたパターンの中の活性ニューロンの割合は大幅に少ないであろう。それにより、エフェレンス・コピー信号の近似的な均一性が保持されるであろう。第２の点は、この簡単な例示的実施例において、シナプス・マトリックスＳ_MI およびＳ_IMは対称的であることである。入力ユニットおよびマスタ・ノード・ユニットがニューロンの単純（ベクトル的）な組であるので、このことがあてはまる。その代わりにもしこれらのユニットのいずれかまたは両方が複合的であるならば、すなわちニューロンの多くの異なる明確で独立な組で構成されるならば、相互関係の対称性はもはや見られないであろう。図２は、本発明を実施する際に用いることができるブロック線図である。図から分かるように、この回路は、外部センサ２と、内部アクチベータ３と、外部効果器５と、セレクタおよびアクチベータ４と接続され、およびセレクタおよびアクチベータ４を通して内部状態センサ６とに接続された、マスタ・ノード１を有する。内部状態センサ６は内部アクチベータ３にさらに接続される。この回路が動作する方式が図３〜図８に示されている。図３は、ニューラル回路網の中の内部センサが環境の内部的に剌激された探査に応答することを示している。この実施例では内部状態センサは、外部効果器の活性化に導く一連の出来事を開始する目標または要望されるものを、この装置が発生したことを検出する。このことは回路が環境を探査することを可能にし、そしてエフェレンス・コピー信号とリアフェレンス信号との間の相互行動が意識を生ずる。回路の外部探査の結果は、その目的の達成のために、およびその要望されるものの充足のために、および危険の回避のために、内部センサ・ユニットにフィード・バックされる。外部センサと内部状態センサ・ユニットとの間の接続に付随するシナプスの中に、これらの出来事のメモリが同時に記憶される。将来の入力信号の可能性の高い結果を予測するために、これらのことが用いられる。図４は、入力の内部的に剌激された知覚を伴う１つの動作モードを示した図である。この動作モードでは、入力が生じた時、内部状態センサはシステムを既に剌激し、そして入力から明白な応答がなくても、このことはシステムが入力を知覚することを可能にしそしてそれに選択的に注意を払うことを可能にする。図５は、入力から内部的に剌激された応答に対する動作のモードを示した図である。このモードは図４のモードと同等であるが、しかしこの場合には、実際の応答が引き出されるように刺激のレベルが十分に高い。図６は、回路が受動反射応答で動作している場合のモードを示した図である。内部剌激がない場合、入力がこれに積極的に注意していなくても、入力信号の到着は反射応答を生ずることができる。図７は、応答の内部的に刺激された内部シュミレーション（思考）のモードを示した図である。このモードは実質的に、図６のモードの反対である。エフェレンス・コピーおよびアフェレンス・ルートにより共同して形成されたループを通る循環する信号を設定するためにマスタ・ノードを誘発することにより、内部状態センサは行動の特定のコースの結果の内部シュミレーションの中にマスタ・ノードを引き起こす。このことはまた、記憶している結果の信号からこのルート中に行動を発生し、そしてこのことは最後に説明したルートに含まれるシナプス接触体の調整に導くことができる。したがってこのシステムは行動をシュミレートし、そしてそれらに関しては何も行うことなく、それらの結果を評価する。これが思考である。（この特定のモードの機能は、人間の夢の過程と共通の特徴を有することが可能である。）最後に、図８は外部的に駆動された覚醒および応答の動作のモードを示した図である。この最後の例では、機械は最初は剌激されないが、しかし入力の期待された結果がシステムを行動するようにし、そしてこの時、すべてのフィードバック・ルートが活性であり、そして選択的注意が入力に払われて、回路が図５に示されたのと類似の方式で機能するであろう。

【手続補正書】特許法第１８４条の８第１項【提出日】１９９８年４月４日（１９９８．４．４）【補正内容】このような方法および３種類のニューロンから成るニューラル回路網は、これまでに開示されている、例えばＥＰ 0 529 682Ａ2、ＷＯ 95 24 684Ａ1に開示されている。さらに米国特許第 5 253 329号は、回路全体の事前の訓練により、回帰（recurrent）接続が入力信号の中の時間シーケンスを認識する能力を回路全体に与える、ニューラル回路網を開示している。入力信号のない場合、これらの回帰接続の排他的活性化を含む回路の動作モードは米国出版物には存在しない。本発明による回帰接続は全く異なる目的を果たす、すなわち外部出力の内部的に発生したシュミレーションを生ずる。このことは思考の生成に等価であると述べられる。下記を参照せよ。これらの従来のニューラル回路網は、意識の概念の古典的理解に基づいている。さらに詳細にいえば、意識および関連する筋肉は５つの異なる人間の感覚、すなわち味覚、臭覚、視覚、触覚および聴覚、からの入力により影響されるという古典的理解に基づいている。出力は、入力から出力に直接に結合する反射であることができる。本発明は、２つの形式の感覚入力の間を識別する意識のまた別の概念に基づいている。これらはアフェレント（afferent）信号およびリアフェレント（reafferent）信号と呼ばれる。アフェレント信号は自分自身に原因のある信号ではない。例えば、爆発音はアフェレント信号であるであろう。それは、この音はわれわれがなにもしないでもわれわれに到達するからである。リアフェレント信号は自分自身に原因のある信号である。例えば、接触の感覚はリアフェレント信号の例である。このように、われわれの筋肉の運動が原因となって例えば指を通して、われわれは信号を受け取る。換言すれば、リアフェレント信号を通して世界が探査される。このように、運動機構体を通して実現される脳と体と環境との間の相互行動として、自覚が認知されるべきである。その結果、２種類の基本的な認識過程、すなわち思考および運動、が存在する。これらはいずれも同じ制御ユニット、いわゆるマスタ・ノード、の支配下にある。

───────────────────────────────────────────────────── フロントページの続き (81)指定国ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＫＥ，ＬＳ，ＭＷ，ＳＤ，ＳＺ，ＵＧ)，ＵＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ，ＡＭ，ＡＴ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ，ＣＺ，ＣＺ，ＤＥ，ＤＥ，ＤＫ，ＤＫ，ＥＥ，ＥＥ，ＥＳ，ＦＩ，ＦＩ，ＧＢ，ＧＥ，ＨＵ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＫ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ，ＹＵ

Claims

【特許請求の範囲】１．（ａ）環境からパラメータ表示を複数個の入力ニューロンの中に受け取る段階と、（ｂ）入力ニューロンの出力からニューロンの内部層の入力に加重されたパラメータ表示を転送する段階と、（ｃ）内部層の出力から複数個の出力ニューロンの入力に加重されたパラメータ表示を転送する段階、および同時に内部層の出力から複数個の入力ニューロンの入力にパラメータ表示を転送する段階と、（ｄ）環境に関する影響の後、出力ニューロンの出力から複数個の入力ニューロンの入力に加重されたパラメータ表示をフィード・バックする段階と、を有し、（ｅ）マスタ・ノードであるニューロンの内部層の出力からのパラメータ表示が環境に及ぼす出力ニューロンの影響の結果からのパラメータ表示で訂正されることを特徴とする、ニューラル回路網の中のデータ・フローを処理する方法。２．請求項１記載の方法において、訂正が加算により実行されることを特徴とする、前記方法。３．請求項１または請求項２に記載された方法において、学習の後のニューアル回路網の中の信号の処理において、内部層からのパラメータ表示のみがフィードバックされることを特徴とする、前記方法。４．環境からパラメータ表示を受け取るために複数個の入力ニューロンを有する外部センサを備えたニューラル回路網であって、ここで外部センサの出力が複数個のニューロンを有する内部層に接続されおよび内部層の出力が複数個の出力ニューロンを有する外部効果器の入力に接続されおよび環境に及ぼす出力ニューロンの影響のパラメータ表示が複数個の入力ニューロンの入力にフィードバックされ、そしてマスタ・ノードである内部層の出力からのパラメータ表示が環境に及ぼす出力ニューロンの影響の結果からのパラメータ表示により訂正されることを特徴とする、前記ニューラル回路網。５．請求項４記載のニューラル回路網において、訂正が加算から成ることを特徴とする、前記方法。６．請求項４または請求項５に記載されたニューラル回路網において、内部アクチベータからの出力信号を受け取るための入力をマスタ・ノードが付加的に有し、内部アクチベータの入力がセンサ・ユニットからの出力に接続され、センサ・ユニットがニューラル回路網の最適状態からの偏差を表す信号および外部センサからの信号を受け取る、ことを特徴とする前記方法。７．請求項４ないし請求項６に記載されたニューラル回路網において、マスタ・ノードに接続された出力を有するセレクタおよび内部アクチベータの入力に接続される出力を内部アクチベータが有することを特徴とする、前記方法。