JPH064677A

JPH064677A - 認識判断装置

Info

Publication number: JPH064677A
Application number: JP4159841A
Authority: JP
Inventors: Shigeo Sakagami; 茂生阪上; Susumu Maruno; 進丸野; Koji Yamamoto; 浩司山本; 泰治〆木; Taiji Shimeki
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1992-06-18
Filing date: 1992-06-18
Publication date: 1994-01-14

Abstract

(57)【要約】【目的】入力特徴ベクトルに対して、出力カテゴリの算
出に要する時間が短く、自動的にパラメータが最適化で
きる認識判断装置を提供すること。【構成】2次元入力特徴ベクトル(x, y)の属するカテゴ
リを出力する場合、第1の閾値比較器は、特徴要素xが閾
値t₁より小さいときには第2の閾値比較器の選択信号を
出力し、特徴要素xが閾値t₁以上の場合には第2の属性メ
モリの選択信号を出力し、その選択信号がそれぞれ固有
の選択信号の値と一致した閾値比較器又は属性メモリが
次段の処理を行い、閾値比較器は第1の閾値比較器の動
作と同様に2つの選択信号のいずれかを出力し、属性メ
モリはカテゴリを出力して、大小比較の繰り返しによ
り、入力特徴ベクトルの属するカテゴリを認識して出力
する。これによって、大小比較のみによって出力カテゴ
リが得られるので、出力カテゴリの算出に要する時間が
短い。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、入力された画像、音
声、センサ信号などに対して、物体、音韻、状況などを
認識するための認識判断装置に関するものである。

【０００２】

【従来の技術】この種の従来の認識判断装置としては、
例えば特公昭63-55106あるいは米国特許第4,326,259号
に示されている。図１７は、同特許に示されている従来
の認識判断装置の一部を構成するパターン種類分類装置
のブロック図である。図１７に示されるように、従来の
パターン種類分類装置では、入力される1つのパターン
の信号コードであるベクトルS₁, S₂, ・・・・, S_j, ・・・・,
S_Nは、組立体1, 2, ・・・・, i, ・・・・ , Mに共通に与えら
れ、各々の組立体iは図１８に示される構造を持ってい
る。図１８に示される従来のパターン種類分類装置の組
立体iにおいては、入力ベクトルS₁, S₂, ・・・・, S_j, ・・・
・, S_Nの信号が重み付け段A_i1, A_i2, ・・・・, A_ij, ・・・・,
A_iNのマトリクスへ印加されている。重み付け段を構成
する結合素子A_ijは信号S_jに伝達関数A_ijを掛け、加算器
iは重み付け段の出力を加算し、中間出力P_i'を発生す
る。加算器iの出力P_i'はλ_iと示された段へ与えられ、
このλユニットにおいて、加算器iの出力にある選択さ
れた係数を乗ずる。この乗算結果はθ_piと示されたその
次の段へ与えられる。θ_pi段はλ段の出力がある選択さ
れたレベルに等しいか或いはそれより大きい場合に出力
信号P_iを発生する。θ_pi段の出力は制御素子へ禁止入力
として与えられ、制御素子はθ_pi段の出力が生じない時
に加算器iの出力P_i'を結合素子へフィードバックするよ
うに構成される。フィードバックされたP_i'をもとに、
結合素子の伝達関数A_ijは（数１）に示されるアルゴリ
ズムに基づいて修正される。

【０００３】

【数１】A_ij(t) = A_ij(t-1) + δA_ij(t) ただし、δA_ijは（数２）のように表される。

【０００４】

【数２】δA_ij(t) = ηP_i'S_j 学習の初期においては、伝達関数A_ijはランダムな値を
とり、種類kに属する第1の入力パターンS^k(1)に対し
て、前記（数１）及び（数２）に示した修正アルゴリズ
ムによって組立体i(i = 1, 2, ・・・・ , M)の重みA_ijが修
正される。その繰り返しによって組立体の1つにおいて
λ段の出力が閾値θ_pi以上となり、出力P_iを生ずるよう
になる。

【０００５】従来の認識判断装置は、このようなパター
ン種類分類装置と図１９に示されるパターン種類認識装
置との従属接続によって構成される。パターン種類分類
装置の出力するP_iは、パターン種類認識装置の種類kに
相当する多入力オア回路へ与えられ、出力信号r_kが発生
される。

【０００６】以上の動作によって、種類kに属する第1の
入力パターンS^k(1)に対して、出力信号r_kが発生され
る。同様に、任意の種類に属する任意の入力パターンに
対して、その種類に相当する出力信号が発生されるよう
になっている。

【０００７】

【発明が解決しようとする課題】しかしながら、以上の
ような構成では、入力ベクトルS₁, S₂,・・・・, S_j,・・・・,S
_Nの信号が、すべての組立体i(1, 2, ・・・・, M)の結合素
子A_i1, A_i2, ・・・・, A_ij,・・・・, A_iNに印加され、それぞ
れ伝達関数を掛けているため、出力信号r_kの算出に要す
る時間が長いという課題がある。

【０００８】また従来の認識判断装置の性能は、（数
２）における変数ηや、λユニットにおいて加算器の出
力に乗ずる係数や、θ_pi段における閾値に依存する。し
たがって、これらのパラメータの最適化のために、試行
錯誤を要するという課題がある。

【０００９】本発明は、このような従来の認識判断装置
の課題に鑑み、出力信号の算出に要する時間が短く、パ
ラメータの最適化のための試行錯誤が不必要な認識判断
装置を提供することを目的とする。

【００１０】

【課題を解決するための手段】第1の本発明は、入力さ
れた特徴ベクトルの１つの要素と閾値との大小によって
次段の閾値比較器もしくは属性メモリを選択するM個の
閾値比較器と、入力された特徴ベクトルに対するカテゴ
リを出力するN個の属性メモリとを備えた認識判断装置
である。

【００１１】第2の本発明は、入力された特徴ベクトル
の１つの要素と閾値との大小によって次段の閾値比較器
もしくは属性メモリを選択するM個の閾値比較器と、入
力された特徴ベクトルに対するカテゴリを出力するN個
の属性メモリと、学習時に属性メモリが出力するカテゴ
リと与えられた教師カテゴリとが一致しないときにカテ
ゴリ不一致信号を出力する手段と、学習時に前記カテゴ
リ不一致信号に応じて前記閾値比較器が選択する次段の
閾値比較器もしくは属性メモリを変更する手段を備えた
認識判断装置である。

【００１２】

【作用】上記第1の本発明の構成によれば、特徴ベクト
ルは、まず第1の閾値比較器に入力され、第1の閾値比較
器は、特徴ベクトルの特定の要素と特定の閾値との大小
関係に応じて、次段の閾値比較器または属性メモリの選
択信号を出力する。第2から第Mの閾値比較器はそれぞれ
固有の選択信号を記憶しており、第1の閾値比較器が出
力した選択信号と固有の選択信号とが一致すれば、特徴
ベクトルの特定の要素と特定の閾値との大小関係に応じ
て、次段の閾値比較器または属性メモリの選択信号を出
力する。このような動作をN個の属性メモリのいずれか
が選択されるまで繰り返す。N個の属性メモリは、それ
ぞれ固有の選択信号を記憶しており、最終段の閾値比較
器が出力した選択信号が固有の選択信号と一致すれば、
それぞれが記憶しているカテゴリ信号を出力する。以上
のように、第1の発明は、入力された特徴ベクトルの要
素との大小比較の繰り返しによって、特徴ベクトルの属
するカテゴリを出力するもので、カテゴリの算出におい
て、伝達関数の算出等の演算を要しないので、短い時間
で出力カテゴリ信号を得ることができる。

【００１３】上記第2の本発明の学習動作は、入力され
た特徴ベクトルが属するカテゴリを算出する認識動作
と、認識動作によって得られたカテゴリと教師カテゴリ
とが一致しない場合に、閾値比較器が選択する次段の閾
値比較器もしくは属性メモリを変更する更新動作とから
なる。認識動作においては、閾値比較器によって入力さ
れた特徴ベクトルの要素との大小比較を繰り返し、属性
メモリが選択されると、その属性メモリ記憶しているカ
テゴリとして、特徴ベクトルの属するカテゴリを得る。
更新動作は、認識動作において選択された属性メモリの
カテゴリと教師カテゴリとを比較することから始まる。
認識動作で得られたカテゴリと教師カテゴリとが一致し
ない場合には、未使用の閾値比較器の1つを選択するよ
うに最終段の閾値比較器の選択信号を変更し、その未使
用の閾値比較器が認識動作で選択された属性メモリと未
使用の属性メモリの1つとを選択するようにその選択信
号を設定し、その未使用の属性メモリのカテゴリを教師
カテゴリに設定する。これによって、入力された特徴ベ
クトルに対して選択される属性メモリのカテゴリが、入
力された教師カテゴリに一致するようになる。以上のよ
うに、第2の発明によれば、その学習動作によって、入
力される特徴ベクトルと教師カテゴリに一致するカテゴ
リが出力されるように、閾値比較器の出力する選択信号
を更新することができ、パラメータの最適化が不必要と
なる。

【００１４】

【実施例】以下、本発明の実施例について図面を参照し
て説明する。

【００１５】図１は、第1の本発明の一実施例の認識判
断装置の構成図である。本実施例の認識判断装置は、M
個の閾値比較器とN個の属性メモリによって構成され
る。図１において、特徴ベクトルの入力端子7は閾値比
較器1, 2, 3に接続され、その閾値比較器1,2,3の出力
は、属性メモリ4, 5, 6に入力されており、さらに、そ
の結果はカテゴリの出力端子8から出力されるようにな
っている。

【００１６】図２は、本実施例の認識判断装置の動作を
表すＰＡＤ図(Problem Analysis Diagram)である。図
１、図２を参照しながら、本実施例の動作の概要を説明
する。

【００１７】端子7から入力された特徴ベクトル(S₁,
S₂, ・・・・ , S_d, ・・・・ , S_D)は、第1の閾値比較器1に入
力される。第1の閾値比較器1は、特徴ベクトルの特定の
要素と特定の閾値との大小関係に応じて、次段の閾値比
較器または属性メモリの選択信号を出力する。第2から
第Mの閾値比較器はそれぞれ固有の選択信号を記憶して
おり、第1の閾値比較器1が出力した選択信号と固有の選
択信号とが一致すれば、特徴ベクトルの特定の要素と特
定の閾値との大小関係に応じて、次段の閾値比較器また
は属性メモリの選択信号を出力する。このような動作を
N個の属性メモリのいずれかが選択されるまで繰り返
す。N個の属性メモリは、それぞれ固有の選択信号を記
憶しており、最終段の閾値比較器が出力した選択信号が
固有の選択信号と一致すれば、それぞれが記憶している
カテゴリ信号を、端子8から出力する。

【００１８】以上のように、本実施例は入力された特徴
ベクトルの要素との大小比較の繰り返しによって、特徴
ベクトルの属するカテゴリを出力する。以下に、本実施
例の動作を実現する上記閾値比較器1,2,3および属性メ
モリ4,5,6の構成を示し、その動作を詳細に説明する。

【００１９】図３は、前述した動作を実現する本実施例
における閾値比較器の構成図である。図３において、選
択信号の記憶手段9と選択信号の入力端子15、比較器10
の入力端子に接続され、特徴ベクトルの入力端子16は、
特徴要素選択手段11に接続され、その特徴要素選択手段
11と閾値記憶手段１２が比較器13に接続されている。ま
た、比較器10、13は、次段の閾値比較器または属性メモ
リの選択手段14に接続され、選択手段14は、選択信号の
出力端子17に接続されている。

【００２０】この選択信号の記憶手段9は、それぞれの
閾値比較器に固有の選択信号を記憶している。また、比
較器10は、端子15に入力される選択信号と記憶手段9に
記憶している固有の選択信号とが一致すると、次段の閾
値比較器または属性メモリの選択手段14に出力可能信号
を出力する。特徴要素選択手段11は、特徴ベクトル入力
端子16から入力される特徴ベクトル(S₁, S₂, ・・・・ ,
S_d, ・・・・ , S_D)から特定の次元の要素S_dを選択する。特
徴要素選択手段11が選択する次元dは、それぞれの閾値
比較器ごとに特定の値である。閾値記憶手段12は、選択
された特徴ベクトルの要素と比較すべき閾値の値を記憶
している。比較器13は、入力された特徴ベクトルの特定
の要素と、閾値との大小関係を表す信号を、次段の閾値
比較器または属性メモリの選択手段14に出力する。次段
の閾値比較器または属性メモリの選択手段14は、2つの
閾値比較器または属性メモリの選択信号を記憶してお
り、特徴ベクトルの特定の要素が閾値よりも小さいとき
には、第1の選択信号を出力し、逆に特徴ベクトルの特
定の要素が閾値以上の時には第2の選択信号を出力す
る。このようにして閾値比較器が出力する選択信号に、
固有の選択信号が等しい閾値比較器もしくは属性メモリ
が、次段の処理を行う。

【００２１】図４は、前述した動作を実現する本実施例
における属性メモリの構成図である。図４において、選
択信号の記憶手段18と選択信号の入力端子21とは、比較
器19に接続され、比較器19は、カテゴリ記憶手段20に接
続され、カテゴリ出力端子22に接続されている。選択信
号の記憶手段18は、それぞれの属性メモリに固有の選択
信号を記憶している。比較器19は入力端子21から入力さ
れる選択信号と、記憶手段18が記憶している選択信号と
が一致すれば、カテゴリ記憶手段20に出力可能信号を出
力する。カテゴリ記憶手段20は、比較器19から出力可能
信号を受けると、端子22からカテゴリを表す信号を出力
する。

【００２２】以下に、本実施例の認識判断装置の動作を
具体例を用いて説明する。図５は、2次元の特徴ベクト
ルが3つのカテゴリ"Ａ", "Ｂ", "Ｃ"のうち、いずれに
属するかを認識する本実施例の認識判断装置の動作の例
を示す。図５では、入力される特徴ベクトルを(x, y)で
表し、入力される特徴ベクトルの要素は、それぞれ（数
３）に示す範囲に制限されているものとする。

【００２３】

【数３】0 ≦ x ＜ x₀ 0 ≦ y ＜ y₀ 図５の認識判断装置の動作の例では、(a)に示すよう
に、（数４）、（数５）、（数６）のように特徴ベクト
ルの属するカテゴリを認識する。

【００２４】

【数４】 0 ≦ x ＜ t₁ かつ 0 ≦ y ＜ t₂ の時、カテゴリ"Ｃ"

【００２５】

【数５】 0 ≦ x ＜ t₁ かつ t₂ ≦ y ＜ y₀ の時、カテゴリ"Ａ"

【００２６】

【数６】t₁ ≦ x ＜ x₀ の時、カテゴリ"Ｂ" 図５(b)は、（数４）、（数５）、（数６）で示した認
識を行う本実施例の認識判断装置の閾値比較器が比較す
る特徴ベクトルの要素および閾値、次段の閾値比較器ま
たは属性メモリの選択信号、および属性メモリが記憶し
ているカテゴリを示している。本実施例の認識判断装置
においては、特徴ベクトルが入力されると、最初に第1
の閾値比較器が選択される。図５(b)に示したように、
第1の閾値比較器1の特徴要素選択手段11は特徴ベクトル
の要素xを選択し、閾値記憶手段12は閾値t₁を記憶して
いる。第1の閾値比較器1の比較器13は、要素xと閾値t₁
とを比較する。第1の閾値比較器1の次段の閾値比較器2
または属性メモリの選択手段14は、x ＜ t₁ の時は第2
の閾値比較器2の選択信号を出力し、逆に x ≧ t₁ の時
は第2の属性メモリの選択信号を出力する。第2の属性メ
モリはカテゴリ"Ｂ"を示す信号を出力するので、（数
６）に示した認識が可能である。x ＜ t₁ の時に選択さ
れる第2の閾値比較器2は、特徴ベクトルの要素yと閾値t
₂とを比較し、y ＜t₂ の時には、第3の属性メモリの選
択信号を出力し、逆に y ≧ t₂ の時には、第1の属性メ
モリの選択信号を出力する。第3の属性メモリがカテゴ
リ"Ｃ"を表す信号を出力し、第1の属性メモリがカテゴ
リ"Ａ"を表す信号を出力することによって、（数４）お
よび（数５）に示した認識ができる。

【００２７】以上のように本実施例によれば、入力した
特徴ベクトルの要素と閾値との大小比較の繰り返しによ
って、特徴ベクトルの属するカテゴリが得られる。カテ
ゴリの算出に伝達関数の計算や加算などを要しないた
め、短い時間でカテゴリを得ることができる。

【００２８】図６は、第2の本発明の第1の実施例の認識
判断装置の構成図である。本実施例の認識判断装置は、
M個の閾値比較器、N個の属性メモリおよび選択の変更手
段によって構成される。図６において、特徴ベクトルの
入力端子30は、閾値比較器23, 24, 25に接続され、その
出力端子は、属性メモリ26, 27, 28及び選択の変更手段
29に接続され、他方、教師カテゴリの入力端子31は属性
メモリ26, 27, 28に接続され、32はそのカテゴリの出力
端子である。

【００２９】本実施例では、入力された特徴ベクトルの
属するカテゴリの認識に際しての動作は第1の本発明と
同様で、大小を比較するための閾値や入力される特徴ベ
クトルの要素の選択を学習によって自動的に設定できる
点が、第1の本発明に対する差異である。図７は、同実
施例の認識判断装置の学習動作を表すＰＡＤ図(Problem
Analysis Diagram)である。図６、図７を参照しなが
ら、本実施例の学習動作の概要を説明する。

【００３０】学習動作は、入力された特徴ベクトルが属
するカテゴリを算出する認識動作と、認識動作によって
得られたカテゴリと入力された教師カテゴリとの一致／
不一致に応じて閾値などを変更する更新動作とからな
る。認識動作は、図２と図７とを比較するとわかるよう
に、第1の本発明においてカテゴリを算出する動作と同
様である。すなわち、閾値比較器によって特徴要素と閾
値との大小比較を繰り返し、属性メモリが選択される
と、その属性メモリが記憶しているカテゴリとして、特
徴ベクトルの属するカテゴリを得る。他方、更新動作
は、認識動作において選択された属性メモリにおいて、
カテゴリと教師カテゴリの入力端子31から入力された教
師カテゴリとを比較することから始まる。属性メモリ
は、それぞれの属性メモリが選択されたときの、特徴ベ
クトルの次元ごとの最大値と最小値とを記憶しており、
認識動作で得られたカテゴリと教師カテゴリとが一致す
る場合には、その次元ごとの最大値と最小値とを更新す
る。逆に、認識動作で得られたカテゴリと教師カテゴリ
とが一致しない場合には、未使用の閾値比較器の1つを
選択するように最終段の閾値比較器の選択信号を変更
し、その未使用の閾値比較器が認識動作で選択された属
性メモリと未使用の属性メモリの1つとを選択するよう
にその選択信号を設定し、その未使用の属性メモリのカ
テゴリを教師カテゴリに設定する。これによって、入力
された特徴ベクトルに対して選択される属性メモリのカ
テゴリが、入力された教師カテゴリに一致するようにな
る。

【００３１】以上のように、本実施例の認識判断装置の
学習動作においては、閾値比較器の選択信号を更新し未
使用の属性メモリのカテゴリを設定することによって、
認識動作において得られるカテゴリが教師カテゴリと一
致するようになる。以下に、本実施例の認識判断装置に
おける閾値比較器と属性メモリの構成を示し、本実施例
の認識判断装置の動作を詳細に説明する。

【００３２】図８は、本実施例の認識判断装置における
閾値比較器の構成図である。図８において、選択信号の
記憶手段33と選択信号の入力端子39は、比較器34に接続
され、特徴ベクトルの入力端子40は特徴要素選択手段35
に接続され、さらに、比較器34と閾値および次元の変更
信号の入力端子41はその特徴要素選択手段35と閾値記憶
手段36にそれぞれ接続され、さらに、特徴要素選択手段
35と閾値記憶手段36は比較器37に接続されている。ま
た、その比較器37は、次段の閾値比較器または属性メモ
リの選択手段38に接続されている。また、比較器34と選
択の変更信号の入力端子42も比較器37に接続されてい
る。43は選択信号の出力端子である。

【００３３】図８に示した本実施例における閾値比較器
の認識動作は、図３の第1の本発明の閾値比較器の動作
と同様である。すなわち、選択信号の入力端子39から入
力される選択信号がそれぞれの閾値比較器に固有の選択
信号と一致すると、特徴ベクトル入力端子40から入力さ
れる特徴ベクトルの特定の要素と閾値との大小関係に応
じて、次に処理を行うべき閾値比較器もしくは属性メモ
リの選択信号を選択信号出力端子43から出力する。本実
施例における閾値比較器の、図３に示した第1の本発明
における閾値比較器に対する差異は、入力端子41から入
力される閾値および次元の変更信号によって、特徴要素
選択手段35で選択される要素および閾値記憶手段36に記
憶される閾値を設定でき、入力端子42から入力される選
択の変更信号によって、次段の閾値比較器または属性メ
モリの選択手段38が出力する選択信号を設定できる点に
ある。これらのパラメータの更新によって、閾値比較器
が選択する次段の閾値比較器もしくは属性メモリを変更
することができる。本実施例の認識判断装置は、閾値比
較器が次段の閾値比較器もしくは属性メモリを選択する
動作の繰り返しによって、入力特徴ベクトルに対する属
性メモリを選択するので、閾値比較器の選択する閾値比
較器もしくは属性メモリを変更することによって、入力
特徴ベクトルに対する属性メモリを変更することができ
る。

【００３４】図９に、本実施例の認識判断装置における
属性メモリの構成図を示す。図９において、選択信号の
記憶手段44は選択信号の入力端子54とともに比較器45に
接続され、特徴ベクトルの入力端子55は比較器46に接続
され、教師カテゴリの入力端子56は比較器51に接続され
ている。比較器46は、次元ごとの最大値および最小値の
変更手段47に接続され、比較器45はカテゴリ記憶手段50
と次元ごとの最大値および最小値の変更手段47に接続さ
れ、変更手段47は次元ごとの最大値および最小値の記憶
手段48に接続され、その出力端子は、比較器46と差が最
大の次元の検出手段52に接続され、比較器51とともに閾
値および次元の変更手段53に接続されている。他方、比
較器51は、反転器49を介して次元ごとの最大値および最
小値の変更手段47に接続されている。なお、カテゴリ記
憶手段50は比較器51に接続されている。そして57はカテ
ゴリ不一致信号の出力端子、58はカテゴリの出力端子、
59は閾値および次元の変更信号の出力端子である。図９
に示した本実施例の属性メモリの認識動作は、図４に示
した第1の本発明の属性メモリの動作と同様である。す
なわち、入力端子54から入力される選択信号が属性メモ
リに固有の選択信号に一致すると、入力端子58からカテ
ゴリ信号を出力する。本実施例における属性メモリの、
図４に示した第1の本発明における属性メモリに対する
差異は、それぞれの属性メモリが選択された時に入力さ
れた特徴ベクトルの次元ごとの最大値および最小値を記
憶している点と、入力される教師カテゴリと記憶してい
るカテゴリとが一致しないときには、カテゴリ不一致信
号、閾値および次元の変更信号を出力する点にある。カ
テゴリ不一致信号は、選択の変更手段29に出力され、選
択の変更手段29が選択の変更信号を出力することを可能
にする。閾値および次元の変更信号はM個の閾値比較器
に出力され、選択された閾値比較器が閾値および特徴要
素を変更することを可能にする。本実施例の属性メモリ
の学習動作については、図１１、図１２及び図１３を用
いた学習動作の具体例の説明のところでさらに詳細に説
明する。

【００３５】図１０は、本実施例の認識判断装置の選択
の変更手段29の構成図である。図１０において、選択信
号の入力端子65は、最終段の閾値比較器の選択器60に接
続され、その選択器60と、未使用の閾値比較器の選択器
61とは選択信号の出力手段63に接続され、さらに選択器
61と未使用の属性メモリの選択器62は、選択信号の出力
手段63と選択の変更信号の出力手段64に接続されてい
る。また、選択信号の出力手段63には選択信号の出力端
子66が接続され、選択の変更信号の出力手段64には選択
の変更信号の出力端子67が接続されている。なお、68は
カテゴリ不一致信号の入力端子である。

【００３６】入力端子65から入力される選択信号は、順
次、最終段の閾値比較器の選択器60に入力される。最終
段の閾値比較器の選択器60は、入力される選択信号が閾
値比較器を選択する信号か、属性メモリを選択する信号
かを識別し、属性メモリを選択する選択信号の前の選択
信号として最終段の閾値比較器の選択信号を得る。未使
用の閾値比較器の選択器61および未使用の属性メモリの
選択器62は、いずれの閾値比較器の次段の閾値比較器ま
たは属性メモリの選択手段38にも選択されるように設定
されていない、閾値比較器および属性メモリの選択信号
を記憶している。選択の変更信号の出力手段64が未使用
の閾値比較器あるいは属性メモリの選択信号を出力し、
いずれかの閾値比較器がその閾値比較器あるいは属性メ
モリを選択するように設定すると、その選択信号は、未
使用の閾値比較器の選択器61もしくは未使用の属性メモ
リの選択器62が記憶している選択信号のメモリから削除
される。選択信号の出力手段63および選択の変更信号の
出力手段64は、入力端子68から入力されるカテゴリ不一
致信号がアクティブの時に、出力端子66および出力端子
67から選択信号および選択の変更信号を出力する。本実
施例の選択の変更手段29の動作については、図１１、図
１２及び図１３を用いた以下の学習動作の具体例の説明
の中でさらに詳細に説明する。

【００３７】本実施例の認識判断装置の学習動作を具体
例を用いて説明する。図１１、図１２及び図１３は、2
次元の特徴ベクトルが3つのカテゴリ"Ａ", "Ｂ", "Ｃ"
のうち、いずれに属するかを認識する本実施例の認識判
断装置の学習動作の例を示す。図１１、図１２及び図１
３では、入力される特徴ベクトルを(x, y)で表し、xお
よびyは、それぞれ（数３）に示す範囲に制限されてい
るものとする。学習の最初においては、第1の閾値比較
器の特徴要素選択手段35および閾値記憶手段36に設定さ
れる特徴要素および閾値は、いくらでもでよいが、図１
１、図１２及び図１３では、特徴要素をx、閾値を0とし
て示している。学習の最初においては、第1の閾値比較
器は、特徴要素と閾値との大小に関わらず、第1の属性
メモリの選択信号を出力するように設定されている。学
習の最初においては、M個の閾値比較器のすべての選択
信号が未使用の閾値比較器の選択器61に記憶されてお
り、N個の属性メモリのすべての選択信号が未使用の属
性メモリの選択器62に記憶されている。図１１は、次
の時点で、本実施例の認識判断装置に、2次元の特徴ベ
クトル(x₁, y₁)および教師カテゴリ"Ａ"が与えられたと
きの、動作を示す。この時点では、入力される特徴ベク
トルが如何なる値であっても、第1の閾値比較器が第1の
属性メモリを選択するように設定されているので、第1
の属性メモリが選択される。この時点で、第1の属性メ
モリのカテゴリを"Ａ"に設定し、x次元の最大値(x_max)
および最小値(x_min)をx₁に設定し、y次元の最大値
(y_max)および最小値(y_min)をy₁に設定する。この時点
で、第1の属性メモリの選択信号は、未使用の属性メモ
リの選択器62から削除される。

【００３８】図１２は、次の時点で、本実施例の認識判
断装置に、特徴ベクトル(x₂, y₂)および教師カテゴリ"
Ｂ"が与えられたときの動作を示す。この時点では、入
力される特徴ベクトルが如何なる値であっても、第1の
閾値比較器が第1の属性メモリを選択するように設定さ
れているので、第1の属性メモリが選択される。第1の属
性メモリが記憶しているカテゴリ"Ａ"は教師カテゴリ"
Ｂ"と一致しないので、第1の属性メモリの比較器51は、
カテゴリ不一致信号を出力する。同時に、第1の属性メ
モリの、差が最大の次元の検出手段52は、手段48が記憶
している次元毎の最大値もしくは最小値と、特徴ベクト
ル(x₂, y₂)との次元毎の差を算出し、差が最大の次元を
出力する。すなわち、x次元の差を(x_min - x₂)と(x₂ -
x_max)のうち大きいほうの値とし、y次元の差を(y_min -
y₂)と(y₂ - y_max)のうち大きいほうの値とし、x次元の
差とy次元の差で大きいほうの次元を、差が最大の次元
の検出手段52が出力する。図１２の例では、(x₂ - x₁)
が(y₂ - y₁)よりも大きいので、差が最大の次元の検出
手段52は次元xを出力する。同時に差が最大の次元の検
出手段52は、差が最大となった次元における差の中央値
を閾値として出力する。図１２の例では、差が最大の次
元の検出手段52は、差が最大となった次元xにおける差
(x₂ - x₁)の中央値(t₁= (x₂ + x₁) / 2)を出力する。こ
のようにして、第1の属性メモリは、端子59から閾値お
よび次元の変更信号を出力する。同時に、後述する選択
の変更手段29の動作によって、第1の閾値比較器の選択
信号が出力されるのにしたがって、第1の閾値比較器の
閾値および次元がt₁およびxに変更される。図１２の時
点において、選択の変更手段29は、未使用となっている
第1の閾値比較器の選択信号を、端子66から選択信号と
して出力し、未使用となっている第2の属性メモリの選
択信号を、端子67から選択の変更信号として出力する。
これによって、第1の閾値比較器の第2の選択信号が、第
2の属性メモリの選択信号に変更される。この時点で、
第1の閾値比較器の選択信号は未使用の閾値比較器の選
択器から削除され、第2の属性メモリの選択信号は未使
用の属性メモリの選択器から削除される。以上の動作に
よって、図１２の時点において、入力される特徴ベクト
ルに対して、（数７）に従ってカテゴリを出力する認識
判断装置が実現できる。

【００３９】

【数７】0 ≦ x ＜ t₁ の時、カテゴリ"Ａ" t₁ ≦ x ＜ x₀ の時、カテゴリ"Ｂ" 図１３は、次の時点で、本実施例の認識判断装置に、特
徴ベクトル(x₃, y₃)および教師カテゴリ"Ｃ"が与えられ
たときの動作を示す。図１３の例では、x₃ ＜t₁ で、
（数７）に従って認識されたカテゴリ"Ａ"と教師カテゴ
リ"Ｃ"が一致しないので、第1の属性メモリはカテゴリ
不一致信号を出力する。同時に、第1の属性メモリにお
いては、差が最大の次元の検出手段52は、(x₃, y₃)と(x
₁, y₁)との差が最大の次元としてyを出力し、差の中央
値として(t₂ = (y₃ + y₁) / 2)を出力する。ここから後
は、図７のＰＡＤ図の後半に示した更新動作が実行され
る。すなわち、最終段（第1）の閾値比較器の出力する
第1の選択信号を未使用（第2）の閾値比較器の選択信号
に変更する。未使用（第2）の閾値比較器の閾値および
特徴要素を、第1の属性メモリが出力する閾値t₂および
次元yの変更信号にしたがって設定する。未使用（第2）
の閾値比較器の第1の選択信号を未使用（第3）の属性メ
モリの選択信号に設定し、第2の選択信号を第1の属性メ
モリの選択信号に設定する。未使用（第3）の属性メモ
リのカテゴリを"Ｃ"に設定し、次元毎の最大値／最小値
を(x₃, y₃)に設定する。この時点で、第2の閾値比較器
の選択信号は未使用の閾値比較器の選択器から削除さ
れ、第3の属性メモリの選択信号は未使用の属性メモリ
の選択器から削除される。以上の動作によって、図１３
の時点において、入力される特徴ベクトルに対して、
（数４）、（数５）、（数６）に従ってカテゴリを出力
する認識判断装置が実現できる。

【００４０】なお、本実施例では、認識時に属性メモリ
が選択されると、その属性メモリが手段50に記憶してい
るカテゴリを出力しているが、属性メモリが選択されて
も、入力された特徴ベクトルの要素が、手段48が記憶し
ている次元毎の最大値および最小値の範囲に含まれない
ときには、カテゴリ"未知"の信号を出力してもよい。こ
の動作を示すための、本実施例の認識判断装置の認識動
作の具体例を、図１４に示す。図１４においては、（数
３）で表わされる範囲の入力ベクトル(x, y)に対して、
第1の属性メモリが選択されて、第1の属性メモリは、手
段50にカテゴリ"Ａ"を記憶しており、手段48に次元毎の
最大値および最小値として、図１４に表わされるx_max,
x_min, y_max, y_minを記憶しているものとする。この場
合、特徴ベクトルが、図１４の斜線で示された領域、す
なわち（数８）の領域に特徴ベクトルが含まれている場
合には、カテゴリ"Ａ"を出力し（数８）の領域に含まれ
ない場合にはカテゴリ"未知"の信号を出力してもよい。

【００４１】また、本実施例では、学習時に属性メモリ
が記憶しているカテゴリと教師カテゴリとが一致しない
と、図７の動作によって次段の閾値比較器の選択信号を
変更しているが、最終段の閾値比較器の閾値を変更して
もよい。この動作を示すための、本実施例の認識判断装
置の学習動作の具体例を、図１５に示す。図１５は、図
１３の次の時点において、入力特徴ベクトル(x₄, y₄)に
対する教師カテゴリ"Ｃ"が与えられたときの動作を示
す。図１５においては、入力特徴ベクトルの各要素と閾
値比較器の閾値との間に（数８）の大小関係が成り立つ
ので、入力特徴ベクトル(x₄, y₄)に対して、第1の属性
メモリが選択され、第1の属性メモリが記憶しているカ
テゴリ"Ａ"と教師カテゴリ"Ｃ"は一致しない。

【００４２】

【数８】x₄ ＜ t₁ y₄ ≧ t₂ この場合、第2の閾値比較器の閾値t₂を（数９）を満た
す閾値t₂'に変更してもよい。

【００４３】

【数９】t₂' ＞ y₄ これによって、使用する閾値比較器や属性メモリの数を
増やすことなく、属性メモリが記憶しているカテゴリと
教師カテゴリとが一致させることができる。

【００４４】また、本実施例では、学習時に属性メモリ
が記憶しているカテゴリと教師カテゴリとが一致しない
と、図７の動作によって次段の閾値比較器の選択信号を
変更しているが、最終段の閾値比較器の閾値を変更して
もよい。この動作を示すための、本実施例の認識判断装
置の学習動作の具体例を、図１６に示す。図１６は、図
１３の次の時点において、入力特徴ベクトル(x₅, y₅)に
対する教師カテゴリ"Ｃ"が与えられたときの動作を示
す。図１６においては、入力特徴ベクトルの各要素と閾
値比較器の閾値との間に（数１０）の大小関係が成り立
つので、入力特徴ベクトル(x₅, y₅)に対して、第1の属
性メモリが選択され、第1の属性メモリが記憶している
カテゴリ"Ａ"と教師カテゴリ"Ｃ"は一致しない。

【００４５】

【数１０】x₅ ＜ t₁ y₅ ≧ t₂ この場合、第2の閾値比較器が特徴ベクトルから選択す
る要素をxに変更し、閾値t₂を（数１１）を満たす閾値t
₃に変更してもよい。

【００４６】

【数１１】t₃ ＞ x₅ これによって、使用する閾値比較器や属性メモリの数を
増やすことなく、属性メモリが記憶しているカテゴリと
教師カテゴリとが一致させることができる。

【００４７】なお、本発明の各手段は、コンピュータを
用いてソフトウェア的に実現し、あるいはそれら各機能
を有する専用のハード回路を用いて実現してもかまわな
い。

【００４８】

【発明の効果】以上のように、第1の本発明は、入力さ
れた特徴ベクトルの要素との大小比較の繰り返しによっ
て、特徴ベクトルの属するカテゴリを出力することがで
き、カテゴリの算出において、伝達関数の算出等の演算
を要しないので、短い時間で出力カテゴリ信号を得るこ
とができるという長所を有する。

【００４９】また、第2の本発明によれば、その学習動
作によって、入力される特徴ベクトルと教師カテゴリに
一致するカテゴリが出力されるように、閾値比較器の出
力する選択信号を更新することができ、パラメータの最
適化が不必要となるという長所を有する。

【００５０】第2の本発明の認識動作は、第1の本発明の
認識動作と同様であるので、短い時間で出力カテゴリ信
号を得ることができるという長所ももちろん有する。

【図面の簡単な説明】

【図１】第1の本発明の実施例の認識判断装置の構成図
である。

【図２】同実施例の認識判断装置の動作を表すＰＡＤ図
である。

【図３】同実施例における閾値比較器の構成図である。

【図４】同実施例における属性メモリの構成図である。

【図５】同実施例の認識判断装置の動作の具体例を示す
構成図である。

【図６】第2の本発明の第1の実施例の認識判断装置の構
成図である。

【図７】同実施例の認識判断装置の学習動作を表すＰＡ
Ｄ図である。

【図８】同実施例の認識判断装置における閾値比較器の
構成図である。

【図９】同実施例の認識判断装置における属性メモリの
構成図である。

【図１０】同実施例の認識判断装置の選択の変更手段の
構成図である。

【図１１】同実施例の認識判断装置の学習動作の具体例
を示す図である。

【図１２】同実施例の認識判断装置の学習動作の具体例
を示す図である。

【図１３】同実施例の認識判断装置の学習動作の具体例
を示す図である。

【図１４】同実施例の認識判断装置の認識動作の具体例
を示す図である。

【図１５】同実施例の認識判断装置の学習動作の具体例
を示す図である。

【図１６】同実施例の認識判断装置の学習動作の具体例
を示す図である。

【図１７】従来の認識判断装置を構成するパターン種類
分類装置のブロック図である。

【図１８】従来の認識判断装置における組立体iのブロ
ック図である。

【図１９】従来の認識判断装置を構成するパターン種類
認識装置のブロック図である。

【符号の説明】

1, 2, 3 ・・・・ M個の閾値比較器（手段） 4, 5, 6 ・・・・ N個の属性メモリ 11 ・・・・特徴要素選択器（手段） 12 ・・・・閾値記憶器（手段） 14 ・・・・次段の閾値比較器（手段）または属性メモリの
選択器（手段） 20 ・・・・カテゴリ記憶器（手段） 23, 24, 25 ・・・・ M個の閾値比較器（手段） 26, 27, 28 ・・・・ N個の属性メモリ 29 ・・・・選択の変更器（手段） 35 ・・・・特徴要素選択器（手段） 36 ・・・・閾値記憶器（手段） 38 ・・・・次段の閾値比較器（手段）または属性メモリの
選択器（手段） 48 ・・・・次元毎の最大値および最小値の記憶器（手段）

───────────────────────────────────────────────────── フロントページの続き (72)発明者〆木泰治大阪府門真市大字門真1006番地松下電器産業株式会社内

Claims

【特許請求の範囲】

【請求項１】入力された特徴ベクトルの１つの要素と閾
値との大小によって次段の閾値比較手段もしくは属性メ
モリを選択するM個の閾値比較手段と、入力された特徴
ベクトルに対するカテゴリを出力するN個の属性メモリ
とを備えたことを特徴とする認識判断装置。
【請求項２】入力された特徴ベクトルの１つの要素と閾
値との大小によって次段の閾値比較手段もしくは属性メ
モリを選択するM個の閾値比較手段と、入力された特徴
ベクトルに対するカテゴリを出力するN個の属性メモリ
と、学習時に属性メモリが出力するカテゴリと与えられ
た教師カテゴリとが一致しないときにカテゴリ不一致信
号を出力する手段と、学習時に前記カテゴリ不一致信号
に応じて前記閾値比較手段が選択する次段の閾値比較手
段もしくは属性メモリを変更する手段を備えたことを特
徴とする認識判断装置。
【請求項３】学習時に、前記カテゴリ不一致信号に応じ
て、前記閾値比較手段が比較する特徴ベクトルの要素を
変更する手段を備えたことを特徴とする請求項２記載の
認識判断装置。
【請求項４】学習時に、前記カテゴリ不一致信号に応じ
て、前記閾値比較手段が比較する閾値を変更する手段を
備えたことを特徴とする請求項２記載の認識判断装置。
【請求項５】学習時に、属性メモリが出力するカテゴリ
と教師カテゴリとが一致するときの、特徴ベクトルの次
元毎の最大値および最小値を記憶する手段を備えたこと
を特徴とする請求項２記載の認識判断装置。
【請求項６】学習時に、前記カテゴリ不一致信号に応じ
て、前記閾値比較手段が比較する特徴ベクトルの要素
を、前記次元毎の最大値および最小値と入力特徴ベクト
ルの要素との差が、最大の次元に変更する手段を備えた
ことを特徴とする請求項５記載の認識判断装置。
【請求項７】学習時に、前記カテゴリ不一致信号に応じ
て、前記閾値比較手段が比較する閾値を、前記差が最大
の次元における入力特徴ベクトルの要素と、前記差が最
大の次元における前記次元毎の最大値もしくは最小値と
の間の値に変更する手段を備えたことを特徴とする請求
項６記載の認識判断装置。
【請求項８】認識時に、前記最大値および最小値を記憶
する手段が記憶している特徴ベクトルの次元毎の最大値
および最小値の範囲に含まれない特徴ベクトルが入力さ
れたときに、カテゴリが未知であることを表わす信号を
出力する手段を備えたことを特徴とする請求項５記載の
認識判断装置。