JPH06509669A - 改良ニューラル・ネットワーク - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 ８　主張５による装置の場合、上述の細胞がフィート・ホヮヮード構成に形成さ れる。

９　主張５による装置の場合、上述の細胞力哄点構成に形成される。

１０　主張６による装置の場合、上述の細胞が選ばれたスーパーニューロン細胞 構造に配置される。

１４　主引による装置の場合、上述のエンジンと記憶装置は、パターン類別装置 を含む。

＋６．主張１５による装置の場合、上述のエンジンと記憶装置は、アナログ制御 信号生成システムを含む。

＋９　主働による装置の場合、上述のエンジンと記憶装置は、航行制御システム を含む。

２２　主張４による装置の場合、上述のエンジンと記憶装置は、データ圧縮シス テムを含む。

２３　人工自動連想、修正可能記憶装置が含むものは：記憶処Ｆｌ管理媒介を有 するアドレス可能で再書き込みができる記憶装置媒介。

上述のインプラ］・端末がらの別（円の十ｌ１ｍと反応インジノ１−内のインプ ット油を受信する。

上述の記憶装置内にマツプする、アドレス可能で書き直しができ相互が意味上一 致する内部−セット連想記憶に影響を及ぼす記憶処理管理媒介に、上述の最初の 相互間係セント（直を、（伝達する。

上述の記憶マツピングが意味上の関連を保つための意味上の付加インプットを、 少なくとも一つのインプット端末と、上述の少なくとも一つの新しい中１１激を 表す個々のアルガン領域値を含む付加インプットと、上述の複数性の個々の浦と 一致するように指定された少な（とも一つの連想済み欲望反応から、受信する。

上述の連想−パターン相互七ノド上の少なくとも一つの現刺激に対して指定され た値の連想配憶マツピング変換を経由して、上述のアドレス処理記憶による調停 を通る上述の配憶装置媒介から、少な（とも一つの相当する連想済み反応ベクト ルを検索する。

相当−ｒるベクトル差異を作る少なくとも一つの欲望反応ベクトルを伴う、最低 −個の検索された連Ｐ！済み反応ベクトルを比較する。

相当する複素数１直化されたベクトル差異と１表示された意味上一致する複数の ￥ｌＩ激と刺激文応間の、Ｖ味上連想の現在−検索された状態をマツピングする よう意味上−検索された記憶を表す最新相互間係セントを生み出す、最初の連想 −パターン相互セットに対する、同様なベクトル的付加から、検索済み連想−パ ターン・ベクトル差異セットを組み立てる。

上述の記憶＃青白にマツプする、最新でアドレス可能で書き直しができ相互が意 味上一致する内部−セット連想記憶に影響を及ぼす記憶処理管理媒介に、上述の ｉ＆顕連想−パターン相互間係セットを　伝達する。

表示された反応の現実ｆヒのための媒介に、少なくとも一つの連想された反応ベ クトル油を受信し、伝播するための上述のプロセソザー媒介と関連する伝達値内 に配置された、アウトプット堝末媒介。

２４　主張２３による装置の場合　上述のインプットの位相角係数値は　一般に 媒介の回りに対称分布される。

２５　主張２４による装置は、アルガン平面の回りに均一分布を形成する。再割 り当てを通る、上述の位相係数値の対称最新分布のための１インプット条件付け ｌ置を含む。

２６　主張２３と２４による装置は、刺激と反応フィールド内に合成複素数値を 形成する、各位相エレメントの規横係数の割り当てのための、インプット条件付 は装置を含み、そこでは、上述の規欅割り当ては，一般的に確率領域内に限定さ れる．２７　主張２３による装置の場合　上述のインブ７１・条件付け装置が、 組み合わせで含むものは， それぞれの意味上インブノト価を表す′゜ｎ゛の，実数ＩＩｉ化された分布を集 合的に定義する意味上インプットの゛ｎ”のセットを受信するための、少なくと も一つの条件付け端末．インブノ１一条件付けプロセッサーで、上述のインプッ ト端末との関係を受信するインブソ１−に連結されており，インプット端末は、 各”　ｎ　”セントの形成との間係を変換するインブツ１・｛市内の各インブノ トを受信し処理するためで、上述の相当アルガンド領域ベクトル値は，インブノ ト条｛１付けプロセッサーからのアウトプットとして複祖数値位相角値”ｎ“の ＩＩ｛！｛ヒ分布を　集合的に定義付ける位相角一係数を有する．さらに、上述 のインブノ１・端末に対する油の受信とアウトブ７１−のために、上述のインプ ット条件｛１けプロセソザーとの関係を受信するアウトプットに連結された，条 件付けアウトブノト瑞末． ２８．主張２７による裳肴の場合，上述の意味上インブノｌ［の・インブソｌ・ 条件付けプロセッサー変｛叫よ、位相角一係数値のセントに帰着し，それは複素 数位相角＋ｉ”　ｎ　”の極線他化された分布を有し　？Ｉｆｆｉ数位相角偵は アルガン平面内に、０から２πの範囲にわたって非対称制限を受ける． ２９　主張２７による装肴の場合　連想済み変位と一致する媒介の回りで上述の 実数価化された！味上インプノト価が、変化する． ３０　ト張２７による装五の曝合　上述の位相角係数仙は、上述の実数仙化され た意味上インブノト相ニ浦に、直接比例して割り当てられる．３１　主張２７に よる装置の場合　上述の実数値化された言味上インブソ１・は　実数値化された ガ一ノス分布の範囲で　代表的な意味上価を持つ．３２　主張２８と２９による 装漬の場合、上述のインブノ１一条件付けプロセソサーは、上述の実数１＋１ｉ 化さ才１た甘味上インブノｌ・を，パイに等しい媒介を持つ極線他分布に従う、 相電位相角係￥；！１．僅に変換する． ３３　主張３０と３１による装肴の場合、上述のインブッＩ一条イ１付けプロセ ノザーは，上述の実数値化された會味上インブ・月・を　パイに等しい媒介を持 つ樺線値分布に従う，相に位相角？ｖＪ．備に変換する． ３４　主張２３による装置の場合，上述の意味上インブソト値は、アナログ刺激 の測定値である． ３５　主張２３による装置の場合，上述のインプノト条件つけ端末は，上記のア ナログ刺激に応える少なくとも一つの変換器媒介との関係を受信する意味上イン ブソト内に連結するように順応する． ３６．主張２６による装置の場合．”ｎ”インプットのセットは，“ｎ“表示意 味上値範囲を含む少なくとも一つの次元のマトリックスを集合的に定義する、（ Ｓｌ、Ｓ２．　Ｓ３．　Ｓ４、　Ｓ”ｎ”）、刺激または刺激連想済み反応領域 からの実数値化されたスカラー測定値を反射する．上述位相角係数値までで，選 ばれた前決定的な規模係数値を割り当てるように順応する．３８　主張３７によ る装置の場合，上述の゛′Ｄ゜゛の別個意味上インブソト価である゜゛ｋ゛゜は 、質的変換を通じた相当の合成値に、マソブされるＳ　サブ・ｋ・矢印　ランハ ・サブ・ｋ　エブシロン　サソブ［ｉ　シータ・サブ・ｋ１ここでＳ　サブ・ｋ は．上述の゜゛ｎ゛の表示された意味上インプット価，ランハ・ザブ・ｋは確率 相廿領域から選ばれた割り当てられた前決定をされた規模係数１１の上述のｋ番 を表す．エブシロン・サノブ［ｉ−シータ・サブ・ｋ１は４゜゜ｎ゜′比例複素 数位相角値の極線価化された分布を集合的に定義する″ｎ′■相当位相角一係数 値セントのｋ番を表す，さらに項゜゜ラン／ｉ　ザブ・ｋ・エブシロン　サップ ［ｌ・シータ　サブ・ｋ１″は二次元のアルガン領域価内にアｌルスする，連想 済みＳ・サブ　ｋのｋ番を表す．３つ　主張２７による′＃ｃＩｔの場合，上述 の前決定された規模一係数値は，ユニティーと等しい値を割り当てられる． ４０　主張２７による袋置の１合，上述の前決定された規模一係数値は　自学自 習的前決定である。

１１　主張４０による茅置の場合、自学自習て前に選択した前決定の規模−係数 価は、ゼロにＵノ［・される． １２　土張３９による装置の場合、Ｌ述のプロヒノサーは，古《なった記憶外形 の前決定された割合を成し遂げる時間変数減衰間数に一致して、古くなったラン 八１直を前決定をし最新にする。

１３　主張３５による装置の場合，変換器信号條正媒介は　上述の規模一係数上 に生じる信頼ｔ！正関係内の、アナログ剌激信号助変数を変えることが可能で， 規模一係数は、変換器を知覚したアナログ刺激内の本質とは無関係な不均衡上で 比較的コントロールを可能にする．４・１　主張２３による装置の場合．上述の プロセンサーは、上述の相互間係マトリックスを高位数靴計として変換し、そこ で玉述のマッピング内の不連続の中１１激反応間の，全体的解決に相当する増加 を伴う、与えられためら：φる反応に対する与えられたあらゆる刺激のマソビン ゲに適用できる帰納の程度を下げる． ＋５　主張←による装置の場合、相互間係靖は、規模一係数割り当てに先たつエ ルミー１・７１−リノクスに従属する． １６　主？Ａ２３による装置の場合、上述の装置は事実上の装漬である．１７　 主張２７による装直の喝合、上述の装漬は事実上の装置である．４８　主張２３ による装置の場合、上述のインブソトは、曾味上分離した中１１激と刺激一反庸 の連賃Ｉクターンで、それは上述のセント内に実質的に相互に不干渉なアルガン 領域値割り当てを有し　各々のパターンは、最初と修正された連想−パターンベ クトル差異マトリノクスの相当バク一二ノを有し　そこでは、プロピノザーがさ らに実行可能となる事は，Ｒ初と最新の複式一重複−パ々−ン相互間係マトリッ クスをそれぞれ作るように　各ベクトル付加変換を逓して　上述の最初のマｌ・ リノクスと最新のマトリノクスを各々結合する、さらに　最初とｅ％の複式一重 複−パターン相互間係マトリノクスを、上述のアドレス処狸記憶に伝達しそれは 上述の記憶媒介の碁通のアルガン領域表示内のパターンの、最初で最新のアドレ ス可ｆｉＥ”Ｊ愕き直しができ，言味上一致する内部七ノト連想記憶マノビング に四々に影響する．ＩＱ　戸＼工自動連υ記憶装漬は、アトレス町能な連想−パ ターン　データーベースを含みそこて改１１は　確Ｔ分布領域内の規模の−股下 降を含む複素数極線値によって独自に同定さぜ［も？Ｖ数の連臀ア１゛レスを有 士も　内容アドレス可能記憶を含み，さらに會味上どくりつし一こト述のアドレ スの組み合オ）屑は　０と２バ，イ間に限定された共通捧線アドレス　スベ・− ス土と関係に含まれるデータを生み出すｅｌ＋激に応えるようにアドレス可能で あり、さらに新しい刺激と個々の連想済み欲望反応は、欲望反応とデータベース の新しい申り激アドレスに伴ってーｔ成される反応間のベクトル差異と一致する 上述のアドレス・スペース内にアドレスをわりあてられ、そこではベクトル差異 は，逆に適合機能強化関係のアドレス可能記憶に変換される． ５０　主張４９に従う記憶装置の場合、上述のデーターベースは事実上のデータ ーベースである。

浄書（内容（二変更なし） 明細書 改良ニューラル　ネットワーク 専門分野： ヱの考案は　適応情Ｉｌｌ処理システムに関わるもので特に、（、Ｊの伝達結合 を利用する連想、記憶装置に関係があり、とりわけ倉味が適切で同時に確実に根 拠のある学習反応上の、任意の動的マツピング入力に間する。自動組織装置及び プロセスから成る神経ネッ（・ワーク　システムに関係がある。

技法の背景： 機略を述べるならば、連想記憶装置システムとは、その中で刺激パターンを導入 し゛〔メモリー誘発反応を呼び起こすような方法で、一対の刺激と反応を蓄積す るシステムである。このタイプのメモリーシステムは例えば、論理演算管理やパ ターン認識やイメージ書き込みを含む　非常に広範囲の可能性をもつアプリケー ションを備える。

Δ口知能アプリケーションにしばしば使用されるような　従来の連想プロセスは 、あらかじめ明確に決められた一連の規すリに１へ存しており、その規１］すは 外面上連想記憶装置上に留められる。エキスパート　システムは従来の設計の見 本である。このエキスパート・システムは、推測エンジンによる操作という規１ １１に基いたパラダイムである。これは一連のブレデクレアー　ド　リレーシリ ンシップ（前宣言間係）及び、あらかじめ決定された一連の「もいと「そこて」 という提示に従って配列されて順次命令に従う、デタミニスティノク（決定論的 ）なソフトウェア７／ハードウエア関係を供給する、伝統的なフォノ・ノイマン ・アプローチに従う、これはすでに確立された推定ルールによって５元来論理的 に推論する事が明白に予定されているかあるいはきわめて可能である結合に、限 定されている１本来これらの過程には、適応能力がない、それゆえ変化する環境 に動的には応えない、さらに一般的には、変化したか又は変化しつつあるかさも なければ未知の１境を取り扱うよう特に計画された印をつけた−続きの適用ルー ルがない場合適切な反応をインプットするセットを開発する能力がない、さらに どんな自学自習プログラムでも、アプリケーションが多ければ複雑で重大な数の ルールが必要で、そのルールを扱うために比例して長時間の処理が必要である。

この欠占が　既に限界のある基本ルールが連想記憶システムにアプローチする実 用性を制限することは一般に認められている。

数に１十って指数的に増加し、すぐにも１０億に達してしまう、多数の隠処理要 素を伴うシステムは、信頼すべき概念を公式化する能力を失う、という実験に基 く証拠がある。この本質的な限界により、このようなネットワークは人間の脳の 機能や効率に匹敵する事も、ましてや近似する事さえできない事は明白であった 。

処理要素の入力に示されるように、新しい刺激の数値を決める加重連想記憶の基 礎を作る後方伝播バラダイｊ、の出現は、パーセブトロンパラダイムに付随する いくつかの問題を克服−１−る為の重大な足掛りとなった０例えば後方伝播はパ ーセプトロンに付随する幾つかの°°線型分離可能分類□°の限界を克服する誤 差処８！機構を組み込む、後方伝播はネットワ・−り構造が何層で与えられよう とも、全ての処理要素がその層の反応に起因する誤差を、すぐ前の層から受けた 刺激に引き合わせるという処理仮設の基礎を作る。この誤差の責務は、下方及び 入力からネットワークへ向かう前の層の処理要素入力のそれぞれの加重を通して 、量化し分類される。この学習過程は本質的に時間が掛かり、必要とされる誤差 条項の−、つ集中（例、情報誤差の°希釈°□）をする前に、数回の後方伝播の 反復を必要とする。

現時占で最高とされている神経ネソ１へワークは一般的に、傾斜降下モデルとし て分類されＴ’Ｊる物で、そこで参ノドワーク・データは前述の方法で°゛加重 ゛°として記憶される。

このネットワークは　処理要素が合計した加重済みスカラー人力価によって作用 し、そこに主じた出力反応油の配列にある程度の安定性を保つ為の標準化を行う 、標準化は特有の、合計積の量化、又は縮尺を引き起こす、シグモイド機能の変 形は通常この目的に使用される。

自砂土物学システムをモデルとする研究が、神経キノ１〜ワーク科学を発展させ た。発展例σル一つとして良く４口られる物の中に、１９８０年代初期の、いわ ゆる°′ホップフィールド・ネノ１−　＃＋、％る。ホップフィール１ζ型は最 小エネルギーｆｉ能を計算する相互関連した処理要素間に　蓄積された情報と同 様、特殊な量化作用と図解さ第１た記憶としての神経単位の作用を示４゛　最初 の物の−っである。

Ｕ斜降下モデルの一例はマトリックス代数学を基礎とした連想記憶モデルで、そ れは、゛ンＪｅｕｒａｌ　Ｎ＋ｒｗｒｒｋｓ　ａｎｄＰｈｙｓ＋ｃａｌＳｙｖｅ ｍｓｗ＋山ＥｍｅｒｇｅｎｃＣｏｌｌｅｃｕｖｅＣｏｍｐｕｔａｔ奄盾獅≠撃` ｂ山ｔｉｅｓ”、ＪＪ ように　フィードバックと非線型の量化を利用する。このモデルの重大な欠つは 、ここで使用される連想マトリックス２憶の操作に本来必要とされる重大な記憶 と算定の苦労である。

これは　本質的にコーエンーグロスハーグ　ネットワークの特徴をより一般化し た特別なケースであり５そこでは処理要素の活動価の眼界を決める最小−最大値 開を往復するシグモイ［°出力間化機能が生みだす仔肯の実活動値を、処理要素 が採用した。外部からの刺激に対する才・ノドワークの反応は、リアパップ機能 のエネルギーに基づく均衡の一点集中に表された。

神経ネットワーク科学の発展に伴い　種々の多重階層設計によって、ネットワー クは更ににも拘らず、神経ネットワークに関連する。

−例とし、先に述べた池の欠慨に加えて、このネットワークは、固有の入力情報 短縮フォ・−ムに煩わされているフォノ・ノイマン型設計の遺産の−っである。

どのシステムでもそうであるように、情報損失は結果として誤差率を高め、誤差 矯正が次々に代償処理戦略の採用を必要とする。このアプローチは、結果として 、それに応える大きい記憶蓄積スペースを必要とする。重大な数の算定とサンプ リングの縁り返しで（サンプルのサイズを大きくする事だけであり、それが誤差 を根絶する事はない、従って傾斜降下ネットワークが絶対に必要である一方それ はまた。入力データ情報価の副次的低下を引き起こす、情報損失がら起こり得る 誤った規則に基づいた標準化制作は、′ａ型分離不可能なｌｌＩ激を含むすべて のアプリケ・−ジョンのネットワークの信頼度を制限する事にも注目すべきだ。

この種の矯正問題の良い例は１時にはポルツマン型として解釈されるコネクショ ニスト神経ネットワーク構造と関連しており、後方伝播パラダイムを利用してい る。この型の機械は、ある側始者がパコンビューテーショナル　ガングリーン［ Ｗｌ算機壊療１゛°と呼んでいるものを処理する事を目的としている。この問題 は１問題解決に採り入れられる全てのデタミニスティノクなアプローチに於て　 その進路中の誤った決定は、全ての下流での矯正の可能性を除外するかもしれず 、それによって　問題訂正に導く正しい解釈の道、あるいは、少なくとも最善と される解釈を中断すると示唆している。神経ネットワークは、一般的にこの間頚 の改善を助けるのであるが５問題は存存し続ける。

ポルツマン型は、処理要素の（オン−オフ）二者択一作用によって入力刺激に応 答ｒる、均衡探求結合機である。任意の与えられた状況下でのこのような処理要 素の応答は、Ｖ４接する処理要素から伝達される加重された信号と、確率論信号 の両方によって決定される故に。

推計学的反応をする。このような機械の作用は、ボルツマンの熱力学式によって 、例え単一処理の反応状態ユニットが予想できな（とも、全体に渡る均衡ネット ワーク反応が識別可能と考えると言える。もう一方では、ポルツマン型の一切の “ブイレフデッド・オフ・ノン−ランダム（直接強制Ｌ°反応に貢献する単独処 理要素反応状態の内部の偶然性″は、°部分的な魅力に執着するのを防ぐ゛′Ｌ 訂本的には補佐的パな解答で、きわめて決定論的なノイマン型が□゛コンビユー テーンヨナルガングリーン゛が現れる危険を回避する。しかしながらポルツマン 型は　ノイマン設計の持つ可能性に比べて、現実問題である”ライズ°゛の難問 に、より良い解決を見い出す確率が高い、理論的には、もしその目的の為に無限 の時間が与えられているならば　ポルツマン型はすべての有限の特殊分類問題に 対して、最善の解決に必然的に至るであろう、しかしながらさし迫った現実は、 重要な問題解決期間でも長時間がける事ができないし、ボルツマン型が適当な期 間内に、伯仲できる問題解決をなし得ない事が、本質的にその実用性を狭めてい る。

従って現在の神軽ネットワーク・システム技術には依然二者択一の必要性がある 。

考案開示： 現考案に従って　ｒＩ素を極Ｍｉ、債が意義に間するインプット価として用いら れ、さらにそれが言義Ｆ一致する刺激と連想済みの刺激−離席の実数値領域から 引き出されることを目的としたｉ！ｌ！ＰＥ憧システムケシステムれている。刺 激と反応の結合は、そこで相互間係を成し得ｌ）。相互間係形懸に於て虚の係数 は　考慮中の各々の！’ＩＩ激ノ反応連想に対し、関係のある意義情報を具体的 に表現し保持する。実係数は、サンプル済みの連想範囲内で、その他の可能な結 合に関係しで与えられたあらゆる刺激ノ反応結合のテスト結果を下に敷（、連想 メリットを賎定１″るための　意義−独立識別器として使用することができる。

相互間係は、相互７１−リノクスを作る申り激マトリックスと反応マトリックス それぞれの外部積の形態を取ることが、望ましい。

さらに重要と、甲われる事は　これらの複素数極Ｉｉ！値が現考案に一致して、 記憶装置ベース上に重なったベクトル間係内に、連想配憶の一定の局面が（たと えば一時的に間を空けた情報）検索できるような極めて密度の高い蓄積を可能に する事実である。

１キに現考案の好ましい局面は　識別器が最終的に相対的−確立論の領域から、 信φＦｉ（Ｉ！フオームを形成する事である。

現考案はその他に　上述の相互間係マトリックス清白で。伯仲価値を経験的に° °学習□゛し、それを′を成済みマツピングに於ける演算効力や優位割り当ての 規模係数として利用する神経ネ・）］−ワ・−り、という好ましい形式を供給す る。

ｔべてのφり激と反応の数学的結合が、いかなる時間で与えられたどんな結合の 識別値とも一間係に　妃憶内ではアドレス可能であるという事実が、この考案の 重要な局面である。とｔ）わ＋１これは　進行中の経験が後に各々の識別価を高 め、それ故に現実世界のφり激と欲望離岸と何らかの連想間係を保つ可能性に反 して　記憶の中に残るすべての刺激と反応の連想結合（担こ、”Ｔｊンビ、：１ −−−−テーショナル・ガングリーン゛′を生じさせる落し穴を避けるのに役立 つ、このアブロー千は融通がきき、木ソトワークが゛局地的に魅力的゛□だが° ゛総体的には準最適□゛な解決に執着する可能性から逃れるようにする。

さらに現考案で採用した方法は、選ばれた記憶装置媒介中に高い連想蓄積密度を 生じる。

そして与えられた刺激と反応間の特別連想の承認や拒絶の基準を設定するのには 、比較的回数の少ない繰り返し操作が必要である。

現考案は、通常時間をかけて行われるような、刺激とそれに想起された反応間の 連想の限界を決めるマツピングの修正に関係する。このタイプの変形は、与えら れたいずれかの状況に於ける刺激と反応領域のサンプリング　サイズの必然的な 増加によって起るかもしれないし　またはその反対に、刺激と反応間の量的か質 的連想局面に影響する環境要因の変化の結果として起るかもしれない、この様な 状況の例として、外部の明暗がコントラスト価を生じる時か、単にスキャナー・ レンズが通常の使用の際に環境破片を積み上げる所で、しかしそれが与えられた 刺激と要求された反応間で意味上束縛されない外部からの手段でインプットする 場合、光学感知装置が出現するかもしれない、上記に概略を述べたどんな状況の システムも、統制されていない学習パラダイムから、好ましくない影響を受ける 可能性がある。たとえば（擬人的に言う）学習またはさらに正確には”新しい取 得知識°゛は、装置が以前蓄積した知識からは独立して進歩する。ある場合には 、最も新しくエンコードされた関係が、それ以前の刺激−反応マツピングにどの 程度とって代わるかの制御がほんの少しだけか全く効かない。

例えばＪ、Ｇ、５ｕｔｈｅｒｌａｎｄの°’Ａ　ｈｏｌｏｇｒｑｈｉｃ　Ｍｏｄ ｅｌ　ｏｆ　Ｍｅｍｃｒｙ　Ｌｅ１酊■ａｎｄ　＆ｐｒｅｓ唐奄盾氏h　ｍ口ｔ ｊｏｒｕｉｌ ｊｏｕｒｎａｌ　ｏｆ　ｎｅｕｎｊＳｙｓｔｅｎｓ、　Ｖｏｌｕｍｅ　ｌ　、　 ｎｏ、　（１９９０）、　ｐｐ、　１５９−２６７に述べら黷■A想記憶に基づ くホ ログラフィック内では、多くの同様のＩＩ＋激反応連想が、連想パターンを作る 価の分布中に。

意味上一致しない非対称を生じさせる相互関係マトリックス内にエンフォルトさ れたすべてのマツピング上に、著しく歪曲した影響を及ぼす傾向がある。この状 況は、全般に相互間係マトリックス内に置かれた広範囲に渡る経験を犠牲にして 　強力に補強された刺激と刺激Ｉ離席エレメントに次々に便宜を計る。いかなる 極端な明示でも、この傾向は非常に望ましくない現象で、論議中の学習済みパタ ーンから引き出された伯仲の連想に明らかに害を及ぼす。

現考案の局面の一つに従えば、意味上一致する連想パターンの刺激と反応に相当 する複数の意味上インプットを受信するため、少なくとも一つのインプット端末 を含む人工で自動連想て修正可能な記憶装置が供給される。これらのインプット は、既に述べたように確立論的分布領域内に規模係数を持つベクトル値と　φ１ 激と連想済み反応の前決定と意味上間係するという特質を表す位相角係数係数を 持つベクトル値があり、状況に応じて必要なベクトルを備えた代表的なアルガン 領域ベクトル油によって、割り当てられる。この各々の個は、各刺激とＩＩ＋激 反応値セント内にエレメントを構成する。この装置はまた、アドレス可能で書き 直しができる記憶装置媒介を含み、それは記憶処理管理媒介を備えている。この 装置の典型的な例として　書き直しができるメディア記憶装置と、この媒介とメ ディアを含んだ記憶アドレス処理管理の為の、読み収り専門の記憶がある。

さらに情伝達関係内に、少なくとも一つのインプット端末と、記憶装置媒介のア ドレス可能されている。しかし累積的には、プロ七ソザーは多種の作業を全体的 に果たすことがてき、１１に以下に列挙した事項を含む： 単−神絆エレメントと関連した学習（エンコード）操作を以下に記述する：１　 複数の刺激値およびインプット端末からのこれらの刺激値に対する相当反応の単 −仙を＾む反応セフ＋−１を有するｉｌｌ激セットから成る連想ペア・セット中 に、上記のインプットエレメント・を表す（さらにある場合にはインプット・セ ット内で実数値化されたエレメントに比例する）、上記の刺激上ノド内にすべて のエレメントの複素数接合を接合する。

割り当てる。

連想の間に　同時ルｊの連想状袢を表す。

３　記憶媒介内のアト１．ス可能で書き直し自由の連想記憶マツピングに影響を 及ぼす記憶処理管理媒介に　最初の連想マツピングを伝達する。

弄Ｌｔ：ような袴享数値に変形する。

６　上記のステップ５に詳述したように、相互間係セｙｔ・　マツピングを通し て、中１激変換から生成された反応間のアルガン平面内のベクトル・七ソｌ−の 差をめ、ステップ４に述べたように、インプット端末から複素数値化された欲望 反応を検索する。

７　ステップ６でめた複素数値反応ベクトル差と、ステップ４の複素数刺激イン プットを？ｌ［索しさらに、複素数値反応差セットに灯する新しい１ｉＩＩ激状 態の同時期マツピングを表す複素数値反応ベクトル位相差相互関連セラＩ・に対 する新しい刺激セント中のエレメント間に、連想記憶マツピングを作るように、 これらのセットを外部積として結合する。複素数値反応差セントは、ステップ５ で数個をめた先の相互間係マツピングとステップ４で検索された要求済み反応を 通した新しい刺激に誘導されて生成された反応で、その反応間のベクトル差を決 定する相違セットを備えている。

８、ステップ７でめたセント積と、先にエンコードされた刺激を含む相互間係セ ット中に生成された各エレメントを、一つずつ記憶装置媒介中にマツプされ蓄積 された反応に付加する。この付加は、基盤内に蓄積された相互間係セットが、新 しい連想刺激からステップ４で検索されたベアの欲望反応セットに、殆ど正確な マツピングをするように修正する。

以下の操作は、現考案に従ったある神軽エレメントの反応召喚機能を詳述する： ａ、インプット矯末からマルチ（Ｉ！！φ１１激セットを受け取る。

ｂ、上記の刺激セット内に蓄積されたエレメントを複素数値に変形する。そこで は各エレメントの複素数定位は、ステップａの定義に従って、インプット端末か ら受け取った刺激インプット・セット内の相当ニレメンｉ・の実数値を表す（さ らに時にそれは相当エレメントの実数値に比例する）、利激セッ１−内のすべて のエレメントの複素数接合を形勢する。

Ｃ上述したように、複素数領域に転換された上記セット内の各エレメントの規模 値を割り当てる。規模値は刺激と反応セントの各複素数エレメントに誘発された 伯仲レベルを割り当てる。

ｄ　先じ合成複素数セントに転換されたＩＩ！激セットとマツピング基盤内に内 部積として蓄積された相互間係セントを結合する。そこでは刺激セット内の各複 素数エレメントが、相互セット内の相当エレメントと１反応セント内の特別エレ メントに連想的に結合された積項セット上の算定積の総計によって、倍加される 。この積の総計は、刺激インブトオ・フィールドを含む複素散板から算定した因 子”　ｃ　”によって、確率領域内に再度標準を合わせる。そこでは因子°゛Ｃ ′は、　ＩＪ激セット上の規ｔｌｌ統計係数から算出される。因子”　ｃ　”は 、既に確立された確率領域内に生成された複素数反応規模係数を制限するよう望 ましく用いられた。いずれか関係上ノ１−を通して新しい刺激のマツピングを行 う、この親しい刺激は、平行又は同時方式の反晧召喚生成内に、ベクトル上に重 なったすべてのマツピングを通して変換される。

ｆｔｌ巧案に従った′＃置はまた１表現された反応を生成するための媒介に対す る、少なくとも一つの１！セ反応ベクトル値の受信と伝播を１゛るプロ七ソザー 媒介と、伝達間係値を配置したｊ“ウトブノｔ−４末媒介も含む。

この擾作絆過を通じて前述の装置は、本来（つまり擬人的に言えば　注意を払っ た量）新しくｌ！得した既存刺激Ｉ可撤反応連想マツピング情報の衝製を、ｉＩ ｌ！１節する。この調節の結果として　特別なパターンに関係する新しい連想の みが、加重された記憶値パターンに、最大の影響を及ぼす帥向を持つ１反対に、 与えられた刺激と与えられたパターンに対する連想反応間の先に゛学習”した連 想の再エンコードは、マツピング基盤内に蓄積されている相互間係セットを含む 複素数価エレメント上に、及ぼす影響の比率が低い、この機能性は、装置作動中 の操作に於て１本来的に生成複素数反応の規模係数の浦を、既に確立された確率 境界の領域内に拘束する。装置操作はそこで、意味的に首尾一貫した方法で６相 当アナログ情報位相表示中のｆＭＩＪｔレベルの陰間数表示の割り当てによって 連想記憶パターンから生じた反応に対する、規欅の分布を制限する。この信ルベ ルは一般に、確率領域に制限される。これはこの装置の操作中に、　（間顕のパ ターン内の一つまたはそれ以Ｆの刺激ｌ刺激−反応連想加重のいずれかの意味上 の不均衡補強の結果として）他にどんな相殺作用が表れるかもしれないが、それ にも拘らず起きる。実戦的な見地から言えば、現考案に従って（時に補強学習と 言われる）この装置の特徴は、連想パターンが　例えば段階、変形又は交換、対 比　明度その他に帰するようなインプット値に影響する知覚差で、それが装置操 作経過を変えるかもしれない事態と間係する。インプット値の意味上の置換を処 理することを可能にする。

現考案のその池の局面に従えば、上記前半のセットのような、実質的装置が供給 されるが。

そこでインプットは　（各々のセント中に実質的に相互に不干渉（非同−）のア ルガン領域割り当てを持つ）刺激とφＩＩ激−反応の意味上分離した複数の連想 パターンからの、インプットである。各々のこの様なｌ＼ターンはｉ初と修正さ れた連想−パターン・ベクトル差７１−リソクスの相当割り当てを有し、プロセ ッサーは更に以下のような操作が可能である：相互間係セットを通した新しし一 １ｉｌｌ激マツピングによって生成された連想反応各々と、　ＩＩ＋激に対する 欲望連想反応を結合させる。そこでは複素数値ベクトル差は上記の二つの反応セ ット間と、相互間係セット上に重なった各々の最新複式パターンを作る個々のベ クトル減法変１染を通して、箆出され得る；そして最初てＰ１新の複式−重複− ノヘターン相互マトリックスを　アドレス処理記憶に伝達し、それが　記憶装置 媒介中のアルガン領域表示内の、最初で最新のアドレス可能で書き直しが自由て 意味上相互に一致する、相互セット連想記憶マツピングの各パターンに影響を及 ぼす。

現考案の上記１麦半の詳述によると　進行中の″管理された学習゛の比較的数の 少ない反復は、相互間係マトリックス内に表れるマツプされた連想で、外面上類 似したエレメント間の意味上の関連差の中で、装置の識別能力を、全体的にそれ となく増Ｖする。この機能は、゛′統計゛の第−又は高位数積項から成る相互間 係セット内の多様連想パターン間の、相互エレメント解決の信ＩＮ度を高る（詳 細は以下に述べる）、−揃いのパターン全体に渡って、意味が等大刺激エレメン トから派生する生成済み反応ベクトル間に、連想マツピングの収れんが起るのみ ならず　別個の刺激パターンの童味が等大でないエレメントから派生する生成済 み反応ベクトル間に、連想マツピングの副次的収れんも起る。これらの収れんお よび非収れんの両−向は　共に結果としで起る反応生成中の平均誤差率を全体的 に減少させる一因となり、そシ１は大きい連想パターンに対する、反応召喚上の わずかな誤差１ノベルに　漸近線的なアプローチ−をしたり　−揃いの学習済み φり激−反応連想内のシステムが、異性体を限定する特徴を、相当に収り出した り増幅できるすうにする１本文中の他に述べたように　この抽出のｔ！徽１１高 位ｆｉ統計の算定中、かなリハイ・レベルの抽象とＳ２諭され得る。アナログ・ インブッｔ−ｆｆｉの測定による約２？６かそれより少ない誤差率を生じる。

インプットに対する実数値割り当ては、現考案のもう一つの局面である。現文書 を読解する技術に習熟した人にとっては、そのような事はいかなる方法でも達成 できるのは、明かと、嬰う。現考案の特別な局面によれば、この割り当ては前述 の装置によって達成され、それはさらに結合を成すインプット条件付は装置を含 む：個々の°ｎ“を表示−（”る意味上インプット値の実数値化された分布を、 定義づけるセットになったｎ“の意味上のインプットを集合的に受信する、少な くとも一つのインプット条件づけ端末； 上述のインプット端末に対するインプット受信間係と連結したインプット条件づ けプロセッサーでりＴに対する： 上記のインプット条件づけプロセッサーからアウトプットとして複素数位相角値 ”　ｎ　”の極線価分布を限定する　集合的な位相角係数価を有する上述の相当 アルガン領域ベクトル仙である　個々のセントの°ｎを形成するインプット他変 換間係中の、上述の各インブソＩ・受信と処理：及び上記のインプット条件づけ プロセッサーからアウトプットとして一般的に確立範囲内に制限された°“ｎ゛ 規ｔｌｌＡａの実数値分布を定義づける集合的体規模係数値を有する　上記のそ れぞれのアルガン領域ベクトル他に対する規模または信頼レベルの割り当て：及 び インプット端末に対するこれらのイ直を、受信しアウトプットするための上記の インプット条件づけプロセッサーとのアウトプット受信間係と連結した条件づけ アウトプット端末。

インプット条件づけプロセッサーと上記の第一番目のプロセッサーは、構築上の 考慮が許す場所においては、同一１５であり得る事に注意して欲しい。

アルガン平面についての位相方位１直の対称分布のように、インプットの位相係 数分布はな数値化された意味上・インプット値の相当物に直接比例して作られ得 る。

乙ように適応する。

集合的インプットの′ｎ′□−ヒツトは典型的に、書味上値を表す’１１”区域 を含む、少なくとも一次元７１−リノクスを定義し ｆｓｌ、Ｓ２．Ｓ３．、、、、、Ｓ”ｎ”）實的変喚を通じた相当合成値にマツ プされる：Ｓ、−）−”’ そこでＳｋは、上記の“ｎ′表示の意味上インプット値のいずれかを表す：＾に は、確立的相対範囲から選ばれた規模係数値の割り当てられて既に決定済みの上 記のに番を表す：さらにｅ＋９に番は、複素数位相角価である□゛ｎ□比例項の 径線価分布を定義する。集合的なセン）の゛１相当位相係数値のに番のいずれか を表す：さらに）、、ｒ”’身 項は二次元アルガン領域領内の連想されたベクトル・アｌルスＳｋのに番のいず れかを表す、ノクスの展開中の　まばらなマトリックス技巧に収り入れられるべ きかもしれない卸みの綱ある反応召喚生成中の操作能力、のいずれかに対して有 替に用いられる。相当エレメント位相割り当ての操作能力である。高位数統Ｎ１ は、パターン連想相互関係セットのエンコード能力を比例的に増す間に、セット の大きさを拡張するための刺激セント上に課された前処哩操作を列挙する。高位 数統計は、ｒ１素数値位相！規模表現に一度変形されたインプット東ｊ激セット の唯一の組み合わせの積の算出過程を指す、相互間係セント内で重ねらだか又は 学習した上第１ぞれの刺激反応連想に対する学習済みφり激の所在地について、 高位数積項の結果は、より狭い範囲の一般論を組み立てる。高位数積項の使用は 、相互間係基盤内に更に密度の濃いマツピングが組み立てられることを認める、 相互間係マツピングの位相数学構造中に変化をもたらし、そこで神経システムは 、それらの位置が分岐反応（１と連想するがもじれない事実とは関係なり、捧め て近位のＩＩＩ激所在所在地らに正確なマツピングを施す能力がある。複素数値 化された申り激セットから高位数を生成する過程に於て、組み立てられたインプ ット刺激フィ・−ルドを効果的に拡張するということができ、例えば２０価の場 合、そこで２０次以上の自ターン上の結果の反応召喚をマツピングする高位数統 計から、相互関係マツピングを組み立てる。中ＩＩ激反応連セ上に課された無作 意の本質は、正確な反応召喚のための最も制限された悲観的シナリオを形成する 。これらの高位数統計は一般的に、次のような質的変換によって形成さｔする： そこで生成の結果形作られたｍ＠統計と形成されたＮ統計位数を表す、関数ｒ　 （ｋ、口）は、前決定的又は　未処理の刺激・インプット・ヒツトから自学自習 的に形成された選択項を、生成されたに番位散板の間数としてさらに、Ｎ番位数 統計を形成する積と連結したｎ番インブ、ｌ−・工し・メントとして　割り当て る。操作機能を高めるための必要条件によって課せられた制限は、オペでの高位 散板が唯一のインプット合成価のセントから形成されさらに、それはこれもまた 唯一の　接合の交換位数には拘らないことを必要とする。

現考案の、これ以上の局面は、この考案についての以下の詳述中に明かにされる であろう。

簡潔な図の説明 これらの図とその池の事柄とそのｆ！徴は、次に以下の図ど関連して詳述される 。

図！　生成された反叱内の平均誤差に対するいくつかの細胞（Ｎ）へのシナプシ ス・インブ州・にエンツー１；シたパターン（Ｐ）の割合を表す。

図２　シグモイド・マツピング間数を示す。

図３　複素数領域内の対称（一様）分布に対する実数領域内の正常分布（ガウス ）密度を示す。

図４　生成された反応召喚中の巻き付いた反応項の合計を示す。

図５　ＩＩ激マツピングの近位の位相数学摺曲の属性を表示する。

１１６　Ｉ１１激フィールド中の等大および非等大領域のための収れんマツピン グを表示する。

図７　対称位相分布対非対称位相分布を表示する。

図８　二元システム中の対称状態に対するアプローチを表示する。

図９　統計の位数間数として、中１激位置についての一般化領域を表示する。

図１０　内部構造と外皮モジュールへのデータ流動経路図を表示する。

図１１　神経エンジンの単一処理結節点のために可能なハードウェア形態を表示 する。

図１２　複式結節つ、（１６結節点ハイバーキ１−−ブ）の処理語ｌ１１５点間 のデータ・コミュニケーションを表示する。

図１３　神経基礎のアブリケーシゴン・システムのために可能なハードウェア形 態を表示する。

図！４　神経エンジン核内細胞の一般構造を表示する。

図１５　複式細胞神経形態内の細胞間の可能なデータ流動割り当てを表示する。

図１６　データ・フィールドの二次元（マトリックス）フォーマツ１−を表示す る。

［Ｊ＋７　データ・フィールドの範囲限定済みウィンドー内からのデータ・エレ メントの抽出を表示゛ｒる。

図１８　神経エンジンに変形されたデータの可能なタイプを表示する。

図１９　フィートホワワー１；神経形態を簡単に表示する。

図２０　循環神経形態を表示する。

図ハ　外皮と１１Ｔエンジン内に形作られるかもしれない小脳複合細胞構造を表 示する。

図２２　相互間係セットのための一つの可能なフォーマットを表示する。

図２３　可能な神紅形絆の多様なｆ！別を表示［る。

ｖａ２４１ｈ？相平面（８領域）のデスクリクイゼーションを表示する。

図１５　反応召喚中の位相境界の横断操作を表示する。

図２６　データ　−７フイールド内の位相上しメン１−のバー　ト型分布を表示 する。

図２７　時間と空間の概念を支配する側頭骨パターンの学習と反応召喚のための 神経形態を簡単に表示する。

図２８　自７自習の決定紅路例。

図２９　刺激アプリクー４．：？ン又は有限エレメント分析に応用される網目細 胞構造の簡単な例。

Ｉネ］３０　目勅目欅Ｖ品″ｊ゛ブリケーンヨンの構造のために可能な一つの神 経形態を表示する。

図３１　ｌｖ制御アブリケーンゴン又は循環連〜ゴにのために可能な一つの神経 形態を表示する。

行事実施のための最良の方法および 産業の適応性 ？］・−Ｌ（：？ｖ式ｆｌ１ｍ−反応連想を包む（またはさらに正確なマツピン グする）ことができる操（ｙ吐＋を引き出す′。

最も基本的なし、ベルでは　データフィールドの情報がアナログまたはスカラー １直の七ノトド）のセットが、第一フィールドの存在が第二の発行を引き起こす という方法で、値のもう一つのグループと関係する事が、刺激−反応連想の基本 である。ホログラフィック神経技術の数学的基礎は、複素数から成る相互間係セ ット上に直接刺激−反応連想がマツプされることを可能にする。ホログラフィッ ク機構は、極めて高い情報蓄積密度を持つことを示すため。

数の大きい刺激−反応連想が全く同一の複素数値セット上に重ねられることを可 能にする。

個々の連想は一回で反復のない変換でエンコードまたは学習をする。先に学習済 みのいかなる刺激パターンに、限定されて接近するアナログ刺激パターンが、相 互間係セットを通してハイ　レベルの正確さを備えた酷似の連想済みアナログ反 応の再生をするよう変換するという方法で、ホログラフィック処理は一般化する 。

バクーン認識中（つまり一次捜索）の標準アプローチは、原型か圧縮形（つまり フーリエ変換）のいくつかのいずれかのパターン鋳型が、蓄積されさらに個々に インプット参照パターンと比較されなければならない、という常套手段を実行↑ る。一般的にこのような標準方式には重大な費用が必要で、集約的にコンピュー ターを使用して、−投出能力を制限する。

例えば−次捜索の場合、インプット参照と比較した時に、蓄積されたすべてのパ ターン原型に対する接近のレベルのみを示す、縮尺問題にしばしば出会うがそこ では、インプット・パターンのわずかな歪みが、算定されたパターン中に極めて 大きな相違を作り、拡大する（不十分な一般１ヒの属性）。

パターン鋳型は同一蓄積スペース上で包まれているにも拘らず、ホログラフィッ ク神経処理は類似したパターン認識機能を果たすように作られており、故に記憶 必要条件を、単一バタ・−ン原型に必要な蓄積量だけに減らす、加えて、ホログ ラフィック神経処理内に生成された反応価は、伯仲の得度（反応ベクトルの規模 構成部分）とアナログ情報値（位相角構成部分）の両方を示す、情報フィールド は、ホログラフィック神経処理内で学習され表現されるように、複素数のセント という形で神経細胞を表す、これらのセットは、神経システム中のアナログ刺激 −反応連想を表す、ホログラフィック神経細胞は、単一エンコード変換上と個々 の神経細胞内の両方の、学習連！！能力を示す。

ンＨ在的蓄積能力を示すため、２０００シナプシス・インプット（又は相互間係 価）を備えたひとつの細胞を組み立てる事ができる。最悪の場合のシナリオのた めに、刺激データ・フィールド内のすべてのエレメントと連想済み反応価は、本 質的に無作意に組み立てて良い、このサイズの神経細胞一つは、１０００の無作 意な刺激−反応パターンをエンコードする能力と、その後−回の学習試行でく７ ２％フル・スケール平均誤差を示す各々の学習済み刺激パターンに廿する反応を デコードする能力がある。もしさらに二つの同一データ・セント上の学習試行補 強に従えば、この平均アナログ反応誤差は、２％に減少する。これらの誤差率は 神経細胞のサイズに対して不変である（つまり同じ標数が、３２にの連想か取り 込みのマツピングを有士る６４にシナプシス　インプットの細胞に適合する）、 さらに上記の誤着信は、制限のある最悪の場合のシナリオに属し、そこでは再度 パターン連想は本質的に無作意である。ホログラフイック神経システムは１本来 缶作意ではない刺激−反応連想を学習する能力を持ち、それはかなり大きい。

この操作の基本は従来の人口神経システム（ＡＮＳ）理論のコネクショニスト　 モデルからの基本的転換を表す、コネクショニス１−　モデルは、主として実数 値１ヒされた細胞が、操作を増やし蓄積する神経細胞の大グループ間に確立され た連結加重の変化によって、連ぜかインク−ドされると想定する。ホログラフィ ック神経モデルに於て１個々の神経細胞はノン１ネクシＥノニス］−・モデルを 形成するより中心的な任務を果たし、ノン・コネクシ式ニスト　モーアル中では 、学習とそれに続く表現能力連想は主に、神経細胞それ自身の中に存在１″も、 ポログラフィック神経モデルは５神経基礎アプリケーシヨン中に著しい増殖を起 し、そこではさらに大きいノン・ホログラフィック・ネットワークによって示さ れる能力が、単一神経細胞内に幼果的に圧縮される。アナログ刺激−反応連想の 伝播を通すか又は細胞の複式整列内に循環ループを作りＪ−けるホログラフィッ ク細胞の列は組み立てることができる。そのような形セは複式細胞システム内に 作られ、そこではそれぞれの細胞が、刺激−反応連想の強力な゛ネソ１−ワーク °□に匹敵する理想的な特性または、゛°内容アドレス可能記憶“とじて個々に 機能する。これらの内容アドレス可能記憶細胞は、−投出を決定論的に修正可能 にする属性のけ加特徴を有する０次の段落に定義したように、デザイナ−がいか なる神経細胞の配列とデ・−夕流動Ｉ回路の相互関連の外形に柔軟性を持てるよ う、ホログラフィック処理を汎用神経開発システムに結合する。

情報の表現 ホログラフィック神経システム内の情報エレメントは、複素数によって表される 。二次の自由内　つまり位相と規模内で複素数は作用する。それぞれの複素数は 、幾らか目新しい方法で情報を表現し、それは基本的にホログラフィック・シス テムの操作にとって重要である。

激または反応データ・フィールド内のすべてのエレメントは故に、ユニット・サ ークル内に典型的に制限された複素数の配列によって表される。

ベクトル増殖のようなｒ１素数変換は１例えばベクトル交換を誘導する操作を増 やすような方法で、リーマン空間に起る数の属性を利用する。この点で複素数値 の作用は、多次元のユークリッド空間と基本的に異なる轍に注意することが重要 である。アナログ刺激−反応マソビはアルガン平面固有の属性である。前に述べ たように、ホログラフインク神経処理内のＩＩＪ激ＩＳＩ　と反応［Ｒ］は、複 素数値の配列によって表される。複素数指数の慣例を用いると。

これらのデータ・フィールドは下記によって質的に表される。

及び 外部シグナルと反応行動は　最も頻■に実数ｌＩ！領域内で表されるため、外部 実数値を内部位相または情報領域に転換する必要がある。これはシグモイド処理 操作により、最善に行わ第１る０図２は一般転換フオームを示（７、そこでは水 平軸に沿って広がる実数領域が、本質的に、（−・℃　対　＋ＯＯ）で制限され ない、ホログラフィック領域内と垂直の広がりに用いられる位相軸は、Ｏと２１ によって制限される。シグモイド関数は、外部環境の経験ど測定に従っでホログ ラフィック神経システムに対する内部情報を表す位相（酊こ、外部実数データの マツピングを行う。シグモイド変換はまた。詳細は対称の考察に関する次の段落 で述べるように、いくつかの極めて最善の属性を示す、スカラー値から複素数ま での一般マッピング・フオームは、質的に次のように説明される。

Ｓどλ−″０°　＋２］ インプット　データ・フィールド中のそれぞれのスカラー（ｆｆｉ（Ｓｋｌ　と 連想する規模（Ｉ！（λｋ）は、いくらかの信頼レベルを割り当てられるべきで ある。これらの割り当てられた信頼値は、インク・−ドとデコード処理の操作効 率の情報相当構成部分の優勢を、ユーザーがコントロールし易くする。刺激−反 応連想のエンコードと反応のデコードまたは表現の両方の規模に一致する重さが すべてのインプット位相に加えられる有利な地声からの信頼（規模）の合図とい う概念を理解すべきである１例えば、００の規模を割り当てられた位相エレメン トはホログラフィック・エンコード中と刺激−反応連想の表現に貢献しないだろ う０反対に１０の信頼レベル内、データ・フィールド内のその池すべての情報エ レメントに均等な加重作用を確立するだろう、もちろんこれらのエレメントもま た、ユニティ−信頼を示す０通常インプット・データ・フィールド内のすべての 複素数にユニティ−価が割り当てられるが、しかし、これらの位相ニレメンｌ− の加重効果は、未処理のインプット・データ・フィールドに渡る信卵外形図を作 り上げる事を要求できるように、いかなる価にも１１多正される。

デコードまたは反応召喚操作中、生成された信頼レベルは再度基本的に重要であ る。生成された反応中のこの信頼（又は規模）は、認識の程度または、インプッ ト刺激パターンにとっては　先に学習済みの刺激状懸との接近の度合を示す１位 相空間中のエンコード−デコート変換の実行と、情報表示に間して先にのべた慣 例を用いると１反応規模は［００からｔｏｌの確立論遵法内に本質的に表される 。０に近い反応規模は、認識の信頼レベルが低い事を示し。

反対に１は、認識の信頼レベルが高い事を示す、この操作上の特徴は、生成済み の反応情報（位相）が認識された結果なのか、認識されていなし神り激なのかを 決定可能にする。ある意味に於てこの規模はアナログ　スイッチとして、認識反 応のために神経エレメントをオンにし、末！２識の物にはオフにする作用をする 。

確立論遵法内に制限して信頼レベルの範囲を確立すれば、データ・フィールド上 の作業がファジー論理の通ｐ＋１に従うことが可能になる。これは、高位数積項 の形成又は゛統計゛（高位数システムに間する以下の段落を参照の事）を組み合 わせるインブト結果のために、算定済み信頼レベル内に表示される。高位散板の 信頼レベルは、確立論の法則に従って修正される。

ＤＩ　ＦｒＦＯｒｌ＝ＦＡ”Ｂ 例えば、もし０５の（ｉＮレベルがエレメントＡ上にそして、０７５がエレメン トＢに割り当てられた場合、二つの情報エレメントの積から形成される高位散板 は、　０．３７５の信頼レベルを有′する事になる。このフィート・フォワワー ドと循環細胞構造の両方に於て、データ・フィールドから引き起こされた連想と 高位数絖計に関連する連想は一表現された信頼の程度によ−っては、弱まったり 衰滅するかもしれない。

ングモイド処理 φり激フィール１；を表す以下のスカラー価七ソトを考察する：Ｓ　＝　ｌ　ｓ ｌ、Ｓ２．　Ｓ３．　ｓ４．　、、、、　Ｓ０１　［４］ｇ　−ｓ上の分布中爪 、　ｋ：１　灯　Ｎσ　−分布のけ４偏差 λｋ　−割り当てられた信頼レベル 上聞の変換は前述の未処理のインプット［４１を、次に示す複素数値のセ・ノド にマ・ノブする；［５＋＝ｆλ、ｅ　、＞、ｅ　、λ、ｅ　、、、、、、λＨｅ ＋’Ｑ、１　［６１または図２にグラフで説明されている。

を作り出す目的のために理想的マツピングを行う際に見られた。

示すパターン分布をなすことができるのに近い。

先に述べたように学習処理は、？！素数を含む相互間係セソｔ−ＩＸＩ上で複式 φ１１激−反応連想ケノド（つまりＸＪＫ　ｌ内のある工し・メントの算定は、 次の複式と蓄積（十＝）複素数を算定−４る反応エレメントＪに対するφり激ニ レメンｌ−ｋをマンブする：ｙ、、　４ｚ　６．　、　ｒ、　［７］　’゛注　 ａ　（→−＝）１〕　は変形すると　ａ＝ａ＋ｂ殉素数指数記法を用いて　刺激 と要求された反応フィール１：のエレメントを表すと：Ｊ−記（７１の複素数の 積を複素数指数記法で書き直すと。

、、、、　、、、ｌ、、、、、ｅ＋　ＩＱ＋　８＊ｌ　［ｇ］情報ニレメン１− ｆＷ数が水平で１時間増力Ｉ分が垂直に沿う所では、与えられた時間枠にわたっ て　’ｌ１１ｍと反応フィールドのセットを組み立てることができる。

上記に示した襠式パターンのエンローｌ：処理は、次のマトリックス変換によっ てさらに標準的に表示される。

ＬＹＩ　＝＝１？；］　ｒ［／？ｌ　［１２］はるかに制限されたＩ１１激−反 応連想セットまたは適度なレベルの正確さのパ類別”を学習する訓練を［るのに １組になったパターンの数回の繰り返しが必要である。」１記の方式は最も基本 的なホログラ゛クイック・エンコード処理を表し、そこでは学習は、先にシステ ム内に蓄積されたいかなる記憶や知識にも影響をうけない。

機能を高めた′「ンコード方式は−１ぐに詳述されるが、そこでは学習は直接記 憶機能である、機能を高めたエンロ−ド処理は、注意の自動制御や学習の補強の ような、多くの望ましい特徴や　蓄積濃度の著しい増加や　広範囲のインプット ・データ・フィールド分布の操作安定を示し士。

：亡］−ド（反応召喚） デフ１−ドまたは反応召喚は、連想済み反応ｆＲ］を生成する。基点方式の相互 間係セット［Ｘ］にエンフォルトされたすべての刺激−反応マツピングを通して 、φり激フィールドが変換される方法で、働く、生成済み反応フィールド内の工 １ノメントはざらに１位相と規模両方を有する複″Ｊｇ数フオームである。新し い刺激フィールドが先の学習済み刺激パターンのいずれかに１１叉でいる場合に は、神経細胞は高化ルベル（規模〜１）の連想済み反応位相値を生成する。

Ｔコ−ド変換は、次の内部積フォ・−ムで表される。

インジノ１〜刺激フィールドは　次の線形７１−リソクスによって表される：１ ５＋’＝Ｉλ：、゛Ｏ：λ；ｅｉ′；、λ：ｅ′ａ；、　、、＋　［＋５］１１ ４１の正常化係数（ｃ）はＩＩＩ激フィール１−の間数である。最善の特性は、 この正常化反応規模内の係数に廿−１−る、確立論領域［００から１０１との関 連を用いて示される。

梅作世定位（例えば、−作意竹計γ゛スト）の複素数ベクトル　セントの組み立 てによって反り訓Ｕ喚−Ｌ−に示される誤差の特性を凋へる。これらの誤差の特 性は１組になった刺激−反応連セのニジコードと　神経細胞を通して先に学習済 みのそれぞれのＩＩ＋激フィールドのデコードにより　エンロー　ド富度の割合 として、算定することができる。この処理の実行中、エンロー　ドされたパター ンの数が増えるに従って、反応召喚の平均誤差（またはエンコード反応と：仁Ｊ −ド１の生成反ＬＬの差）が徐々に増力■することに注目したい、この連想誤差 は、極めて年数のｉｌｌ激−反ｆ、シマノビングが、エンロー　ドまたは反応召 喚中の重大なアナログ誤差の累積に先だってエンフォルトできるように、大変低 い、生成された反応値内に埋め込まれた数学的に巻き込まないベクトル構成部分 によって、いくらか広々とした形で、この情報が包む属性を説明することができ る。この説明は、−膜化されたリーマンか複素数領域内の、複素数ベクトル変換 の基本的な理解を必要とする。

上記の１１４］に生成された反応項は、構成要素中に巻き込まれる事がなく、そ こではそれぞれの部分それ自身が、相互間係セット［Ｘ］に収り囲まれた一つの 刺激−反応マツピングを通した刺激ｉ５１変換によって生成された。複素数ベク トルである０次に示すのは、ＩＲ１内の（一つの軸索処理を有する単一神経細胞 をモデルにしていると想定する）一つの反応価のための、複素数指数フオーム中 に表された分離展開を次に示す、新しい刺激［５］のための１１５１　と相互関 係セントのための１１３１　とデコード変換１１４１のための標準フオームを結 合させると、生成済み反応値のための次のような解式が得られる：この解式は次 のような同１！Ｉフオームに書き直す事ができる：上記は　（１＝＋対ｐ）の時 間上に合に１された独立反応構成部分の反復を示す９時間上の巻き込みのないそ れぞれの反応ベクトルは、時間ｔでエンコードされた刺激−反応マツピング、を 通した。新しｔ＋４１１激フィールド変換から作られた反応に相当する。再び上 記の等式をさらに例証となるフオームで書き直すと　それぞれの巻き込み反応ベ クトルは１次のように表される。

、ユニでＡｔは１巻き込まれた一つの反応ベクｌ−ルに対する。規模または信顛 レベルである。

この反応ベクトルもまた、時間ｔの時の相互関係セット中にエンコードされたマ ツピングを通した。φ１１激［５］変換に相当する。　［１８］を上記に再代入 すると、巻き込みがない反応内の各々のベクトル構成部分は、直接次のように算 定する事ができる：上記に従うと、各々の反応構成部分に対する規模と位相構成 部分は直接算定され、そこでは：Φ【を主角度にＵ！４整する） ［９１（つまりΔ、ｅｉθ【）の各々の反応ベクトル環は、先にエンコードされ た刺激マツビン全体的なφり激ニレメンｌ−に＝ｌ対Ｎその場合ε、は、掃作言 誤差量、上記の等価を［２１Ｊ　と１２２１に再代入すると、刺激フィールド［ ５１−の位相エレメントは、エンコード済み刺激／１ターン（Ｔ）に向がう。そ れがらｃ、−ｎ 総体に および［２３１を反応１２１１　と１ｎ１に対する位相と規模間係に代入する又 は、へ〇−１　その場合 その場合λ３、λに１　γ□＝１　総体に同様に位相に対して； φ；−φ、　［２５］ 価Δｂ′Ｆはまた、時間Ｔでエンコー　［；されたマツピングを通す刺激”ノイ ールド変換に対して表現された規模又は１３頼□°であり　新しい刺激［５１と 先に学習済みの刺激の間の、接近パターンの一対のための、最も優勢な反応ベク トル構成部分を表す、同様に生成済み反応位相角（φ工）は、先にエンコードさ れた刺激パターンに対する連想済み反応値を再生する。

反叱内の残りの巻きはき項は（つミリ【≠Ｔ）、生成された反応内（図４のφ瞠 ）の決定論的誤ｔとファジーを、特徴付ける。この誤差項に対する規模の繞剖値 相違は、相互関係セット上で囲まれた別個または独立した刺激−反応マツピング の総数に、比例する。それは、模は作動し、！！定されるユニット・ステップは ：（ｐ なぜなら　γｔλに、ｌ≠１　総体におよびｔの段落）　単一学習試行に対する この誤差間係は、＄作童作動の想定属性の僚算を可能にすＩＩ＋激パターンはも ちろん　すべてが（３卸の相応度を示す、先にエンコード済みの幾つかのマツピ ングからの反応を呼び起こす、Ｆｌｉ能が高まったエンコード処理は、強度に補 強された反応（つまり同−反応価に関係する多くの刺激パターン）によって生じ るシステム内の不安定を、除去する。このＦＩ１１能が高まったエンコード処理 （次の段落を参照のこと）に於て、マツピングは、刺激インプット・スペース中 のそれぞれのポイント上に、効率的に生成される。

インプット状スペースの外延を限定する規模で１反応召喚中に生成された規模は 、確立論の範囲内１００から１．０１に、典型的に制限される。機能が高まった エンコード処理は又、刺激領域の近位（図５を参照のこと）にあるマツピング中 に、一層くっきりと限界が明らかになった個別または”°位相数学の摺曲゛を生 成することを可能にする０機能が高まったエンコード処理内に見られる反応召喚 誤差は、基本的なホログラフィック処理にわたって、実質上減少する。同様に反 応召喚上の誤差は、相対的に少ない学習試行の補強によって、効率的に除去され る（典型的に＜４）。

誤差間係（２７１によって示されたホログラフィック処理能力をはるかに増加す るために。

上記の基本的操作前提より更に進歩（７たシリーズを用いることが可能である９ 例えばインブノ［・刺激フィールドを　インプット　データ・フィールドから明 白に生じる高位数“統計沖の高位数積項（５７ページの段落参照のこと）に拡張 することによって、パターン蓄積制限を除去することもでき１りる。この刺激フ ィールド拡張処理を用いて、先に述べた２０ニレメンｌ−のインプット　フィー ルドを、数巨万の極めてまれな高位数積項に拡張することができる。

極めてまれな高位数積項から成るこ４Ｌらのφす激フィールドにとって、　［２ ７１により与えられ乙誤差間係は　神経細胞上にエンフォルトされる（つまりこ の場合〉１００万マツピング）マツピングの数に比例するように　妥当に存続す る。上記の拡張は、たった２０段階の自由に限定されたスペース状ｆ内にエンフ ォルトされ得る巨大な数のアナログＩＩＩ激−反応マソビングによる手段を　容 易にする。従って　線形非分離はホログラフィック細胞処理内に、束縛を１１丈 ない。

ト配に概略を述べた機能の増強と　ホログラフィック処理内の基本的に重要成そ の池の属性は　次のリストの通り。

機能が増強されたエンコード 動的配憶 高位数システム 交換属性 機能が増強されたエンコード ホログラフィック方式の作動特徴は、学習が蓄積済み記憶間数（つまり相互間係 セット内にマツプまたはエンコードされた先の利激−反応連想）となる処理を用 いて２機能を大いに増す、その増強された処理は、インプット状のスペース全体 を、欲求反応セットに効果的にマツプするのに用いることができる。エンコード され得る個別マツピングの数とこれらのマツピングの位相数学フオームは、シス テム内に生成されたＢＮｊの位数を通して（５７ページの高位数統計に間する詳 述）、制御される。

前段落の基本エンコード　システム内で、先に設定された信頼レベルでエンコー ドされた作動は最善ではない。すべての生成済み反応が強力な補強反応に向がう まで５これらのエンフォルト済みマツピング内に、非対称が生じる。ｔｌ！能が 高められたエンコード処理によれば。

このような望ましくない特性や限界は示されない。

エンコードが蓄積記憶間数として進行できれば、同様の刺激−反応連想またはマ ツピングが先に学習した度合によって　学習（または注意）率は自動的に１Ｍ御 される。新体の連想だけが、マツピング下層に最大の影響を及ぼす０反対に先に 学習済み連想のエンコー　ドは、相互間係マツピングに対してわずかな影響しか 及ぼさない、影響を受けるのは、注意レベルの自動制御をする装置で、その場合 学習は、新奇の刺激−反応連想に最大の前進をする。この機能を高めた学習方式 は、複稚な映像やインプット・シグナル、そして同一の相互間係七ノ１−の上で 時間を経て変形や交換を起す連想済み記法の置換セントを　任意にエンフォルト するマツピング位相数学を組み立てる極めて優秀な能力がある。操作の安定性は 、生成済み反応に対する信仰レベルが、確実に確立領域［０，０がら０．＋］内 に意味を成して制限されるようにする。

さらに基本的エンコード方式と対照的に、ｖ！能を高めた処理は欲求反応に対し て、新しい１’１ｌｆｆｉを正確にマツプする。相互間係セット上に結果として 起るＩＩＩ激−反応マツピングがエンフォルトされると、反応召哨内のファジー は、基本エンコード組織よりもつ−と緩やかに増加する６処理調査中、反応召喚 の最中に作られたアナログ誤差は、低い値を示し、　（っまり〈５％アナログ記 法）それは通常２から４の補強学習試行と高エンコード密度だけを伴う（つまり そこでは、皺作意学習済み連想の数がシナプシス・インプットか細胞の゛次元□ °の数に近が１寸く）ことか観察される。

機能を高めた学習処理は１本来三段階で作動する。第一段階は反応生成中の相互 間係セッ１）　神経細瞼を通しく（複素数）反応油Ｒ゛を作る刺激フィールドを デコートする。つまりまたは同義フ−づ・−ｊ、に表−す棲。

（ｘ＋　−＝　［：”：］’１．Ｙ＋　−＋ノｌ＋（ｘ＋、その１７％合［３２ １ ［５１１１ＲＩは基礎エンコー　ド項 さらに］１月　ＦＸＩは機能強化項 その場合１川は１５１の」〜ルミー刊−形甘を表す、つまりＦＸＩが限定された 安定地に収れんされる点で、最善のマツピングが成される。

［Ｘ１＝ｌＨ１ｌｉ、Ｙｌｂａ、、ｃ［３４］その場合［Ｘ］　ｂＮｉｃは、［ ］によって表される基礎ホログラフィックエンコード組織内に作られた相互間係 セット、アナログ刺激−反応連想の大セント上のほとんど正確なマツプもまた、 　］３１１が示すように、機能を高めたエンコード処理を用いる比較的数の少な い補強学習試行を伴って成される。　［３４１に従って逆複素数マトリックス［ Ｈ］　’の数値をめると、表示される刺激パターンの一式すべてが必要で、それ は算定上はるかに集約的である。逆マ）・リソクスは、神経系をベースにしたシ ステムの実戦的な即時処理特性を明瞭には表さない。

［３１１に示されたマトリックス解式は１反復学習処理の一般化された形態を表 し、　［５］と［ＲＩに含まれる刺激−反応連想の完全な一式上での強化学習試 行を表す、再反復すれば、機能が高められたインコ・−ド手順が、複式強化学習 試行の遂行を通して、要求済み刺激−反応マツピングに収れんされる。上記の解 式［３１１から１３３１に用いられた、刺激フィールドＩｓＩ　と反応フィール ド［ＲＩ　と相互間係マトリックス［Ｘ］に対する複素数マトリックス公式の指 数は、拡張した段階で表示できることを明かにしたい。

シナプシス　エレメントＩ旨数→ 反応ニレ、メンｌ−１旨数→ この場合各′ごσ）刊ｉ！汰反宝フィール［；のエレメントちまた　ユニット　 ザータル内に限定された！１！素数ｆｔ１ｉ丈ある。

上Ｖの公式は　与えられた時間間隔に波って拡張する複式パターン連想エンコー ドの方法を述べる。実戦アプリケーションでは、エンコード処理が学習の即時処 理特性を促進させる単一φり激−反応マツピングを、実行循環ごとに生成する０ 反応差の帰納項（［２９］のＲｄｉｆ）は、どこか従来の傾度方式で用いられる 誤差項の後方伝播に類似しているが、ホログラフィック神経処理は、はるかに効 果的な収れんの属性と、要求済みアナログ刺激−反応連想七ソ１−をさらに正確 に形成するマツピング位相数学を組み立てる能力を示す。

要求済み連想セントに取運する位相数学をの組み立て中に、神経システム中に起 るこの処理は、次の方法で一層明確に表される。殆どが同じような二つの別個の 重り激パターンだが。

それぞれの限界領域内で変化する刺激パターンを考えることができる。エンコー ド中にこの二つの類ｔＬｉＨ激バクーンは、異なるアナログ反応にマツプされる 。これは次の間係によってベクトルで表示されるがその場合、刺激１に対するエ ンコード済み反応ベクトルが与えられる： ！？ρコ”’　［３８］ 同様に、刺激に対するエンコード済み反応ベクトルＩＩＩ激−反応パターン１の エンコードに従えば、刺激パターン２からのデコード反応は、Ｒ１に近いベクト ルを生成する。第−近１１１（！で、学習処理の第二形費内（つまりエンコード ・パターン２）にエンコー　ドされたベクトル差（Ｒｄｉｆ）は、以下にベクト ルで示すように、Ｒ１とＲ２間の差を概算する φ１ＩｉｌＱ−反応Ｂターン２がエンコードされて、パターンｌのエンコードが それに続いて起る順序逆転の場合、逆転ベクトル差（Ｒ２，＋１が生成される。

以下は、先に与えられたパターン２のマツプにパターン１をエンコードする場合 、相互間係エレメントＸｋ内に生成されるマンビン同様に与えられたパターンｌ のマツプにパターン２をエンコードする場合Ｘ、・・ρ１＋１・・β、ｌｎ・・ ゝ ｅ“ｏｋ′　−牽り激フィールド内のエレメントｋに相当するｅ　＝ベクトル差 の位相定位 ［４０１ この場合　０にユ”味１　（ｋ上の同等領域）［４１１ 対称の、を要性 先に述べたようにこの規模は、生成済み反応中の信頼の測定価を表し、更に有効 な認識反応をおびき出したり、そのきっかけを作るいくつかの適当な方法に用い ることがでさる。対称状杼で＋’ｔ’＊オるシステムは、認識と非認識反応の識 別を、非常にうま（促進する。データ・フィ−ルド分布内の対称の属性は、主に 二つの方法で得られる。それは：１）外部実数領域から内部情報か位相領域に、 正常（ガウス）分布のマツプをするためのングモイド変換の１吏用を通す。

２）イシノブ・ｒ）−デ・−り　フィールドの高位数統計への拡張を通す、（５ ７ページ参照のこと、）この二つの処理については、以下に詳述する。

３９ページに述べたように、ングモイド間数またはシグモイド・フオーム（つま りアークタ表１−だ密集分布ぐｉに誹って、さらに説明される。

１激フィー１１斗が非常に対称である場合、上記のベクトル合計クデータ・フィ ールドの場合も、０に近付く０反対に、非対称分布の場合、ベクトル合計はユニ ティ−に近ｆ１＜。この概念は図７に図解する。

上ｋ　１４３］の合計は、００と１０の間に眼定された対称の測定価ど　データ 分布内の意匠定位の中位に対する価の両方を作り出す、最初の広範囲の分布状畦 を考慮すると、インブリトデータ・フィールドを　極めて対称なフォーｊ、に再 分布するシグモイｌ’変換内で、この両方の統計測定値は、因数分解される。

インプット・データ分布にまたがって　極めて対称な状態を得るのに、第７番目 が多分それより効果的な方法は　中Ｉ１１フィールドを高位数統計に拡張するこ とである。高位数統計とは、未処理データ　フィールド内のエレメント上の、Ｍ 番位数積項の生成を意味する。高位？項の生成を平易な数学で説明すると：この 場合のＭは、」一記の積解式の■゛旬数′゜と解釈される．サイズＮのデータ　 フィールドから１：成され得る極めて昂なＭ（ｉ数積項の組み自わせの数は，次 の階乗関係によって明かにされも このｊＴ法で　比較的サイズの小さいｍｉｌｌ激イ゛／プ・川・・フィールドは ，極めて大きなセソ１〜に拡張される．腹素数領域の本宋の属性１仇ま　拡張に よって細胞の次元性が高位数項また（ｊ゛統計”に増加されると　終結式複素数 データーフィールドの分布は，最初のフィールド分布どは間係１＜．Ｎ市線的に 殆ど最善の月称状態に近付く．号称は、例外的なケース（一つまり、特穴な状袢 でそこでは，　］Ｓ１内のすべて位相エレメントが、効甲的にＮＵＬＬデータ・ フィ−ルドを形勢する正実数軸沿いに同−に定１・γする）を除いで、最初のデ ビタ分布の大多数］二ｉこ得られる． φり激フィールトを高位数に拡張゛ｔることは，限定されノ；：二元システムの ための図８て説明１−ｔ：が　そこでは情報が，位相平面上の二占たけ（っ才り ０とＰ）に限定される６第一フレームは　捧めて非村称分布を示し　モーこでは インブソ１・の１２５％が１（またはＰ）で限定される．第−二位数項の一つの 士成に従えば、ここでＤｉエレメントの５％がゼロ位相定位になるように，ｆ｝ 布條正がなさｔ１る．三つの反復に従えば（一つまり第八位数項）、虚軸（つま りゼロの５０％）のまわりのデータ分布は　事実上対称である．上記の高位数項 への拡張は、本来アナログの相灯｛ヒデータ分布に、効果的に作用する．動的記 憶 ホログラ゛７イノク神杆処理内で、各々の十り激一反応連想は，それぞれの通念 をマソブする．なぜなら学習済みＩＩＩ激に逍似（る、Ｌう決められた，インブ ノ］・状態は，同時に連想された反宅にマノブーイ゛るからである．巨大な数の エンフ］ルド済みマノビングを含み得る相互関係セソ１−ＩＸＩに動的減衰を適 用すると１，たら　記憶の特性を見ることができ、そこでは、先にエンコ、−ド 済みの信顛マソビングが　時間を経て減衰する．それに対応して、減衰したマソ ビンヴに対して表現された反応内では　デタミニスティソクな゛誤差゛やファジ ーの度合の増加−｛る．本質的にマノビングはアナログ様式で減衰し、それは後 に続く刊激一反応連想のエンコー川２によって　重ね書きされる．以丁に示した ，相互間係七ノー−・エレメントｉＸｋｅ［Ｘ］］に灯↑る第一位数減衰項を用 いて，記憶減衰の概念を数学的に説明する，ｔ：減衰定数 Ｔ二現時間フ１／−ム この場合のＮは，刺激フ，イールト内のエレメント数．に使用される事を可能に する． こどてある．動的記憶の特徴の中のとの鋒止可能な特色を使うと，神経ネソ１・ ワークを形造ることができる．そこでは、当座の短期記憶から長期又は永久記憶 のすへての領域に渡つ゛Ｃ、個々の神軽細胞グループが、異なった記憶概要を待 つ．高位数システＩ１ ｉｙ來のＡ　Ｎ　Ｓ七ｒルでは　ネノ１−１ノークに正確にエンコー　ドできる 連想の数が、有る程度限定され′ている２ホログラフイノク処狸内で，未処理セ ノｌ−［５］から高位数積高の生成を引へ起こす処狸操作を用いることに、↓、 り、記憶密度の限界を打ち破ることができる．刺激フイ−Ｉｔ／ｌζの刃イズに 肘１−る記憶密度に関連する等式１２７１に表された、反応召喚の誤差間係は、 細胞刺激フィ・−ルドが高位数次元に拡張される状憇で有効であり、そこでは， 各々のエレメンｌ・は　最初のほんの小さいデータ・セソ１・から生成された高 位数積から成る．パターン記憶密度と中１激フィールド・サ・イズに関係する１ ２７１の誤差間係は、独自の高位数積項の七ソ１・を妥当に供給する．つまり、 二つの項位数積項が未インブッ］・値の同一セッｌ・から作られ／−二こどがな いという事である． −二）の限定された例では，第−色数項の完１脇１，２たセノｌ・を生成する時 に、インブノ｛・　データ・゛７イ−ルドはエルミー刊・・マ］・リソクス・− ノＡ−ムに拡張される．このエルミ−　トフ本一ノ、は．　＋５１　セブ目ησ 月掛けるＮ（７）−次マｌ・リソクス表示で得らオ１、以下の外部積を仔−，− テ、以下の７ｔ−ムの７１リノクスが′ト成されるＬ記の一フォームは歪｝ｆ称 であり　１子っで過刺が存在し，ｆこては下方斜行が，マトリノクス十−Ｆｊ　 ｔ’ｌ　ｉ　’ｊに柔１して皺比ではない項の七ノ１−を形成する．マトリノク ス展開全体か、上方またはトフラだけのｔ１行を使一）で、同じエシ窮１−　１ ’音度が得られることが　シミュレーションから７ｔ証され乙．上配のエルミト ール展間から生成される独特な項の数はＮエしメン１・を持つデータ　フィール ド［ＢＩ　とはつながらないエレメンｌ−Ｍのセソトを形成する一次マ］・リノ クス［Ａｌによ．って表されるデータ　フィールドは，外部積解式として展開さ れ得るように　この処理はさらに一般化される．この展開はどちらかのデータ・ セノ？一内に位相エレメントの兵役変換を起すかもしれないが，それが必要なわ けではない。可能性の一つとして．次のような第二位数外部積展開がある：１／ ｛ｌ・１・１１・｛川　［４９ｊ 上冫のように展開され　すべての独自積項を与える刺激データ・フィールドに対 して，反応召喚（デコード操作）中のデタミニスティックな゜“誤差゜゛は、個 々の複素数値ＭｘＮを含む刺激フィールドを新しく承認する１２７１事によって 限定される関係に従う．この処理をさらに脛関して，神経細胞内に高位数統計（ 〉２番）をマツピングし易くするすることができ得る．４番位数統計に展開され たインブ・川一　データ・フィールドは、例えば高位数項ｋに対する、次のよう な積解式で生成される： この場合ｒ（ｋ．ｍ）は，インブノト・データ　エレメン！・をｋと積項ｍの間 数として選ぶ，有る任書の間数． 上記の積解式は、データ・エレメント・グループ上の位相回転と高位数項に対す る正味の信卵レベルを算定する．最初の未処理利激データ・セットからの抽出項 （つまり等式旬のｒ（ｋ．ｍｌｌはまた、統計測定値の分布を得るのにさえ擬無 作意の方法で用いられる．さらにこの高位数項の積は．起り得る七ソ１・全体に 渡って，均一分布を得るのに適用される．これらの高位数積項は，確率の法ｌリ に従って、高位数項に対する正味の信卸値（規１１１を算定するインブノト　エ しメント上に、本質的に゜■アンデノド′゛状態を形成する．この概念は情輯エ レメントｍに対する信頼が、単に規模である場合に，一層明かに説明されるＡ［ ５１１ 故にいかなる低信頓のＩＩ１独データ　エレメンｉ一も，連想ずみ高位数積項内 の正味信頼を減じる。これは高位数項上に有効な信卵概観をを保つ．例えば先に 示した４番位数項ではｌ”Ａ”＋λ．２，冫１　［５２］ この高位数展開項は、次のような一般化シグマーパイ　フォーム・エンコードを 形成するための．エンコードとデコート両方の操作内に組み込まれ得る．表１− 　統コ１（ぐ数の間数としての項の数２１塁の属性 （ＸＩ’ＦＳ］’＝Σ１．’＜１　、　Ｊ　５１　、　（５６１上ン、の−次マ トリックスは、つぎのフオームで表される：内容アドレス可能記憶 内の幾つかの神経進路に沿って伝播し得る。

奸才しい具体化の詳述 １）並列プロセッサー配列で、ｉｌｌ激−反応データが、並列処理ハードウェア 環境内に形成さ１）中央神社処理ユてノｌ−（８４） °２）内部アトし・スｂ丁能デーＪｙ母緋３）？−タ記憶２置１ジスクー エンコ・−ディング操作 （Ｒ１ｄｅｓは、連結もしくは欲望反応セットデコーディング操作 ここて再度　注目するのは、汎用ブ１１セッザーの機能性を発揮するよう典型的 に表示されるバー　ドウニア形作は　規−リ的な系列をなすように動くマトリッ クス数値以上の範囲内での；パマソブ済みアウトプットに対しアドレス可能にア クセスする外部記憶ユニットのいずれかを通して外部処ｆ！！！結節に転送され る。ここで再度注目するのは、召喚によって生成された反応上ノドは１位相ｌ量 フォーマットと、この例証に間して２元（２バイト）価の範囲内で表される−組 みの複素数価から成っているということである。

補角操作 ４．１心処理ユニツトの範囲内で１図１１に記述されたような第３間数ブロツク は、処理（７８）の補角特徴と関連付けられる。これら関数のユニットは、前述 したエンコーディング／デコーディング処理と同様の方法において、刺激−反応 デ・−夕をアクセスし、蓄積する。補角処理のタイプは多様化されるが、可能な 変換の部分集合を指定するための関数をジんでおり、その間数とは、より高い位 数統計の生成、シグモイド処理、複素数ベクトル加算操作、外部積生成　合成複 素数価の範囲内で規模価の修正である。この間数のグループは、考案理論に関す る段落で記述される補角操作の全てを含む。

処理結節の複数性は１図１１に描述されるように、平行かあるいは非同時の神経 エレメント配列を形成する、連続または平行伝達媒介を経由して内部連結され得 る。起こり得る平行形態は図１２に示され　この具体化は同様のタイプで１６の 処理結節から成っている。更に、各処理結節は、例えば図１１に表されるような ハードウェア具体化から成っている。内部連結配列は一般に、プール・ハイパー キューブと言われる。この配列において、アドレス可能な処理結節は、それ自体 の局部配憶をアクセスし、二方向のコミユニケージジン手段を通して５４つの隣 接した結節の神経処理ユニットに直接伝達する。可能なシナプシス連結の総数の 項で、上記の人工神Ｎｌ装置の適当な指標と、沙ごとの神経連結爪での処理の割 合を例証することにおいて、システムは、存在する適当な構成部分から操作の仕 様書を使用して（図１２に表されるように）算定される。要素プロセッサーと外 的記憶構成部分に間する仕様は以下のとうり。

−ローカルメモリー、・′結節　４メガバイト−プロ七シンゲスピード／結節　 毎秒１［５千万　インストラクション・サイクル−インストラクション　サイク ル／シナプシス連結　２００−Ｆ具体化内に蓄積されるシナプシス・アナログの 総数はそれゆえ：１６００万シナプシス・アナログである。

同様に、処理の割合は以下のように算定される゛（結節の数）宰（（警示／′沙 ）／ （指示／シナプシス結合） ＝１千２百万結合／秒 可能にしでいる。

れもということが理解される。それゆえ考案は１図形上に表さ１する正確なフオ ームに限定されると理解されない。

実行可能なコードとこの神経エンジンの範囲内での結びつけられた三角法のテー ブル索引は。

より高度なスピード・キャッシュ・メモリーからのアクセスである。

ホストブロセソザー内にあるユーザー・アプリケージフンプログラムは、上記の １に述べ間する上記のハードウェア構造の間数のブロック図表を表している。

神経エンジンの範囲内で配列される細胞タイプは、以下の３つの和項に大まかに 分離される　インプット細胞 オペレーター細胞 神経細胞 のリス１−は、表２に示される。

細胞を形作る。この細胞は、単に以下の形態呼び出しによって神経エンジン内に 割り当てられる Ａ＝ｌｉｌｌｊ器（＋０．２０）　： 上記のラベルＡは、次に続く細胞割り当て呼び出１〜、それは細胞エンジン内で 細胞を形成するためのものであるが、その呼び出１７の助変数リスＩ・内で使用 される。これらの細胞は後に、それらのインプットとじてのラベルＡにより示さ れたアウト・プツト・データを使用する（つまり、：こてのデータ・フィールド は、上記のｉ！衛雌細胞内に蓄積されたもの）。以下は、間数の細胞のジエネス タットの例であり、それは、インプット　データ　フィールドをより高度な位数 統計に拡大している。このオペレーク・−細胞はラベルＡにより示されたデータ 　フィールドを解読し、そのアウトブソ１−・フィールド（Ｂ）ヘラベルを戻し ており、その（１３）は以下に例証されるように２例えば２００秒位数項を含ん でいる。再度戻ったラベルとの関連によって、　Ｕｔ１ｉ器細胞内に蓄積される データフィールド（Ａ＋にジエネスタット・オペレーター細胞はアクセスする、 つまり、 Ｂ−ジェネスタフ［・（２，２００、Ａ）：この方法で、細胞エンジン内での形 作が、一連の形態呼び出１２、から某き上げられる。フィーヘト　フＡ−ワワー ドと循環データ流出経路の組み合せを使用する場合、ｉ胞の配列はあらゆる方法 て構築さ第１る。それは例えば次に続（細胞のあらゆる数に細胞アウトプット・ フィールドを選り分は出す、循環データ流出経路が確立され　それにより、より 高位層内で生成さ１１るデータ　フィールドが　より低位の層内に置かれた細胞 のインプット　フィールドへ帰伯的に送られる。さらに拡大する場合、一般の目 的の細胞基盤システムは、甲−細胞（つまり構造内の送風機）内でのアウトプッ ト１−・データフ、イールドの部分集合を結び付けるオペレーター細胞を形作る 。デ・−夕流出に関しての多様な構造（つま頃送風人、送風出、回帰流出）は　 以下の図１５に例証される。

ここに定義されるデータ　フィールドとは、−組みの複素数価として、必然的に 解釈される。コースのデータ・フィールドのサイズは、そのフィール１゛内の複 素数値の総数、もしくＡ−受容器（１０，１０）　； Ｂ＝ｉｌｉｌｊ器（＋、４１　： Ｃ−外皮（Ｂ、Ａ、エンドリスト）。

だけの使用で完了される。

神経エンジンにおける間数は、必然的に操作の２つのモードにおいて機能し、そ れは、１）　上記に定義された神経エンジンの形態、そして２）　神経エンジン 実行 装ｆｉｌ！緩衝器として操作する。このデータは神経配列内の他の細胞から次に 続いて読み込まれる。

受容器　上記の緩衝器をインプントし、そしてインプット　データ　フィールド 内での段階エレメントを１５１と１４３１で述べられたシグモイド変換を使用し ている対称的な型へ再分配する。

回帰　アウトプットデータ・フィールドを、配列内で指示された細胞から細胞の 配列内のこの細胞データ・フィールド許可帰納データ流出−・コピーする。

オペレーターど神経ＩＩＩ胞は、形態コート内に両者が現れる系列において、更 に実行される。

集束孔である次の実行ザイクル（１ｆｉ、、）で産出される。あらゆる神経細胞 配列内での帰納デー々流出は、１肥と同様の方法で促進される。

４ベレー・ター細胞 名前　特徴 添付　複数のインプット・データパフイールドを、指示された細胞からこの細胞 アウトプット・データ・フィールドへ添付する。

フンフェスト　指示された細胞アウトプット・データ・フィールド内で複素数エ レメント・のベクトル規模を特定された個にセットする。結果をこの細胞アウト プット・データ・フィールｌ；に蓄積する。

抽出　複素数データ・エレメントを、指定された細胞アウトプット・フィールド から抽出する。各ニレメン１−は、線形シ・−フェンスに抽出されこの細胞アウ トプット・データフィ・−ルドに蓄積される。

誘因　複素数定数により、指示されたデータ・フィールド内で全てのエレメント を乗じる。結果物とし“〔生じた債を、そのアｆｌ＋−ブソ１−データ・フィー ルド内に蓄積する。

する。

縮小　指示された細胞データ・フィール斗をマトリックスの隣接したエレメント を均分することによりより小さな次元へと縮小する。結果物をこの細胞データ・ フィ・−ルド内に蓄積する。

反映　原点を通る交線について、指示された細胞データ・フィールド内のエレメ ントに間１゛る段階構成部分を反映する。結果物を細胞データ・フィールドに蓄 積する。

循環　特定された角度によって、指示された細胞データ・フィールド内の工１〜 メソトに間して段階構成部分を循環する。結果物を細胞アウトプット・データ・ フィールドに蓄積する。

シグモイド　指定された！ＩＩＩ胞デー少データールド内のエレメントの位相定 位を、シグモイド変換を使用する対称的な状懸へ再分布し、結果を、この細胞ア ウトプットに蓄積する。

閘　閾値についての複素数エレメント規模の非隣接スケーリング、結果を細胞デ ータ・フィールドに蓄積する。

して生じた複素数値の七ソｌ−を蓄積する。

移Ｘ！１．　指示された細胞アラ１−プツト・データ　フィールド上に最大移項 操作を実行する。

イールドに蓄積する。

抽出−ウィントウ　この細胞を除いて上記と同一のものが特定されたウィンドウ 領域からデータを抽出する。

積−ウィントウ　特定さねたウィンドウ領域内に僅かれたニレメンｌ−を越えて 複素散積の数値をめることを除いて上記と同一のもの。

様々なオペし一ター細胞内で実行される一般関数は、以下のように分類される： 要求された大量の記憶を最小限度にするために使用される。

量系縮小される。

した様々なオペ１．・−ター細胞を粘びつけながら配列される６名前　特徴 １・を可能にする。

！７１皮　複合細胞構造であり、図２０に例証された結合系路に配列された上記 の放射状細胞とビラ′−戸ド細胞から成っている。

に例証される。

た細胞Ｉｌｌ造は図２１にグラフにより示される。

一つのエレメントは４バイトの記憶に保存される。

この制限された例の相互関係上ットのあるエレメントに関するハイド　フＡ−マ ツ１−は、以外皮間数によって形成されるような複合細胞構造は、いくつかの放 射状細胞を含み、その割り当ては、相互セットの数に比例する。構造内の放射状 細胞の数は、外皮関数助変数リスト内に定義される柵激インブソｌ−・フィール ドの数に等しい、換言すれば、放射状差ｊ梓（１よ本質的に外皮間数に読み取ら れる。各申り激フィールドに対し構築される。（図２１参照のこと）。

セベての神経１１Ｂ！１夕・イブは、記憶外形を守勢することができ、その場合 ユーザーは、長期から短期じ渡る記憶の特徴を指定し得る。記憶外形の修正は、 記憶関数により助長される。

＋４５１　参拝のこと、外皮細胞の形態上で明らかになるディフォールト価は、 長期又は、永久的記憶の限Ｗでそこでは、細胞が飽和のエンコー　１゛に達した 反応召喚が５規模構成部分に。

１０の媒介を作る。簾作意繞計デスＩ・は、相互間係上ツｌ−規模のエンコード の数とは無関係に長間限界で、安定す−ることを示ｉ−０その意味するところは 、ホログラフィック細胞は相互間係ヒツトに対する記憶基骸の物理的に有限な解 が与えられる記憶減衰なしに、刺激−反応マツピングをエンコードするための無 限の能力を示す、程度の高いファジーは、本質的に反応召喚中に表れ、それによ り密に配置されたマツピングは、その近位領域に影響を及ぼす。

シナプシス　インプット（つまり刺激フィールドの位数とサイズ）は１位相数学 のマツピング　フォ・−ムやエンコードさ第１た刺激−反応連想のセットを慎重 にマツプする能力を制御する。

神経エンジン遂行 前の段落に述べたように、神経エンジンの遂行操作を用いる。神経エンジンの形 態に従ってホスト・プログラムの第２部分は、実行可能になる。これは、先に構 築された神経エンジンの遂行段階を含む１通常の遂行位相中の作業ステップは、 以下に示す通り：１）神経エンジン中に刺激データ　フィールドを書き込む。

２）遂行サイクルを命じる。

３）神経エンジンから戻る生成済み反応召喚を読みとる。

上記のものは、一つの実行サイクルに要される生成段階を示している。それは、 即時処理・アプリケーションに間しての反復の手段で神経エンジンを実行するこ とを望むか、もしくはφり激−反応か°°時間空間“のパターンを一時的に多様 化する学習を神経エンジンに容認することを望んでいる。ユーザーは又、線形連 想においてアプリケーションを促進している回帰的データ流出ループ間の反復す る処理か、もしくは回帰的ネットワークを通しての連合の推論を形成する。

一つの実行サイクルは、実行コマンドを可能にすることにより実行される。この 実行コマンドはデコードのみを可能にするか　もしくは一つの実行サイクル内の デコードフェンコードのインプット細胞を分析するもので、それにより回帰細胞 は、配列されている位数においてオペレーターと神経細胞グループの実行をあと に続ける。それらのデータ・フィールド１．にソース・データ・フィールドをコ ピーする。実行の速度は毎秒の結合で測定され、その結６は、　Ｉ１１激インプ ット・フィールドの一つのエレメントと反応フィールドの一つのエレメントの間 で確立される、相互間係ニレメンｌ−かシナプシス結合を指し示している。具体 化の・：法例で記述されている神経エンジンは毎秒約１２０万の結合の実行が可 能であり、ぞして、先Ｃ述べられたオブシジナル特性を実行しながら構築されて いる。

間数のモジュールは遂行サイクル間で、神経形態の制限を可能にするための汎用 神経シー７テムの範囲内に含まれる。供給され得るモジュール・タイプの二つの 例は、記憶とコンブ−；ドである。この例の記憶関数のモジュールは、神経和項 に属す細胞内の記憶外形のｖ４整を可能にする。コンフモド間数は神経の“柔軟 性゛に対する制限された制御を助長し、それＣ７，、ｔ＋″ｌユーザーは、神経 形態内に割り当てられたコンブセット操作細胞（表３参照のこと）から訟発され る信用レベルを相互に制限し得る。

ＣＯＮＦＭＯＤ　に蓄積されたデータ・エレメントに対する信頼又は規模成分を 修正する。

遂行　神経エンジン内の遂行サイクルを開始する。神経エンジンは、エンコ・− ＥＸＥＣｔＪＴＥ　ドもしくはデコード処理のどちらか又は、その両方を行う。

記憶　神経細胞によって生成と蓄積された相互間係セットの記憶外形を制限すＭ ＥＭＯＲＹ　る。

（注記−二のリストは単に例証的なもので、可能な間数の完全なセットは供給し ない）ホスト　エンジンと神経エンジン間のデータ変換神経エンジンとホスト・ プロセッサー内に指定されたいくつかの細胞間のボーティング・データ・フィー ルドに間して、幾つかの異なる方法が用いられ得る。すべての例証リストは下記 の表６に示される。このデータ変換操作は、ホスト・アプリケーション・プログ ラムから神経エンジンにボ・−トされる変動点か複素数書式に表される価を調整 し、さらに内部複素数データ・タイプ（もし必要ならば）に転換される。典型的 には、細胞のインプット和装だけが、神経エンジン内に書かれる細胞を明確にす る。逆転データ変換操作を行う機能（つまりポスト・プロセッサーに対する神経 エンジン）もまた供給され、さらに複素数を変動点に逆転データ転換し得る。

データを神経エンジン内の指定された細胞にボートする。

、１゛ンブノト−ＣＰＸ　？３Ｎ素数素数中のエレメントを含むデータ列を、ポ スト・プロセッサーから神経エンジン内にボートする。

アー７１勺・州・−Ｆｌ、Ｔ　神経エンジン中の指定された細胞から、ホストと プロセッサーに複素数データをボー１−１．、さらに変動、自書式に転換する。

ｆつ１プツト−〔ヱＸ　神経エンジン内の指定された細胞から１１素数デ一タ書 式中のホスト　プロセッサーにデータ・フィールドをボートする。

ンジン内の指定された細胞にロードする。

Ｌ−Ｊ−１＋ｘｌ乱１　現神経形曾のためのすべでの相互関係セットを　集団記 憶装置から神摩ＩＪニンジンにロードする。

神経エンジンの形成 以下の段落は、神経エンジン形態に用いられる一般プログラミング構造の幾つか を説明する。

神経エンジンの構造もまた。二つの部分で構成され、つまりそれは　ホストと神 経エンジン間のデータ変換に関する作業を行う遂行コードを伴う神経エンジンの 設立と、神経エンジン内の遂行循環の開始の為の形態コードである。

フィード・ホワワード神経形態 複雑さのレベルが任意に限定されたあらゆるフィート・ホワワー　ド形態は、神 経エンジン内に組み立てられ、さらにハイレベルな柔軟性で、これらの細胞を内 部連結するデータ流出経路を作るようにする。このフィート・ホワワード神経形 態の構造は１図２３に示した一般フオームで、そこでは通常インプット細胞が、 形態内に真っ先に明記される。これらのインプット細胞は本質的に、ホスト・プ ロセッサーから回想されるデータに対する緩衝器としで作動する。形態の第二段 階は、インプット・データ・フィールド上に様々な処理操作操を行う作細胞の典 型的な割り当てである。形態内に次に起る層は通常、神経形態内の先の層から刺 激と反応を受信する外皮細胞から成る。神経細胞からのアウトプットや反応フィ ールドは、久に起る細胞層に流入し得るため、多重層構造の外皮細胞は形成する ことができる。簡単なフィート・ホワワード形態を、以下に示す０図２３は一連 の細胞に沿って刺激データを前処理（、。

欲望反応を外皮細胞に転移する形態を示す、このフィード・ホワワード形態は、 −回の遂行循環中に、エンコード（学習）機能とデコード（反応）機能の両方を 果たす０図２３に示めした神経形態をプログラムするのに必要な形態コードを以 下に表す。

Ａ−緩衝器（１５，１２）。

Ｂ＝ｔｌ衛器（５，５）　ｊ Ｃ−緩衝器（２，１）。

Ｄ−シグモイド（Ａ）１ Ｅ−ジェ木スタット（２，５００，Ｂ、　Ｃ，エン１ζリス［・）。

Ｆ：外皮（ｃ、　Ｄ、　Ｅ　エンドリスト）。

回帰神経形態 回帰データ流出構造は、神経システム内の高位層で生成されたデータ・アウトプ ット・フィールドが、同一か低位層内の細胞にインプットとして逆流入するよう な神経形態を明確に寸゛る。ここに記述される神経エンジン核は　回帰インプッ トに細胞機能によって回帰データ流出を促進する。いかなる数の回帰ループも、 配憶と細胞割り当て手段によってのみ制限される神経形態内に形成され得る３図 ２３に示した回帰形態を作る形態コードを、以下表す。

Ａ−緩衝器（１５，１２）。

Ｂ＝ｉｌｌｊ器（５，５，Ｆ）　Ｉ Ｃ：緩衝器（５，５）。

Ｆ−外皮（Ｃ，Ｄ、Ｅ、エンドリスト）。

Ａ−ユーザー−間ｖＬ（数、ラベル−Ａ２　ラベル−〇）を割り当てる形態コー ドは以下の通り。

ｌｉ？される （：；−外皮（ｄｅｓ　−ｒｅｓｐ、Ｂ、エンｌ；リスト）アプリケーションの 具体化 どんな応用のデザインにおいても、大−歩は、当然、機能の必要条件の明記であ る。デザインされる可能性のある応用は、い（つかの範回の一つに相当すること もありえる。　（例えば、分類、もしくはパターンの認識、合図処理、処理のコ ントロール、専用システム、データの圧縮、シミュレーシ１ン、予測等）各応用 のグループは、何か他のものとは違った特別な神経システムの構造を必要とする 。汎用神経展開システムは、はとんど、どんなりイブの形態にも対応でさるため に、高レベルの順応性を必要とする。下記のものは、アプリケーンフンのいくつ かの一般クラスを示し、さらに適応するようにデザインされる可能性のあるいろ いろな神経システム形成配置を示す。

パターン分類システム ／ｉターンの分類の領域で、神経システム・デザイ３″−は１反応”フィールド 内で、どのように分類を表わすか決定１．なくてはならない７分類の一番簡単な 手段として、−一つのグループを表わすため、正の実数軸（０）に沿った段階の 方向付と、第２の分類グループのため、負の実数軸（π）に沿った方向付を使い ながら、反応時に２元の概要を使用−ｒることもあり得る。

この分類はもちろんかなり限度があり、ホログラフィック神経処理の固有なアナ ログ性質を利用しない０位相情報に加えて、反応は確実なレベル（規模）を見分 け、そこで都ノドワークは、それ才でに学習したマツピングの帰納ｖＲ域内に降 りる刺激を見分けることができることに注意すべきである。神経システムは１反 応価内のユニティ−信頼（規ｔりに似た認識された中り激生成と、規模の低い（ １，０＜１．０１反応ベクトルを伴う未認識刺激に、応答する。

もう少し進歩した組織のために、反応に対する位相平面は１位相領域の１千意の 数に分割され　その領域は、一つの神経細胞が分類に応じる数を生成できるよう にする。それぞれの細胞が基数価Ｎ（この場合Ｎは位相領域の数）を示すことを 可能にする形態内で、複式神経細胞が用いられ得る。反席平面がサイズの等しい ８つに分離されているシステムを考ると（図２４参照）　そこで反応フィールド の各アウトプットは、基数価８の数字を表す。

上述のような方法でデスクリタイズされた３つの反応は、５１２までの個々の範 回に分類し得る。上記のように、アプリケーションをデザインするうえで、Ｌ！ ！識反応を引き出すために使われる最善の規模間を決定するためとさらに神経シ ステムが不正確に分類されるのを防ぐために、マツピング位相数学調査が必要と される。この間レベルは２本質的に一般かする神経システム能力と不正確な分類 に対する免疫の間にトレードオフを作り上げる。処理段階での特徴は高位数項の 生成のように、与えられたアプリケーション内の分類に月１〜、最適の指けを作 るように修正され得る。

決定され得る。

いくつか神軽細ばと上のアナログ反応を平均する事が　この位相不連続問題を取 り扱う第２ろう。

３・ｐ２　もしくは　１２％ ト　システム・フィールドのさらに実戦的なアブリケーシゴンに見られるように 成った．自学自習アプローチの主な欠点は，与えられた決定や結果が来る前に、 非常に大きな連続方式で２決定や推定ルールが適用されなければ成らない事であ る．ある程度複稚なアプリケーション内のエキスパート・システム操作にとって ，ルールの数によって捜査時間の劇的な増加が必要となるため、ルールに基づく アプローチはその能力に限界を課す．ホ１コグ゜ラフィック神経処理と自学自習 の機能側面の簡単な類は点は、技術が樹状の決定の一般概念を１吏って作られる 事である８樹状決定のフォームは、図２８に示され゛Ｃいる．１・ツ）・の事象 は，一つの可能な結果として定義され，分岐するネットワークは下記のトップの 事象へとＥ達するブルー間係を示す．ブルーの木は、ＡＮＤ（．）とｏＲ（＋） 間係（もっとも単純なケース）のフォーム内で、トップ決定事象へ導《すべての 条件付けインプットを表す．？３［数の樹状決定は、エキスハート・システム内 と、前進と交代の連鎖ルールの組み合せによって到達する欲望結果内で用いられ る．ここに掲げる例は事＠Ａは本当のＩＦ　ＩＢ＋　（Ｃ．Ｄ．Ｅ）　１上記の 例で与えられた樹状決定を減らすためにブルー・カントセットを用いれば．次の 結果を生じる 上記の各最小カットセット（１から１２）は，一連のアンデッド条件から成り立 ち，換言すれば，トノブ事象もしくは決定に導ぐ時間内に同時に起こる状憇てあ る．各インプット状憇が、一連の実数価により表されていると仮定してみると， 上記のカットセットもしくは，゜゜インブッｌ・シナリオ“゜は，理論樹状の決 定かトップ事象の反応である．＄１激一反応連想形態の神経エレメントにエンフ イルドされる．ホログラフィック神経処理は．巨大な刺激一反応連想ｇ積の能力 を有し，これらの連想を帰納する能力も持つ．このホログラフィック方法論は、 慢めて太き《複雑なルールに基づいたシステムの代替方法を、容易にする．さら に極大な数の連想やルールもホログラフィック神経システム内にエンフォルドさ れ得る．最高位の相互間係反応もしくは決定に、本質的に平行な方法で到達する ようなやり方で、表現（デコード）は，操作される．この方法を使うと，生成済 みアウトプットが反応決定内に、本質的にｔ＝Ｍｉレベル（規模》を生成する． これ以上のホログラフィンク神経システムのためのアプリケーションは，連想推 論の分野に入る．連想フォームは．複式連結剌激一反応連想が，同一の神経細胞 配列状にエンフォルドされる回帰構造中に形成される．Ｗ４えば時間内に連結し た刺激一反応連想のセッＩ・をエンコードすることも可能である．これらの事象 は，連結したベアーの視覚対象物に相応し得る。

時間内に連結された状態に関係する一連の連想は，神経細胞の同一の配列上にエ ンフォノ（・１“され得る．一連の状態（下記のようにＡからＦを想定する）が ．回帰神経構造上にエンフルルドされる場合を考える． 刺激　反応 状態　Ａ　−−−＞Ｂ 神経形態内に回帰ループを設定すると，それは連想の線形連続内のベアーの連想 である、それぞれの遂行サイクル上に再生成能力を与える．たとえば、上記の連 想セットからＤ状態は間接的にＦを誘発する．上記の連想へアーの学習に従えば 、Ｂのインプット状態に、神軽システムの回帰を露光させ得る．？１式遂行サイ クル上で神経エンジンは，適切に連結した位数に刺激一反応連想を再表現する． つまり、ｔＩＰＦｑエンジンに類似する方法で作動する、エキスパートか自動化 された推測システム内に、上記の能力は、直接かかわる．いくつかの推測ルール は．同じ神経細胞上にエンフォルドされるという本来的な利点があり、さらにイ ンプット状態は、すべてのエンフォルドされたルールを通して効果的に処理され るが．これも又，平行方式で成される．上述は，さらに多くのｉ！Ｌｌ！ルール が幾つかの別個でｌ又はばらばらの線形連想の経路が、回帰データ流出構造中に ，表わされるような複罐な例に、簡単に拡張できる．この上記の回帰構造は，連 続するフレーム間で比較的程度の小さい変化を起すイメージのセットのための， イメージ圧縮に有用である．これは，グレー・スケール・レソリュウシゴン内に 、わずかな低下を起すだけで得られる，適度に高いデータ圧縮割合のビデオ録画 のような，絶え間なく変｛｝二する視覚イメージの連続にとって、期待される事 である．この方法は絶え間なく変化する（つまり視覚または聴覚データの途絶え ない動き）時間一空間パターンのを含むデータ縮小のあらゆるフォームに、適用 され得る．シミュレーション／予想 高位数貌計の生成により，デザイナーが神経システムを作成できるようになり， そこで刺激全体のインブノ１・・スペースは、欲望反応もしくは、ｖ１能へ事実 上マップされる．アプリケーションに、９折もしくは、シミ１１ノーションをす るために拡張され得るが、そこでノイロン４：ｌ：．ｉｆ１目構造（図２９参照 ）内で近位に位置１゛る結餘から、インブッ１一条件を受ける有限工１ノメン１ 一分｛Ｊｔ内の結節として、機能し得る。

基本的な有限コーレメント分析組織に間ｌ７で、結節（もし《は細胞）は、イン プット状態条１↑を現在もＬ＜は以前のタイム・ステップの隣接した結節数から 、読み取ることができる．主暫な杓占は、神経シスーア・ムが、シミュレーシゴ ンもしくは実物大模型モデルから助変数条件の＋：ノｔ−を゜゜学習゛可能にす ることにより．高位の複素数インプットｌアウトプット状態間数を生成１ること ができると認識される．ポログラフィック処理は６一つの結節に対する全体の・ イシブ：ｆｌ／アウトブソト状態の条件が、神経細胞にマップされる様にする． 上述した神経工゛，・゛フンは、複数の細胞を調節し　さらにこれらの細胞が， 仔々な網目構造と内部連結する事をη■能にする． Ｖ２の処哩は、千泗へ効果的に使われ、そこでは、状態条件は、以前のタイム　 ステノプからＬｊ一用される、有替なアブリケーションは、天候の予測，熱水圧 分析，ストレス分折等と間連１得る． 二１ン］・ロールシステム（ロボット／航行術）丁記１；ｊ　＠Ｉ山やロボノ｛ ・学・゛／スデムのためのアナログ・コントロール分野に起り得るアブリケーン ：ｔンを示す．このアナ１コグ　コントロール・システムの特例は、航行術へ応 用され一（いる．１１ｔ７　イ−ル１では、地形測量のシミュレ・−ションから 得られ、そこでこれらの（七ソ→↑一）インブノトは　衛〃内の傾斜度　縦揺れ 、横揺れに対して任意に定められた軸と位肴陣神の｛：ノ１−にエンコート又は マノブされ反応価は三つの状での座神軸を制面する．シミ７．Ｌ＝−＞ｉｌンは ６線形連続内にマノビングする衛星運動制御に対し．複数の地形７ｌｌｉ量をエ ンコー佳し、そこでそれぞれの地形ＰＩ量のＩＩＩ激データと衛星の欲望位置反 応は，細胞相互関係七ノ１一内にエンフォルドされる． この神杆システムの形袢は　図３１に示さる．未刺激データは、地上高度を表す ４８掛ける４８のデータ・フィールドを含んでいる．このインプット・フィー・ ルドは、８掛ける８のデータフィールドと、　［５１に述べた比較的まっすぐな 変換を使った位相エレメントを再分布するように割り当てられたシグモイド細胞 に縮小される．十分な対称レベルは、前処理変換を使ってほとんどの種類上に再 分布され、その場合特に、分布はおおよ千ガウス・フォームである（もっとも本 質的におこる分布）．シグモイド細胞からのデータ・フィールｌ；は，小脳細胞 利激フィールドへと供給される。この細胞は，インブッ目り激フィールドを第２ 位数統計へと広げる欅な形態を収る．神経処理は，刺激フィールド（地上測！） がら、欲望反応航行制御座標へ経過エンコードｌマッピングを行う．似たような 概念はどんなタイプのコントロール・システムにも応用され，特にインプットフ ィールドが極めて複罐な場合に．適用される，ホログラフィ・！ク・神経基盤コ ントロールは、例えば．自動誘導、ロボソト工学制御、多変数処理コントロール ，またはモニター・アブリケーシジンヘ、同様に応用できる．自動挿的と認識 この可能な具体例は、各細胞が各々に２５０と５０−）シナブシス　インブソト を有する　二一つの小脳細胞を使う、視覚標的と認識能力を示している．トレー ニング期間中、神好システムは，各イメージをスクリーンに写す，一式の視覚イ メージを通じて索引を付ける．ユ・−ザーは，神経システムに、各視覚フレ・− ム内の任意の対象に標的を定める十字線の位置を決め、対称と間係すもｙｃＩＩ タッグを指定することにより，視覚連想と標的運動のセットを教える９各灯象の トレーニングは，一度だけ行われ得る（補強学習はない）．デコード（反応召９ ：）処理中　イメージは蝋作意に視覚データ・ベースから検索され、さらに標的 と同一の反応両方に対する神経形憇を通じ処理される．一つの小脳細胞が，対象 の大凡の位置定位を工：／：−１−ドするため使われ、別の細胞は細かい標的と 同定のため使われる。別の処埋けそれぞれ、おおまかな標的と細かい標的のサブ システム内で使われ，それは下記の通り．大まかな神的のサブシステム 神紅形リこの部分は中１１激フィールドとして、起こり得る６４街ける６４ｐｉ ｘｅｌ配列を受＋．１取る、大まかな欅的のサブシステムの神経形態を，図３０ に示す。減数関数は、インプット視覚フィールドを平均して８掛ける８ＰＩｘｅ ｌフィールドまで下げる，操作細胞を形作る．この細胞からのアウトプットは， 位相エレメントを対称分布に再分布するシグモイド操作細胞を通して、処理され る．この細胞からのアウトプットはそれから，刺激インプット・フィールドを５ ００第３位数統計へ拡張する小脳細胞の刺激フィールド内へと供給される．この 刺激フィールドは．ユーザーによって供給される大まかな視覚対象Ｘ／Ｙの標的 位置に関連する．このザブシステム中、すべての視覚フレームは，刺激フィール ドを供給し、さらにエンコードされた反応は視覚フレーム内の対象のだいたいの 位置を示す価と関連している．デコードの時，対象細かい標的と同体サブシステ ム このサブシステムもまた。小脳細胞から成用対象の標的を細かく定め、同定を行 う、この形で内の標的設定は、上記の大まかな標的システムとは根本的に違う方 法で成される。このシステム内生成済み反応ベクトルの規ｍ＊成部は、細胞が先 にエンコードされた対象を認ｉするかどうか決定するのに用いられる。換言すれ ば先に学習した対象に対して反応召喚（デコードＬＬに表わされた規模（１ｉ用 レベ旧は、おおよそユニティ−であり、一方未認識対１澄相エレメントを再分布 する。この細胞からのアウトプット・データ・フィールドは、小脳を同定したり 、一般化するのに用いられ得る。

デコーディング中（反応召喚）、このサブシステムは、おおまかな標的サブシス テムを液胞を用いるホログラフィック神経システム内の正しい実施手段である。

線形連想記憶 更に適切な一時的連結Ｍ数の複式遂行ザ２イクルに沿って　パターン連続を再生 成する。この例は、同じ細胞内の視覚連想の連結され−〔いない複式のつながり を実際にエンコードし得る。

Ｒ初のと゛のパターンを神経エンジンに表すかによって、システムは、視覚連想 の連結されたつながりを過つで進む。

連ｔ！推論能力を助長するエキスへ−斗　システム内の同様の回帰テクニックを 応用し得る。

同様に、エキスパー　１−・システムのアプリケ・−ジョン内で、インプット・ フィールドを視覚イノ−〉゛と［、でてはなくインブ用−状懸条件と考えること ができる。例えば、１ｏｏｏ（ｌ！から成るインブ州・・フィールドは　特別な システムに対するインプット状態条件を蓄積し得る。

ホログラフィック　システムはこれらの状袢条件と５神経システム上の連想済み 反応のための巨人な数のシナリオをエンフィルドし得る。この方法で、エキスパ ート・システムは、理論的又は、自学自習の樹木構造を通じて構成要素に分解す る必要がない、ホログラフィック処理は　ｆべでのインフッ１−／アウトプノ１ −　シナリオが、同一の相互関係エレメント上にエンフィル［；されＳことを可 能に［２更に神経システムを通′を東１激絆路は、Ｒも近い連想反応Ｚ（７）神 経彫りは　例えば、ビデオ　イメージに適用されるような信号圧縮のアプリケー ジ；１ンを供給↑る。−秒間におおよそ３０フレームのコマ送りをする最駈のビ デオフレームを考えミ、と、連続フレーム間の差は、一般的にとても小さく、ホ ログラフィック・システムがビデオ　ル−ムの連続のエンフォルトに適用される ため結果的に上記の方法で、それを再表現才、６．もし神経システムが最善の形 で作られれば、エンフォルトされたビデオ・フレームの再表現は　わずか又はま ったく１３号の歪みを伴わず成される。かなり高いデータ圧縮率は、上述のよう に一時的な軸上に隣接フレームをエンフォルトするホログラフィック神経方式を 仲−・てｉｙ行され、特に最善に遂行されると、相互間係上ソト上で、大規模の （つまりＸｉ、ｉ　＞前選択間）相互間田七ノドの（シナプシス）ニレメン１− のみを選ぶ。

浄書（内容に変更なし） 第１図 第２図 第３図 実数軸　極座標位相定位 第４図 第５図 第６図 反復！　反復２　反復３ 非等大領域 反復１　反復２　反復３ 等大領域 第７図 対称　非対称 第８図 第９図 利激位置 膜化領域 第１０図 ノイロン機能 第１２図 第１３図 第１４図 インプット細胞 オペレーター細胞 神経細胞 欲望　反応　フィールド 第１５図 回帰ループ 第１６図 Ｘ　（横列）容積 第１８図 聴覚インプット 視覚インプット 第１９図 第２０図 第２１図 外皮構造 小脳横流 第ｎ図 刺激フィールド指数 ９２３図 回帰 ユーザー限定ｌｌｌ１！ｌ 第２４図 第す図 第２６図 第２９図 第３０図 粗大標的 （粗大Ｘ、Ｙ位置） （態別） 第３１図 飛行制障 欲望反応 （軸上座標） 回帰アソシェークー 視覚フィールド （に連想）

Claims (1)

1. 【特許請求の範囲】 １．上記装置を成す各々が前に指定された代表的な個々の複素数極線値を有する 、最低一つの連想済みインプット、アナログ刺激を伴う検索可能な蓄積反応に対 する、人工、自動一連想記憶装置： 通信、アドレス可能マップ、蓄積された一致刺激一反応連想を備えた、物理的記 憶スペースに必要な量子を含む再書き込み可能な相互関係基盤で、さらに上記の 前指定値のうちの共益の積とその他の上記の値は、最初の相互関係値であり，そ こでは上記のマップ済み連想は、上述のインプツト・アナログと反応間の連想の 一定の同時状態を表す；上述の基盤を伴うデータ伝達関係データ母線で、ここで は上述の相互関係基盤は、少なくとも一つのブレデターミンな欲望反応とインプ ット・アナログ刺激間の、一致一強化連想で機能強化済み一相互関係としての上 述の母線を通して、解放される管理調停インプットに応えるようアドレス可能で 再記入ができ、それは上述の次に起る刺激値の変換によって結合され、前に指定 され結果として起る刺激と欲望反応複素数極線値の代表を各々有し、そこで結果 として起る刺激値は、欲望反応値からのベクトル差異値を有する変換済み反応値 を生じる最初の相互関係値を通すもので、欲望反応は、上述の機能増強済み相互 関係値を生み出す上述の最初の相互関係値によって、ベクトル差異値が順に乗じ られる；ここでは上述の機能増強マップ済み連想は、上述の機能増強一相互関係 値を最初の相互関係値と取り替えることにより、上述の基盤に蓄積され，そして 上述の必要スペースの量子と同サイズの再書き込み記憶スペースの量子内に蓄積 された、アドレス可能な情報内容を増やす。 ２．主張１による記憶装置は、この点ては上述の反応で、さらにＮＸＩセットと して配置した複数の連想済み刺激で、それらは上述の個々の前指定複素数極線値 によって表され、さらに再書き込み可能な相互関係一反応連想上の一致する刺激 一反応連想の単一パターンとして、アドレス可能にマップされ，それは反応また は刺激値及びその他の反応または刺激値の極上の共益の相応積Ｎの相互関係値の 相互関係セットであり、そこではマップされた連想が、上述のインプット・アナ ログ刺激と反応間で、連想の一定同時状態を表す。 ３．主張２による記憶装置は、この点では一時的に連続した複数の連層Ｎが、相 応する複数の相互に一時的に独自なパターンとしてマップされ，それは相応する ここの相互関係セットとして配置され、さらに上述の再書き込み可能な基盤上の 一致する刺激一反応連想のセットとして管理された関係内にアドレス可能にマッ プされ、基盤は上述の核相互関係セット中の相互関係値の別個の合計一致するＮ エレメントを含む相互関係マトリックスで、そこでは上述の相互関係基盤上に蓄 積された複数のマップ済み連想が、各インプット・アナログ刺激と上述の反応間 に最も同時な連想状態を表す。 ４．主張３による装置は、さらにデータ伝達関係内で上述の記憶装置に連結され た神経処理エンジンを含み、さらにアナログ刺激インプット・データを受信する ことができ、代表的な複素数極線値を上述の記憶装置に伝達するよう、翻り当て と操作を行う。 ５．主張４による装置の場合．上述のエンジンは、複合神経処理細胞構成を含む 。 ６．主張４による装置の場合、上述のエンジンは、選はれたインプットとオペレ ーターと神経細胞を含む。 ７．主張５による装置の場合．少なくとも幾つかの上述の細胞が相互交換するよ うに内部連結している。 ８．主張５による装置の場合、上述の細胞がフィード・ホワワード構成に形成さ れる。 ９．主張５による装置の場合、上述の細胞が共点構成に形成される。 １０．主張６による装置の場合、上述の細胞が選ばれたスーパーニューロン細胞 構造に配置される。 ｌ１．主張４による装置の場台、上述の神経エンジンは、事実上汎用コンピュー ターに実行可能な装置である。 １２．主張１１による装置の場合、上述の汎用コンピューターは少なくとも一つ のハードウエアー処理結節と、上述の処理結節と記憶装置間のルーティング複祖 数値信号に対するデータ母線を含む。 １３．主張１１による装置の場合、複数のハードウエアー処理結節は、共同実行 可能で、分布された処理制御媒介と結合している。 １４．主張４による装置の場合、上述のエンジンと記憶装置は，パターン類別装 置を含む。 １５．主張４による装置の場合、上述のエンジンと記憶装置は、処理細胞の回帰 ネットワーク構成から成る時間と空間の学習システムを含む。 １６．主張１５による装置の場合、上述のエンジンと記憶装置は、アナログ制御 信号生成システムを含む。 １７．主張４による装置の場合、上述のエンジンと記憶装置は、エキスパート・ システムを含む。 １８．主張４による装置の場台、上述のエンジンと記憶装置は、アナログ・シミ ユレーシヨンと予測システムを含む。 １９．主張４による装置の場合、上述のエンジンと記憶装置は、航行制御システ ムを含む。 ２０．主弾による装置の場合、上述のエンジンと記憶装置は、自動標的認識と標 的制御システムを含む。 ２１．主張４による装置の場合、上述のエンジンと記憶装置は、線形連想記憶シ ステムを含む。 ２２．主張４による装置の場合、上述のエンジンと記憶装置は、データ圧縮シス テムを含む。 ２３．人工自動連想、修正可能記憶装置が含むものは：意味上一致する刺激と反 応連想パターンにそれぞれが相応する複数のインプットを受信する少なくとも一 つのインプット端末で、そこでは上述のインプットが指定されたアルガン領域ベ クトル値表示によつて特徴付けられ、そのベクトル値は確率領域と上述の刺激と 連想済み反応の前もつて決定された意味上関係のある属性を表す位相角係数を伴 い，ある場合にそれは、個々の刺激反応値セット内の構成エレメントである；記 憶処理管理媒介を有するアドレス可能で再書き込みができる記憶装置媒介；少な くとも一つのインプット端末と上述の記憶装置媒介の記憶処理管理媒介と関係す る伝達値内に配置されたプロセッサーで，さらに実行可能な事は：上述のインプ ット端末からの別個の刺激と反応インプット内のインプット値を受信する。 上述の外部積としてのインプット・セットを結合し、個々のセットからの連想済 みベアーエレメント間にマッピングする相互に意味上一致した内部セット連想を 作り、その個々のセ′トは、上述の意味上一致する表示された複数の刺激と反応 間の、意味上連想の同時状態にベクトル−差異表示の最初の相互関係セットを含 む；上述の記憶装置内にマップする、アドレス可能で書き直しができ相互が意味 上一致する内部ーセット連想記憶に影響を及ぼす記憶処理管理媒介に、上述の最 初の相互関係セット値を、伝達する； 上述の記憶マッピングが意味上の関連を保つための意味上の付加インプットを、 少なくとも一つのインプット端末と、上述の少なくとも一つの新しい刺激を表す 個々のアルガン領域値を含む付加インプットと、上述の複数性の個々の値と一致 するように指定された少なくとも一つの連想済み欲望反応から、受信する；上述 の連想ーパターン相互セット上の少なくとも一つの現刺激に対して指定された値 の連想記憶マッピング変換を経由して、上述のアドレス処理記憶による調停を通 る上述の記憶装置媒介から、少なくとも一つの相当する連想済み反応ベクトルを 検索する；相当するベクトル差異を作る少なくとも一つの欲望反応ベクトルを伴 う、最低一個の検索された連想済み反応ベクトルを比較する；相当する複素数値 化されたベクトル差異と、表示された意味上一致する複数の刺激と刺激反応間の 、意味上連想の現在一検索された状態をマッピングするよう意味上一検索された 記憶を表す最新相互関係セットを生み出す、最初の連想ーパターン相互セットに 対する、同様なベクトル的付加から、検索済み連想ーパターン・ベクトル差異セ ットを組み立てる：上述の記憶装置内にマップする、最新でアドレス可能で書き 直しができ相互が意味上一致する内部ーセット連想記憶に影響を及ぼす記憶処理 管理媒介に、上述の最新連想ーパターン相互関係セットを、伝達する； 表示された反応の現実化のための媒介に、少なくとも一つの連想された反応ベク トル値を受信し、伝播するための上述のプロセツサー媒介と関連する伝達値内に 配置された、アウトプット端末媒介。 ２４．主張２３による装置の場合、上述のインプットの位相角係数値は、一般に 媒介の回りに対称分布される。 ２５．主張２４による装置は、アルガン平面の回りに均一分布を形成する、再割 り当てを通る、上述の位相係数値の対称最新分布のための、インプット条件付け 装置を含む。 ２６．主張２３と２４による装置は、刺激と反応フィールド内に合成複素数値を 形成する、各位相エレメントの規模係数の割り当てのための、インプット条件付 け装置を含み、そこでは、上述の規模割り当ては、一般的に確率領域内に限定さ れる。 ２７．主張２３による装置の場合、上述のインプット条件付け装置が、組み合わ せで含むものは； それぞれの意味上インプット値を表す“ｎ”の、実数値化された分布を集合的に 定義する意味上インプットの“ｎ”のセットを受信するための、少なくとも一つ の条件付け端末；インプット条件付けプロセッサーで、上述のインプット端末と の関係を受信するインプットに連結されており、インプット端末は、各“ｎ”セ ットの形成との関係を変換するインプット値内の各インプットを受信し処理する ためで、上述の相当アルガンド領域ベクトル値は、インプット条件付けプロセッ サーからのアウトプットとして複祖数値位相角値“ｎ”の極線値化分布を、集合 的に定義付ける位相角−係数を有する；さらに、上述のインプット端末に対する 値の受信とアウトプットのために、上述のインプット条件付けプロセッサーとの 関係を受信するアウトプットに連結された、条件付けアウトプット端末。 ２８．主張２７による装置の場合、上述の意味上インプット値のインプット条件 付けプロセッサー変換は、位相角−係数値のセットに帰着し、それは複素数位相 角値１．ガの匝糠値化された分布を有し、複素数位相角値はアルガン平面内に、 ０から２πの範囲にわたって非対称制限を受ける。 ２９．主張２７による装置の場台、連想済み変位と一致する媒介の回りで上述の 実数値化された意味上インプット値が、変化する。 ３０．主張２７による装置の場台．上述の位相角係数値は、上述の実数値化され た意味上インプット相応値に、直接比例して割り当てられる。 ３１．主張２７による装置の場合、上述の実数値化された意味上インプットは、 実数値化されたガウス分布の範囲で、代表的な意味上値を持つ。 ３２．主張２８と２９による装置の場合、上述のインプット条件付けプロセッサ ーは、上述の実数値化された意味上インプットを、バイに等しい媒介を持つ極線 値分布に従う、相応位相角係数値に変換する。 ３３．主張３０と３１による装置の場合、上述のインプット条件付けプロセッサ ーは、上述の実数値化された意味上インプツトを、バイに等しい媒介を持つ極線 値分布に従う、相応位相角係数値に変換する。 ３４．主張２３による装置の場合、上述の意味上インプット値は、アナログ刺激 の測定値である。 ３５．主張２３による装置の場合、上述のインプット条件つけ端末は、上記のア ナログ刺激に応える少なくとも一つの変換器媒介との関係を受信する意味上イン プット内に連結するように順応する。 ３６．主張２６による装置の場合、“ｎ”インプットのセットは、“ｎ”表示意 味上値範囲を含む少なくとも一つの次元のマトリックスを集合的に定義する、（ Ｓ１、Ｓ２、Ｓ３、Ｓ４、．．．Ｓ“ｎ”）、刺激または刺激連想済み反応領域 からの実数値化されたスカラー測定値を反射する。 ３７、主張３６による装置の場合、上述のプロセッサーはさらに、確率相対領域 から二次元のアルガン領域値内にアドレスする．連想済みベクトルを明確にする “ｎ”合成値を作る各々の上述位相角係数値までで、選はれた前決定的な規模係 数値を割り当てるように順応する。 ３８．．主張３７による装置の場合、上述の“ｎ”の別個意味上インプット値で ある“ｋ”は、質的変換を通じた相当の合成値に、マップされる：Ｓ．サブ・ｋ ・矢印・ランギ・サブ・ｋ・エプシロン・サップ［ｉ・シータ・サブ・ｋ］ここ でＳ・サブ・ｋは．上述の“ｎ”の表示された意味上インプット値；ランパ・サ ブ・ｋは確率相対領域から選はれた割り当てられた前決定をされた規模係数値の 上述のｋ番を表す：エプシロン・サップ［ｉ・シータ・サブ・ｋ］は・“ｎ”比 例複素数位相角値の極線値化された分布を集合的に定義する“ｎ”相当位相角− 係数値セットのｋ番を表す；さらに項ランパ・サブ・ｋ・エプシロン・サップ［ ｉ・シータ・サブ・ｋ］”は二次元のアルガン領域値内にアドレスする、連想済 みＳ・サブ・ｋのｋ番を表す。 ３９．主張２７による装置の場合、上述の前決定された規模−係数値は、ユニテ ィーと等しい値を割り当てられる。 ４０．主張２７による装置の場合、上述の前決定された規模−係数値は、自学自 習的前決定である。 １１．主張４０による装置の場合、自学自習で前に選択した前決定の規模−係数 値は、ゼロにセットされる。 ４２．主張３９による装置の場合、上述のプロセッサーは、古くなった記憶外形 の前決定された割合を成し遂げる時間変数減衰関数に一致して、古くなったラン パ値を前決定をし最新にする。 ４３．主張３５による装置の場合、変換器信号修正媒介は．上述の規模−係数上 に生じる信頼修正関係内の、アナログ刺激信号助変数を変えることが可能で、規 模−係数は、変換器を知覚したアナログ刺激内の本質とは無関係な不均衡上で比 較的コントロールを可能にする。 ４４．主張２３による装置の場合、上述のプロセッサーは、上述の相互関係マト リックスを高位数統計として変換し、そこで上述のマッピング内の不連続の刺激 反応間の、全体的解決に相当する増加を伴う．与えられたあらゆる反応に対する 与えられたあらゆる刺激のマッビングに適用できる帰納の程度を下げる。 ４５．主張４４による装置の場合、相互関係値は、規模−係数割り当てに先だつ エルミートマトリックスに従属する。 ４６．主張２３による装置の場合、上述の装置は事実上の装置である。 １７．主張２７による装置の場合、上述の装置は事実上の装置である。 ４８．主張２３による装置の場台、上述のインプットは、意味上分離した刺激と 刺激−反応の連想パターンで、それは上述のセット内に実質的に相互に不干渉な アルガン領域値割り当てを有し、各々のパターンは、最初と修正された連想ーパ ターンベクトル差異マトリックスの相当パターンを有し、そこでは、プロセッサ ーがさらに実行可能となる事は；最初と最新の複式−重複ーパターン相互関係マ トリックスをそれぞれ作るように，各ベクトル付加変換を通して．上述の最初の マトリックスと最新のマトリックスを各々結合する：さらに、最初と最新の複式 −重複ーパターン相互関係マトリックスを、上述のアドレス処理記憶に伝達し、 それは上述の記憶媒介の共通のアルガン領域表示内のパターンの、最初で最新の アドレス可能て、書き直しができ、意味上一致する内部セット連想記憶マッピン グに個々に影響する。 ４９．人工自動連想記憶装置は、アドレス可能な連想ーパターン・データーベー スを含み、そこて改良は、確率分布領域内の規模の一般下降を含む複素数極線値 によって独自に同定される複数の連想アドレスを有する．内容アドレス可能記憶 を含み、さらに意味上どくりつした上述のアドレスの組み合わせは、０と２バイ 間に限定された共通極線アドレス・スペース上に、すべて重ねられた意味上一致 するパターンと関連し、さらにアドレスは、上述の規模と等しい反応規模間の連 想の加重信頼の実験的測定値と共に、上述の刺激と連想した特別反のと関係に含 まれるデータを生み出す刺激に応えるようにアドレス可能であり、さらに新しい 刺激と個々の連想済み欲望反応は、欲望反応とデータベースの新しい刺激アドレ スに伴って生成される反応間のベクトル差異と一致する上述のアドレス・スペー ス内にアドレスをわりあてられ、そこではベクトル差異は，逆に適合機能強化関 係のアドレス可能記憶に変換される。 ５０．主張４９に従う記憶装置の場合、上述のデーターベースは事実上のデータ ーベースである。