NEURAL NETWORK AND METHOD OF NEURAL NETWORK TRAINING

A neural network includes inputs for receiving input signals, and synapses connected to the inputs and having corrective weights organized in an array. Training images are either received by the inputs as an array or codified as such during training of the network. The network also includes neurons, each having an output connected with at least one input via one synapse and generating a neuron sum array by summing corrective weights selected from each synapse connected to the respective neuron. Furthermore, the network includes a controller that receives desired images in an array, determines a deviation of the neuron sum array from the desired output value array, and generates a deviation array. The controller modifies the corrective weight array using the deviation array. Adding up the modified corrective weights to determine the neuron sum array reduces the subject deviation and generates a trained corrective weight array for concurrent network training. La présente invention concerne un réseau neuronal qui comprend des entrées permettant de recevoir des signaux d'entrée, et des synapses qui sont connectées aux entrées et présentent des pondérations de correction organisées dans un réseau. Les images d'apprentissage sont soit reçues par les entrées en tant que réseau, soit codifiées en tant que telles pendant l'apprentissage du réseau. Le réseau comprend également des neurones, dont chacun a une sortie connectée à au moins une entrée par l'intermédiaire d'une synapse et génère un réseau de sommes de neurones par addition des pondérations de correction choisies parmi chaque synapse connectée au neurone respectif. En outre, le réseau comprend un dispositif de commande qui reçoit des images souhaitées dans un réseau, détermine une déviation du réseau de sommes de neurones à partir du réseau de valeurs de sortie désiré, et génère un réseau de déviation. Le dispositif de commande modifie le réseau de pondérations de correction au moyen du réseau de déviation. L'addition des pondérations de correction modifiées pour déterminer le réseau de sommes de neurones réduit la déviation du sujet et génère un réseau de pondérations de correction formé destiné à un apprentissage de réseau concurrent.