情報絞り込み検出機能を備えたメモリ、その使用方法、このメモリを含む装置。
【課題】
パターン認識など情報検出の最大の課題は検索時間でありメモリの逐次比較処理が不要な非ノイマン型情報検出メモリを実現する。
【解決方法】
メモリアドレスごとに情報を記憶しその情報を読み出し可能なメモリで、このメモリは、外部から与えられる第１のデータは記憶されたメモリのデータを比較するためのデータ、第２のデータはアドレス同士を比較するためのデータ、の双方の入力データの入力手段と、この入力手段から与えられた上記双方の入力データにより記憶された情報のデータと、そのアドレスと、の双方を二重並列に合否判定し、その双方の合否判定結果をさらに並列に論理演算する手段と、上記論理演算に合格するこのメモリの上記アドレスを出力する手段と、を具備することを特徴とする情報絞り込み検出機能を備えたメモリであるのでインテリジェンスな情報検索はもとより人工知能等に広く利用可能である。
パターン認識など情報検出の最大の課題は検索時間でありメモリの逐次比較処理が不要な非ノイマン型情報検出メモリを実現する。
【解決方法】
メモリアドレスごとに情報を記憶しその情報を読み出し可能なメモリで、このメモリは、外部から与えられる第１のデータは記憶されたメモリのデータを比較するためのデータ、第２のデータはアドレス同士を比較するためのデータ、の双方の入力データの入力手段と、この入力手段から与えられた上記双方の入力データにより記憶された情報のデータと、そのアドレスと、の双方を二重並列に合否判定し、その双方の合否判定結果をさらに並列に論理演算する手段と、上記論理演算に合格するこのメモリの上記アドレスを出力する手段と、を具備することを特徴とする情報絞り込み検出機能を備えたメモリであるのでインテリジェンスな情報検索はもとより人工知能等に広く利用可能である。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は情報絞り込み検出機能を備えたメモリ、その使用方法、このメモリを使用した装置、人工知能に関する。
【背景技術】
【０００２】
情報がデータ化され手軽に利用することが可能な時代において、この莫大な情報データの中から適切な情報を検出し利用するには様々な課題が残されている。
とりわけ画像認識、音声認識、ＯＣＲ文字認識、全文検索、指紋等の生体認証などに代表される情報検出に共通し基礎となる技術は、情報の中から一致や類似する情報（パターン）を検出もしくは解析するパターン認識技術であり、社会インフラ設備、産業用設備、工場設備からデジタルカメラや家電商品、さらには最新のロボットや人工知能等あらゆる分野に利用されており高度な情報処理に不可欠な存在である。
【０００３】
しかしながらパターン認識を一例とする情報検出の技術上の最大の課題は、情報の比較の際の比較組合せ回数（検索回数）であり、通常対象となる情報に最適なアルゴリズムを見出し組合せ比較回数（検索回数）の削減をするなり、対象とする情報の内容によってはスパコンなど高速な演算処理マシーンを利用して答えを見つけ出すなり、場合によっては検出の精度を犠牲にする必要もあった。
【０００４】
本発明は以上のようなパターン認識や情報検出技術の永年の課題である情報検出の精度を保証し比較組合せ回数（検索回数、検索時間）を極限まで低減させる事の可能なメモリの実現とその利用方法であり、同一出願人、同一発明者の平成２２年２月１８日出願、特願２０１０−３３３７６、情報処理装置の情報の共通管理方法、情報の検出方法、データおよびアドレスの相対関係一括並列比較連想メモリ、情報を共通管理する機能を有する情報処理装置、そのソフトウエアプログラム、におけるデータおよびアドレスの相対関係一括並列比較連想メモリ、に関連する全項目を本出願に対し優先権主張するものである。
【０００５】
同じく平成２２年３月４日出願の特願２０１０−４７２１５、情報絞り込み検出機能を備えた半導体集積回路、その使用法、この半導体集積回路を使用した装置、は上記特願２０１０−３３３７６を、独立した発明とし、情報絞り込み検出機能を備えた半導体集積回路、と発明の名称の表現を変更し、本発明の最大の特徴である二重並列の合否判定結果の論理演算の考え方を明らかにしたものである、また検出する情報の範囲を二次元の画像のみならず一次元から多次元までの情報に拡大したものであり、この出願全体を本出願に対し優先権を主張するものである。
【０００６】
本出願は、情報絞り込み検出機能を備えたメモリ、とより発明の名称の表現を明確にするとともに、以上２つの先願を統合し、上記特願２０１０−４７２１５に主として、情報絞り込み回路数を削減するための手段、二重並列論理演算の多重化手段、さらには人工知能への応用などを一例とするこのメモリの使用方法を追加し、説明不足を補い、一部の表現方法を変更したものである。
【０００７】
先に説明のようにパターン認識やパターンマッチングを一例とする情報検出の技術は極めて幅が広く、その検索時間の短縮に係る発明は膨大な数であるが、本発明のように検出時間を短縮するために、ノイマン型コンピュータの宿命である個別メモリの逐次処理を本質的に回避するための手法やそのメモリの例は見当たらない。
参考までであるが特開平７−１１４５７７、データ検索装置、データ圧縮装置及び方法、は隣り合った情報同士の比較により情報を繰返し検索するための手法が示されているが、本出願の発明は隣り合った情報同士の比較のみならず、全メモリの情報を対象にデータの内容とそのアドレスの位置関係を二重並列に比較するものである。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開平７−１１４５７７
【発明の概要】
【発明が解決しようとする課題】
【０００９】
本発明が解決しようとする課題は、
一次元から多次元でアドレス配列された情報もしくは配列可能な情報を対象にして、検出される情報（未知の情報）と、検出の基準になる情報（既知の情報）と、の互いの情報の複数のアドレスの、そのデータと、そのアドレスと、の双方の関係が条件に合格することをもって、未知の情報の内から既知の情報と同一情報もしくは類似情報と判定するようなパターン認識や知識処理などの情報検出において、検出の精度を保証し、データの比較回数を極限まで削減し、メモリ自身が上記情報の検出を可能する非ノイマン型の情報検出メモリの実現とその使用方法を確立することである。
【課題を解決するための手段】
【００１０】
以上のような課題を解決するために、
請求項１では
メモリアドレスごとに情報を記憶しその情報を読み出し可能なメモリであって
このメモリは、
外部から与えられる第１のデータは記憶されたこのメモリのデータを比較するためのデータ、第２のデータはこのメモリのアドレスを比較するためのデータ、の双方の入力データの入力手段と、
（１）第１のデータでメモリに記憶されたデータを並列に比較し合否判定する手段と
（２）第２のデータでメモリのアドレスを並列に比較し合否判定する手段と
（３）以上（１）、（２）双方の合否判定結果をさらに並列に論理演算するデータとアドレスの二重並列論理演算手段と
を具備することを特徴とする。
請求項２では
前記（１）の合否判定手段ならびに前記（３）の二重並列論理演算手段を、その演算結果が前記（１）の合否判定と前記（２）の合否判定との論理積（ＡＮＤ）と等価となる、等価二重並列論理積（ＡＮＤ）演算手段で構成したことを特徴とする。
請求項３では
前記メモリは、
毎次の前記等価二重並列論理積（ＡＮＤ）演算手段の結果をメモリアドレスごとに計測するカウンタ手段と、
初回の前記比較は、前記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスの上記カウンタを１にカウントアップしこれを１次突破アドレスとする手段と、
以降の比較は、上記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスと、上記１次突破アドレスと、の双方のアドレスの位置関係を、前記第２のデータによって、前記等価二重並列論理積（ＡＮＤ）演算手段で演算し、この演算を突破した上記１次突破アドレスのカウンタをカウントアップしてＮ（２以上の整数）次突破アドレスとする手段と、
このＮ次突破アドレスのアドレスを出力する手段と、
を具備することを特徴とする。
請求項４では
前記等価二重並列論理積（ＡＮＤ）演算手段は前記第２のデータであるアドレスを比較するためのデータにもとづくアドレスのスワップ（交換）手段によって繰返し実施することを特徴とする。
請求項５では
前記第２のデータであるアドレスを比較するためのデータは、前記１次突破アドレスを基準とし、
（１）比較対象のアドレスが相対アドレスに一致するか否かの比較データ
（２）比較対象のアドレスが比較する範囲の内外に存在するか否かの比較データ
以上（１）（２）のいずれかもしくは双方であることを特徴とする。
請求項６では
前記メモリは
（１）音声情報を一例とする一次元情報として記憶されたもしくは記憶可能な情報
（２）画像情報を一例とする二次元情報として記憶されたもしくは記憶可能な情報
（３）立体情報を一例とする三次元情報として記憶されたもしくは記憶可能な情報
（４）時空間情報を一例とする多次元情報として記憶されたもしくは記憶可能な情報
（５）クラスタリング情報を一例とする情報をアドレスのグループ別に記憶されたもしくは記憶可能な情報
以上（１）から（５）の少なくとも１つの情報の検出を対象とするメモリ構成であることを特徴とする。
請求項７では
前記第１のデータである記憶されたメモリのデータを比較するためのデータは
（１）メモリデータの一致
（２）メモリデータの大小
（３）メモリｂｉｔ個別のＤｏｎ‘ｔ Ｃａｒｅを含む比較
以上（１）から（３）の少なくとも１つであることを特徴とする。
請求項８では
前記第１のデータ、第２のデータは
（１）データバス
（２）専用入力
以上（１）（２）のいずれかもしくは双方により入力されることを特徴とする。
請求項９では
前記Ｎ次突破アドレスのアドレスを出力する手段は
（１）データバス
（２）専用出力
以上（１）（２）のいずれかもしくは双方により出力されることを特徴とする。
請求項１０では
前記カウンタ手段に１次突破アドレスを記憶する手段を付加することにより、カウンタ手段の回路数量を確率的に出現する１次突破アドレスの数量に見合う回路数量に削減したことを特徴とする。
請求項１１では
前記アドレスのスワップ（交換）手段にプロセッサを用いることを特徴とする。
請求項１２では
前記二重並列論理演算をメモリのバンク毎に切り替え実施することを特徴とする。
請求項１３では
複数の前記第１のデータならびに第２のデータの入力手段と、
複数の前記二重並列論理演算手段と、を具備することを特徴とする。
請求項１４では
前記メモリはＣＰＵを一例とする他の目的の半導体に組込まれ使用されることを特徴とする。
請求項１５では
検出される情報（未知の情報）と、検出の基準になる情報（既知の情報）と、の互いの情報の複数のアドレスの、そのデータと、そのアドレスと、の双方が必要回数の比較条件に合格することをもって、未知の情報の内から既知の情報と同一もしくは類似の情報を検出することをもって、情報とその情報の位置を検出することを目的として
既知の情報を前記第１のデータと第２のデータとすることにより、請求項１記載のメモリに記憶された未知の情報を比較し、未知の情報の内から既知の情報と同一もしくは類似する情報とそのアドレスを、前記Ｎ次突破アドレスを読み出すことにより検出することを特徴とする。
請求項１６では
前記検出の基準になる情報（既知の情報）の内から、統計確率にもとづき前記同一情報もしくは類似情報を判定するに必要十分な複数個数のサンプルを抽出し、これを前記第１のデータと、第２のデータと、として比較条件とすることにより、同一情報もしくは類似情報を判定するために必要な前記比較回数を上記サンプル数以内とすることを特徴とする。
請求項１７では
前記サンプルを抽出する際、隣接するサンプル間のデータの相互のデータの差の絶対値を求め、これを集計することにより得られるサンプル特徴量を基準値以上として情報検出をすることを特徴とする。
請求項１８では
請求項３記載のアドレスの位置関係は
（１）前記一次元情報として配列記憶されたアドレス配列上の位置関係
（２）前記二次元情報として配列記憶されたアドレス配列上の位置関係
（３）前記三次元情報として配列記憶されたアドレス配列上の位置関係
（４）前記多次元情報として配列記憶されたアドレス配列上の位置関係
以上（１）から（４）の少なくとも１つの位置関係であり、このアドレスの位置関係を用いてパターン認識をすることを特徴とする。
請求項１９では
前記１次突破アドレスとなる最初の比較サンプルを複数種類のサンプルとする、もしくは一定の範囲を持させ検出を行うことを特徴とする。
請求項２０では
前記情報絞り込み検出機能を備えたメモリをアクセスしデータの読み出し書込みが可能なＣＰＵを併用することを特徴とする。
請求項２１では
前記情報絞り込み検出機能を備えたメモリに知識情報を記憶させ知識処理をすることを特徴とする。
請求項２２では
前記情報絞り込み検出機能を備えたメモリを使用したことを特徴とする装置。
請求項２３では
前記情報絞り込み検出機能を備えたメモリを使用したことを特徴とする人工知能。
としている。
【発明の効果】
【００１１】
インテリジェンスな知識をもったメモリとして利用することが可能で、あらゆる情報の同一性ならびに類似性を確実でかつ高速に検出もしくは解析することのみならず、情報予測の分野や高度な知識処理にも幅広く利用可能で、本格的な非ノイマン型情報処理による新しい情報処理の流れが期待できる。
【図面の簡単な説明】
【００１２】
【図１】図１はサンプリングポイントの例である（実施例１）
【図２】図２はサンプリングポイントによる情報検出実施例である（実施例２）
【図３】図３はサンプリングポイントの評価方法例である（実施例３）
【図４】図４はデータおよびアドレスの二重並列論理演算の概念例である
【図５】図５は情報絞り込み検出機能を備えたメモリ例である（実施例４）
【図６】図６はアドレススワップ手段Ａの例である（実施例５）
【図７】図７はアドレススワップのイメージＡである
【図８】図８はアドレススワップのイメージＢである
【図９】図９はアドレススワップのイメージＣである
【図１０】図１０は変形画像の検出の概念である（実施例６）
【図１１】図１１はアドレススワップ手段Ｂの例である（実施例７）
【図１２】図１２はアドレススワップ手段Ｃの例である（実施例８）
【図１３】図１３は情報絞り込み検出回路の削減例である（実施例９）
【図１４】図１４は多重化したデータとアドレスの二重並列論理演算の概念例である
【図１５】図１５はアドレス一次元配列の情報検出例である（実施例１０）
【図１６】図１６はアドレス三次元配列の情報検出例である（実施例１１）
【図１７】図１７は本発明のメモリを用いた高度な知識処理の例である（実施例１２）
【発明を実施するための形態】
【００１３】
先ず本発明の情報検出の概念を、二次元情報である画像を例にして説明する。
【００１４】
通常検出対象の画像（未知の情報２）と、検出の基準の画像（既知の情報１）と、で画像の同一性を検出する場合、検出の基準となる画像（既知の情報１）から採取される何らかの画像情報をもとに、未知の検出対象の画像を総当たり方式で検索するのが基本になり、その精度を求める場合には画像の座標毎であることが必要となる。
【００１５】
検索に掛る時間の一例としてパーソナルコンピュータやデジタルテレビジョン信号によるテレビ画面の特定ピクセルを対象として、表示されている画像上から特定データを探し出す場合、２００万ピクセル程度がその対象となる。
一旦この全画面のビットマップデータをグラフィックメモリから検索用メモリにデータ展開し、仮に展開したデータの全範囲を、ＣＰＵが１ピクセル当たり平均５０ｎ秒で、特定のデータを探し出すなど単純な検索をさせる場合、初回の全グラフィック範囲（全画面範囲）の検索は２００万×５０ｎ秒＝１００ｍ秒となり、通常、２回目以降は検索対象が絞られるため検索時間は短くなるものの目的の画像を特定するのに数百ｍ秒程度は必要になる、従がって１画面上で大量な画像を検索する必要がある場合は如何に高速な処理を行っても検索時間を無視することが出来なくなる。
【００１６】
さらに以上の説明は完全に同一画像の場合であるが、仮に画像のサイズの変更や回転がある場合には、座標変換の演算を繰返し実施する必要があるので処理時間は以上の数百倍から数千倍、さらに必要になる場合もあり、このような検索は実現困難である。
以上はメモリのアドレス毎のＣＰＵ逐次検索を必要とするノイマン型コンピュータによる情報検出の宿命である。
【００１７】
以上のような検索時間の技術的背景から現在の検索の主流は画像の特徴を抽出した特徴データのクラスタリングによる画像同士の類似性を対象とする検索となっており、最近のデジタルカメラの顔認識やスマイル認識を始め音声認識などに幅広く利用されている。
しかしながら検出の精度や検索の時間、検出出来る情報など検索の能力はこれらの特徴抽出の手法やクラスタリングの手法次第で大きく左右される。
また画像の検索の利用分野においては、誤認率が致命的である場合も多く類似性よりも同一性を求める画像の検索のニーズも少なくない。
【００１８】
以上のように、画像検索の確実性を追求し、さらに時間短縮と云う、テーマは互いに矛盾し相容れないものであるが、先ずは画像検索における確実な同一画像の検出について説明する。
【００１９】
以上の説明のように本発明は確実性を求めて、原則的に１座標（アドレス）を対象として情報の検出を行うものであり、以下にこれを実現する上で切り離すことの出来ない情報の種類とその分解能について説明する。
【００２０】
画像の情報は様々な種類が存在するが、ここでは大きく２種の画像情報データを例に説明する。
【００２１】
その第１は、表示されている画像のフレームバッファ（グラフィックメモリ）からのデータを画像情報とする場合で通常、カラーの場合Ｒ、Ｇ、Ｂ、１６ｂｉｔから３２ｂｉｔのデータ深度で情報を持っている。
このＲ、Ｇ、Ｂ、色信号をそのまま利用することも可能であるが、効果的な画像の検出の一例として、通常パソコンや映像装置のフレームバッファの２００万ピクセル程度を対象にして、Ｒ、Ｇ、Ｂ、各４ｂｉｔ（１６通りの組合せ３組）を採取して１つのピクセルデータとすることにより、どの様な色彩の画像であっても精度よく画像を検出することが出来る。
この場合、この色の組合せは１２ｂｉｔ、４０９６通りの組合せであり、画面上の色がばらついている場合、１つの色が画面上に存在する確率は２００万／４０９６≒４８８ピクセル（アドレス）である。
【００２２】
その第２は、一例としてＪＰＥＧ（Ｊｏｉｎｔ Ｐｈｏｔｏｇｒａｐｈｉｃ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）やＭＰＥＧ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）その他多くの圧縮された画像データの１ブロック（一例として８×８ピクセル）を１座標とし、そのブロックの輝度や色差信号のＤＴＣ（離散コサイン変換）のＤＣ（直流）成分データをその座標のそのデータとしてそのまま利用することやその他の情報、例えばベクトル情報を利用することも可能である。
このＤＣＴの場合はブロック単位であるのでピクセルに比較して大幅（一例として１／６４）に座標の数（アドレス）を減らすことが出来る。
【００２３】
云うまでもなくどちらの場合でも分解能が高いに越したことはないが、メモリ容量が大きくなるので、以上のような量子化データ１５のＬＳＢ側から必要なｂｉｔ数を選び画像情報データとすればよい。
以降以上説明のピクセルを対象とし、２００万ピクセル（アドレス）で１２ｂｉｔ、４０９６通りのＲ、Ｇ、Ｂ、の組合せデータによる画像データを画像情報とし、これを検出する場合の例で説明する。
【実施例１】
【００２４】
図１（サンプリングポイントの例）は検出基準になる画像（既知の情報１）のサンプリングポイント１３を示したものである。
検出基準画像Ａは比較的サイズの小さい画像を対象とし、検出の基準になる画像（既知の情報１）の領域上に座標ｙ０、ｘ０を中心として、上下左右等間隔に合計２５個の座標をサンプリングポイント１３として自動配列した場合であり、この場合ＸＹ軸ともに各３３ピクセル１１、合計１０８９ピクセル１１を対象としたものである。
検出基準の画像のサイズを大きくすることも全く問題ない。
【００２５】
図に示す１から２５の数字は比較順序１４を示すもので、本例では中心から遠いサンプリングポイント１３から近いサンプリングポイント１３を対角順に検出するよう設定されているが、配列や比較順序１４はこれに限るものではない、これについての詳細は後述する。
【００２６】
検出基準画像Ｂは以上説明の等間隔に配列することなく、検出基準の画像に対応させて１から２２までのサンプリングポイント１３を手動で設定した場合の例である、このように手動でサンプリングポイント１３を設定し検出する方法は人間の特徴認識能力の高さを利用するものであり、特徴的なポイントや特徴的な範囲を指定して他のピクセルとの差別化をするのに有効である。
【００２７】
このように画像検出の確実性を求めるために１座標を検出の単位とする検出方法であることによって１座標毎にサンプルポイント設定が出来るのも、一定領域をまとめて特徴サンプルとすることの多い他の検索、検出方式では実現できない本方式の特徴の１つでもある。
【実施例２】
【００２８】
図２（サンプリングポイントによる情報検出実施例）は先に説明の図１の検出基準画像Ａを検出の基準の画像として、画像の検出を実施した場合の説明である。
検出の基準になる画像（既知の情報１）と、検出の対象になる画像（未知の情報２）を同一画像上に表現しているが、実際には別の画像の場合が殆どであるが、説明の関係上同一画面で表現している。
図に示すグループＡは１次比較では一致したが２次比較でＮＧとなった場合である、グループＢは１１次比較でＮＧ、グループＣは２２次比較でＮＧ、グループＤは全部のサンプリングポイント１３が一致した場合である、これらの検出は先に説明の座標のデータ１２、をアドレス毎に読取り相互に比較すればよい。
この図ではグループＡからグループＥは位置的に完全に分離された画像領域で説明されているが画像の場合、通常同一データである座標が隣接もしくは集中し、分解能が低い程その傾向は顕著であるが互いの相対位置関係を正しく比較すれば問題ない。
【００２９】
この場合、確率上グループＤの領域は基準となる画面と同一画像であると判断することも十分可能であるが、サンプリングポイント１３に加えて互いの画像の全てのピクセル同士の一致を念押し確認することにより、類似の画像を排除し完全に同じ画像であることを保証することが可能となる、この方法は対象となる画像のサイズが比較的小さい場合の検出に最適である。
【００３０】
以上のような検証方法を活用することにより、グループＥのようなサンプリングポイント１３が部分的に集中して不一致となるような場合には、この一致する画像の部分を一部の画像に変化が加えられた変形画像と判断することも出来る、またグループＣのような場合は類似画像と判断することも出来る、これらについては後述する。
【００３１】
以上のように先ずどこかサンプリングポイント１３の１座標を基準として、以降の座標のデータとの相対位置の判定を行い相対位置に矛盾のない座標を候補座標として残す方法はパターン認識など情報検索の常套手段であり、これらの組合せ的な検索を効率的に実施し、画像（情報）を超高速で検出する方法とディバイスが本発明の趣旨であり、この詳細に関しては後述する。
【００３２】
以上の説明の画像の検出方法で特に重要な事は、サンプリングポイント１３の選択方法で、１つは一定の画像データの範囲と、もう１つは画像データの変化の度合いである。
例えば変化のない黒画像部分や白画像部分や変化の少ない画像、もしくは例えば文字情報のみの画像など特徴の少ない画像を指定した場合などでは、当該画像の検出が困難になる。
【００３３】
以下に画像の検出の有効性、信頼性に深い関係があるサンプリングポイント１３についての考え方を示す。
画像上の１座標を基準にすると、この座標に隣接する座標は基準座標と同一もしくは近似する量子化データ１５となる確率、つまり相関性が高くなり、座標が離れることにより相関性は低くなる、従がって図１のサンプルのように、毎回遠いサンプリングポイント１３から順次確認する方がダメ出しが速く効率的な検出となる確率が高い。
【００３４】
従がって完全に分散化された複数のサンプリングポイント全体による同一座標群の存在確率は、これらのサンプリングポイント１３のデータのｂｉｔ数に、サンプリングポイント１３の数が積算された指数になる。
【００３５】
例えば、先に説明の１座標がＲ、Ｇ、Ｂ、各４ｂｉｔ構成の場合、組合せ数は２の１２乗（４Ｋ通り）であるが、サンプリングポイント１３が１０個所であれば２の１２０乗の組合せ数、実動作上、無限大に相当する確率組合せとなり、特徴の少ない単調な画像同士でなければこれらの全てのサンプリングポイント１３が全て一致すれば同一画像と判断して良い。
【００３６】
しかしながら、限られた狭い範囲の画像を対象とする場合や、文字などの白黒画像も対象となるので、以上のように完全に分散化されたサンプリングポイント１３を採ることは出来ない。
【００３７】
従がって以下に説明するサンプリングポイント１３の識別能力評価を行い、アラームを挙げるなり、画像領域を拡大するなり、サンプリングポイント１３を追加するなど適切な対策を採ればよい。
【実施例３】
【００３８】
図３（サンプリングポイントの評価方法例）は図１の検出基準画像Ａの場合のこのサンプリングポイント１３の識別能力を評価する例であり、座標１を検出基準座標として最後は座標２５までの合計２５個のサンプリングポイント１３に対し隣接する４つのサンプリングポイント１３を１組とするＡからＰまでの合計１６組の隣接サンプリングポイント群を現したものである。
【００３９】
一例としてＡ群には２、１０、１４、１８の４つのサンプリングポイント１３が含まれ、Ｂ群には１０、６、１８、２２の４つのサンプリングポイント１３が含まれ、以下同様である。
この時、Ａ群からＰ群のそれぞれの４つのサンプリングポイント１３は、それぞれの群の中で輝度情報や色情報のいずれにおいても座標のデータ１２に違いがある事が特徴の大きさ、つまりサンプル特徴量の大きさにつながるので、この４サンプルから２つを採る組合せの６つの組合せ、２−１０、２−１４、２−１８、１０−１４、１０−１８、１４−１８により、そのデータの差分量の絶対値を求めこの６つの組合せの合計と全体（１６群）の集計を採ることにより、当該群の特徴量の基準値とすることが出来る。
本例のようにＲ、Ｇ、Ｂ、の複合されたデータの場合、各独立して評価すればよい。
また同一サンプル数の場合の識別能力の把握の場合には、Ａ群からＰ群のそれぞれの特徴量を合計し１６群で除した平均特徴量が特徴量の大きさの尺度（基準値）として利用することが出来る。
【００４０】
云うまでもなくこのサンプルの特徴量が少なければサンプリングポイント１３としての識別能力に影響が出るため、検出の基準画像を指定しその画像領域を決定する際、基準値以上の値となるよう、必要によりサンプリングポイント１３の数を増やすことや画像の領域を増やすなど調整すればよい、当然反対の場合も可能であり、このサンプリングポイント１３の評価方法は画像の検出の検索処理数（時間）を理に適った合理的な検索処理数（時間）とする上で重要である。
以上は手動でサンプリングポイント１３を決める際にももちろん有効である。
本例は二次元情報を対象に識別能力を評価した一例であるが一次元から多次元まで隣接するサンプルとそのデータの差分を採ることによる考え方で特徴量を判定することが出来る。
さらに対象となる情報の種類によって、その情報の特徴からサンプルの基準を独自に定め判定すればさらに確実な情報の検出が可能になる。
【００４１】
これまで本発明を実現するにあって不可欠となる確実性を追求した情報の検出について二次元情報の画像を対象に説明してきたがこの考え方の基本的な内容は他の次元の情報に対しても共通である。
【００４２】
ここで本発明を実現するためのメモリに記憶する情報の配列について説明する。
一次元配列の情報はメモリアドレス上に連続的に記憶された情報であり、二次元
の情報は図１の１からｎまでのアドレス３のようにそれぞれの次元の最大座標数を配列基本条件としテーブル変換され一次元のメモリアドレス配列として連続して記憶された情報、もしくは記憶可能な情報であり、メモリのデータサイズならびにメモリ容量はそれぞれの目的にあったメモリ構成である。
三次元、さらには多次元の情報をメモリアドレス上に記憶する場合も同様に、これらの情報はそれぞれの次元の最大座標数を配列基本条件としテーブル変換された上記同様の情報であり、メモリ構成も同様である。
【００４３】
従がってこの情報は、それぞれの次元に対応する座標データが与えられれば、配列基本条件である各次元の最大座標数をもとに与えられた座標データに対応するアドレスが特定可能であり、座標の相対位置や座標の範囲も同様に特定可能である。
もちろん、高次元の情報でも対象とするアドレスが直接分かる場合は直接そのアドレスや相対アドレスで指定することが出来る。
以上は確認のため、念のため記載したものであり、このアドレス配列方法は通常行われている一般的な情報の配列方法で、この一般的なメモリに対する情報の配列方法が本発明を実現する上での基本情報配列であるので極めて利用し易い。
【００４４】
以降これまでの考え方にもとづく、本発明の情報絞り込み検出機能を備えたメモリ２１を連想メモリに適応した場合について説明する。
【００４５】
連想メモリはキャッシュメモリや通信データ処理など、情報処理装置の中で特に重要で高速処理を必要とするメモリに利用されている。
また画像データなどに対しては特にクラスタリング手法による類似画像を検出するための最短距離検索（類似度距離検索）を目的とした検索ディバイスとして盛んに研究されている。
【００４６】
以降連想メモリの概要を説明する。
高速なデータ処理に利用されている連想メモリは、通常のメモリ機能の他に外部から比較するデータを全メモリ同時（並列）に与え、その合格するメモリのアドレスを読み出すことが可能な情報の検索に大変都合のよいディバイスである。
この並列処理５３のイメージの一例を上げれば、大勢の人が集まる会場に座席（アドレス）を用意し座って貰い、この人達が好きな色のカード（データ）を自由に選ぶことが出来るようにした場合、例えば赤のカード（データ）を持つ人を調べる場合、通常のメモリの場合は全ての人を座席順等、逐次比較で調べる必要があるのに対し、連想メモリの場合は、例えば赤のカードの人は一斉に手を挙げて貰い（並列比較）、その座席（アドレス）を確認（出力処理）するだけでよいので極めて高速な判定が出来る。
このように連想メモリは大量な情報を並列に比較し、その中から必要とするデータのみを探し出す場合に好都合のデバィスである。
【００４７】
様々なメリットを持つ連想メモリであるが構成上の弱点の１つとして、データバスとアドレスバスによるデータの読み書きをするメモリデバィスの場合、外部から与えられた比較データ（この場合赤色）に対し同時にその合格判定が可能であっても、合格するアドレスが複数の場合には一遍にそのアドレスを出力することが出来ない。
【００４８】
これを解決するには、出力にプライオリティ機能を持たせ、合格するメモリに対し順次合格するメモリのアドレスを出力すればよいが、十分に絞り込みされたアドレス数となっていないと読み出しにも時間が必要である。
通常の場合このアドレスを読み出し、読み出されたアドレスに対し次の比較条件が与えられ、以降はこの条件を元に逐次処理による絞り込みが行われる。
先の例の２００万ピクセル（アドレス）で１２ｂｉｔ、４０９６通りの組合せデータの場合には平均４８８個のアドレスを対象として、以降の条件比較を繰り返す必要があり、通常その大半は対象外（残らない）のピクセルであり無駄な処理である、３次以降も同様である。
【００４９】
従がって本発明の情報絞り込み検出機能を備えたメモリ２１はこのような逐次処理を完全に排除するために、さらに赤のカードで手を挙げた人同士で、その座席の関係（アドレスの関係）が一致する人（例えば隣同士や前後左右で赤のカードを持つ人）以外は一斉に手を降ろして貰う機能、つまりデータとそのアドレスの関係、つまり毎次、全メモリ（座席の人）を対象に比較条件（カードの色と、座席の相対関係）与えることによって、記憶されたデータの合格（カードの色）と、そのアドレスの位置（座席の相対関係）の合格と、の双方の並列合否判定結果による論理積（ＡＮＤ）演算５５に合格するアドレス（隣同士や前後左右で赤のカードを持つ座席の人）を絞り込み検出しこれを出力する機能を持った二重並列合否判定５４の出来るメモリ、さらに様々な二重並列論理演算６０が可能なメモリを実現させることにある。
【００５０】
図４（データおよびアドレスの二重並列論理演算の概念）は以上説明のメモリのデータとそのアドレスの二重並列合否判定結果の論理積（ＡＮＤ）演算の概念である。
それぞれのアドレスのデータの内容の比較と、それぞれのアドレスの比較をそれぞれ並列（二重並列）に合否判定５４し、その合否判定結果に基づき情報の絞り込みを行うための論理積（ＡＮＤ）演算５５がさらに並列に行われるものである。
この演算結果はどのような形態で利用されても構わない。
【００５１】
以上のように１回の絞り込みでも極めて大きな絞り込み効果が得られるが、さらにこれらの二重並列論理演算６０が連続繰返し実施出来れば理想の情報絞り込み検出が可能になる。
【００５２】
以上の考えを実現する上で図４の下段のアドレス比較のアドレス合否判定回路は概念として表現することは容易であるが、通常の考え方では、どの様にアドレスを比較するのか、どのアドレスと比較するのかが定まらないので実際にこの概念を論理回路化することは容易ではない。
【００５３】
例えばこれまで説明の初回に比較し生き残ったアドレス、これを１次突破アドレス５６としてこれを基準にして各アドレスと比較をする方法が考えられるが、この方法においても、先に説明の通り１次突破アドレス５６が仮に４８８アドレスあれば、全てのアドレスとこの４８８アドレスの組合せによる、組合せ並列アドレス比較回路を構成しなければならないので極めて大掛かりな構成になる。
【００５４】
小規模なメモリアドレス数であれば以上の構成でアドレス比較を実現することも可能であるが、本実施例では大規模なメモリであっても図４の論理構成を出来るだけシンプルな回路構成で実現するために、１次突破アドレス５６を毎回（毎次）の比較のための基準原点のアドレスと定義することにより、以降毎回比較するアドレス（座標）は、このそれぞれの１次突破アドレス５６と相対アドレス（座標）が毎回の比較とも相対的に同一な位置（アドレス）であることに着目しこの論理回路の最適解を求めている。
【００５５】
具体的には先に説明の図１に示すそれぞれのサンプリングポイントに対し１次突破アドレス５６を基準原点座標とし、比較するアドレスに一定の相対的なバイアスもしくは範囲を設定し、それぞれの１次突破アドレス５６の相手先のアドレスのデータがこれに合格しているのかどうかを確認して、合格していればこれを突破アドレスとする構成とすればよい。
【００５６】
さらにそれぞれのアドレスに突破の回数を記録するカウンタを設け、基準原点である１次突破アドレス５６に突破回数が累積されカウントアップ出来るようにすることによって、１次突破アドレス５６の内で最多突破回数（Ｎ回）のメモリのアドレスをＮ次突破アドレス５７と判定することにより連続絞り込みの論理回路が可能となり、極めてシンプルな論理回路構成であっても当初の目的を全て満たす構成となり、情報処理永年の課題の１つを克服するディバイスを実現することが出来る。
【００５７】
後述するが図４の二重並列論理演算６０は論理積（ＡＮＤ）演算５５のみに限定されるものでなく、またこの演算結果の利用の仕方も自由である。
【実施例４】
【００５８】
図５（情報絞り込み検出機能を備えたメモリ例）は以上の内容に関連する本発明のメモリ２１の機能概要を連想メモリをベースに示したものであり、データ処理のタイミング等細部は省略され、本発明に関係するところの概念のみを説明するものである。
【００５９】
この情報絞り込み検出機能を備えたメモリ２１（以降本発明のメモリとも記載する）には、アドレスバス２２、データバス２３が接続されていて、外部とデータを授受可能な構成になっている。
従がってメモリ１からｎのメモリ３２はアドレスバス２２のアドレスデコーダ３１によりアドレスが選択されデータバス２３からデータの書込み、読み出しが可能である。
【００６０】
入力データ２５は本発明のメモリ２１に情報検出のためのデータを与えるもので、第１のデータであるメモリ比較データ２６は外部からメモリのデータ比較のためのデータであり、この入力データとメモリ１からｎまでのメモリ３２とデータの合否の比較をデータ比較回路３３により判定し合格の場合その結果をアドレススワップ前合格出力４１として出力する。
第２の入力データ２５であるアドレス比較データ２７ならびにアドレススワップ回路３４については後述する。
【００６１】
突破回数カウンタ３５はアドレススワップ後合格出力４２によりデータ比較回路３３の合格回数を突破回数として記憶加算するカウンタであり、この突破回数カウンタ３５は、情報同士の比較回数をカウントする比較回数カウンタ２９の比較回数信号４３との一致出力機能を有しその出力がＯＲゲート３６と、インヒビットゲート３７に接続されており若いアドレスから順次カスケード４４接続される信号により、突破回数がＮ回の突破回数カウンタ３５の中で一番若いアドレスのカウンタが優先され１アドレスのみ出力をする出力優先（プライオリティ）処理がなされている。
【００６２】
突破アドレス出力処理回路３８は優先出力のアドレスを出力バス２４に乗せる処理と、出力処理の完了したアドレスの突破回数カウンタ３５をクリアーする処理をすることにより、以降他にＮ回突破の突破回数カウンタ３５があればそのアドレスを次の優先出力とし、順次Ｎ次突破のアドレスを、出力バス２４によって外部に送り出すことが可能な構成となっている。
本例の専用バス出力の専用出力形態は一例であり、データバス２３に直接出力結果を乗せることも可能である。
従がって、この構成によれば、突破回数が一番多い（Ｎ回）突破回数カウンタ３５のアドレス（座標）がＷｉｎｎｅｒ（Ｎ回突破アドレス５７）でありその若いアドレス順にそのアドレスを出力する構成である。
【実施例５】
【００６３】
図６（アドレススワップ回路Ａの例）は極めてシンプルな論理回路構成で本発明を実現するための手段であるアドレススワップ回路３４の基本概念を示すものである。
アドレススワップ回路３４はデータ比較回路３３と突破回数カウンタ３５の中間に設けられており、このアドレススワップ回路３４は毎サンプル比較時、目的の１次突破アドレス５６に突破の出力を二重並列論理積演算結果として累積加算するために設けられ、本例の場合、先の説明の入力データ２５の第２のデータであるアドレス比較データ２７の、相対アドレス比較データ５１によって、アドレススワップ前合格出力４１、図６のｉ、j、kをXY軸座標データに変換し、変換した合格出力を相対アドレス分シフトして、アドレススワップ後合格出力４２として該当するアドレスの突破回数カウンタ３５（１次突破アドレス５６）に合格出力を突破出力として入力出来るように構成されている。
つまりアドレススワップ後合格出力４２は１次突破アドレス５６のアドレスの相対アドレス条件に合格した場合、突破出力として1次突破アドレス５６に入力される。
もちろん座標データではなく相対アドレス比較データ５１を直接相対アドレスで指定し相対アドレス分シフトすることも可能である。
【００６４】
以上説明の第１、第２のデータの入力はデータバス２３から与えることも専用入力から与えることも自由である。
この構成の本発明のメモリ２１に先に説明の画像のピクセルデータ、またはこれに相当する情報データをメモリに記憶し、この未知の情報２から画像を検出する場合の例を説明する。
【００６５】
先に説明の図５のメモリ１からｎまでのメモリ３２には画像のピクセルデータがそれぞれの座標に対応したアドレスに書込みされており、比較回数カウンタ２９ならびに全ての突破回数カウンタ３５は全てクリアーされて０となっていて、以降比較回数カウンタ２９は比較の都度にカウントアップされて行く。
先ず１次比較としてサンプル１のピクセルデータをメモリ比較データ２６に入力データ２５として与え、全メモリの合格判定を並列に行いデータ比較回路３３のアドレススワップ前合格出力４１を１次合格出力として出力し、この１次合格出力はアドレススワップすることなく、アドレススワップ後合格出力４２としてそのまま突破回数カウンタ３５の入力に加え突破したアドレスのカウンタの値を１にする、これが１次突破アドレス５６である、以上の通り１次比較に第２のデータは不要である。
先に説明のように平均的な１次突破アドレス５６の出現個数は４８８である（図６のｉ、j、k）この出現個数はイメージのための数字であり多くても少なくても問題ない、以下同様である。
図２の場合この時、突破回数カウンタ３５の値が１となっているメモリアドレスはグループＡの１、グループＢの１、グループＣの１、グループＤの１、グループＥの１の５個所の座標がＷｉｎｎｅｒの候補（１次突破アドレス５６）であり、これがこれからの説明のポイントとなるアドレス（座標）である。
【００６６】
次に２次比較としてサンプル２のピクセルデータをメモリ比較データ２６に指定することによりまた別なアドレスが新しく２次合格出力として平均し４８８個選ばれる。
さらにサンプル１とサンプル２のアドレスの差分を、アドレス比較データ２７の相対アドレス比較データ５１として指定することにより、新たに選択された４８８個のアドレスの中で、先に説明の１次突破アドレス５６との相対関係が合格するもの、つまりグループの関係が成立するアドレスを、図６に示すアドレススワップ回路３４でこの差分に相当するアドレス（座標）をシフト変換し、シフト変換した相対位置の突破回数カウンタ３５（１次突破アドレス５６）にアドレススワップ後合格出力４２を突破出力として加算入力する。
【００６７】
つまり、本来は図２のグループＡからＥの２の座標（アドレス）の突破回数カウンタ３５がカウントアップされるところ、サンプル１の判定で生き残った候補座標の突破回数カウンタ３５（１次突破アドレス５６）に、継続してカウントアップが出来るように相対アドレスのバイアスをかけて２次突破出力として、１次突破アドレス５６に突破入力を与えている。
【００６８】
先に説明の図２の場合この時、突破回数カウンタ３５の値が２になっている１次突破アドレス５６はグループＢの１、グループＣの１、グループＤの１、グループＥの１の４個所が候補として維持される座標であり、グループＡの１はカウントアップ出来ず候補から脱落する。
以上の内容は対象とするメモリのアドレス位置（２次サンプルに相当するアドレス位置）が１次突破アドレス５６を基準にして目的の位置（相対アドレス比較データ５１）に存在するか否かを判定し、２次のデータ比較による合格アドレスと並列に論理積（ＡＮＤ）演算５５しその結果を１次突破アドレス５６の突破回数カウンタ３５に突破出力として入力したのと等価である。
【００６９】
順次同様にメモリ３２のデータ比較と、１次比較のサンプル１を基準とする他のサンプルとの相対アドレスと、を一対の入力データ２５として読み込み、それぞれのアドレスグループ内で突破するメモリを１次突破アドレス５６に集約してカウントアップすることにより、１次突破アドレス５６（Ｗｉｎｎｅｒ候補）の絞り込みを連続して行う事が出来る。
【００７０】
従がって図２において最後のサンプル２５（Ｎが２５）まで突破する１次突破アドレス５６はグループＤの１の座標（２５次Ｗｉｎｎｅｒ）のみでありこの座標（アドレス）の突破回数カウンタ３５の値は２５になっており、この突破回数カウンタ３５は比較回数カウンタ２９の比較回数信号４３と一致しその出力が以降のＯＲゲート３６ならびにインヒビットゲート３７に入力される。
【００７１】
図７（アドレススワップのイメージＡ）はこれまで説明のデータの合格と、アドレスの相対関係、の双方の合格、つまり二重並列論理積演算による突破の内容をイメージとして説明するものである。
図に示すように、画面の座標には最初の１次比較により１次突破アドレス５６がＡからＦまで計６個示されている。
このアドレススワップは全アドレスを対象として相対的に行われるものであるが、１次突破アドレス５６は、あたかも比較の対象になるそれぞれのアドレスグループ内で次に比較される２次比較の相対座標位置を望遠鏡で覗きこみ、２次合格アドレスの合格出力（本図では黒丸印）があればこれを突破出力として奪い取る、まさにスワップのイメージである。
３次比較も同様に比較される相対座標位置を望遠鏡で覗き込み、３次合格アドレスの合格出力（本図では黒三角印）を突破出力として奪い取る、以降も同様のスワップのイメージである。
本例の場合、Ｅのカウンタは２に更新され、さらにＢのカウンタは３に更新される。
【００７２】
図８（アドレススワップのイメージＢ）は以上の図７に示されるＡ、Ｂ、２つの１次突破アドレス５６の座標上のイメージをアドレス上のイメージとして説明するものである。
図８に示すように、１次突破アドレス５６は、サンプル２からサンプル２５までのデータ比較回路を望遠鏡で覗き込み、覗き込んだデータ比較回路に合格があればこれを突破出力として奪い取るイメージである。
云うまでもなく望遠鏡の切替えはアドレスの相対位置関係を比較するためのデータである相対アドレス比較データ５１により毎回設定される。
【００７３】
実際には１次突破アドレス５６のアドレスと相対関係のない２次、３次、Ｎ次比較による合格出力も相対的にシフトされたアドレスにカウントアップされるがサンプルが適正で意図的なものでなければ毎回散発的であり合格出力が特定アドレスに集中することはない。
これはサンプルとなる画像（情報）と未知の画像（情報）の特定部分が同一であると云う特別な関係（パターン）が成立しないからである。
１次突破アドレス５６は常にカウントの優位性を保ち（最初に１）、さらに１次突破アドレス５６の相対アドレスに関連付けされたサンプルのアドレスのグループを代表し合格出力を突破出力として集める権利を持つ支配者のイメージである。
【００７４】
図９（アドレススワップのイメージＣ）は実際の二次元配列アドレスにおけるアドレススワップの例を示すものである。
表Ａ、Ｂはアドレススワップ前のアドレス（座標）１から１００までを示すものであり、２４、５０、６７、７２の４つのアドレス（座標）が１次突破アドレス５６となっている。
表Ａは２次比較アドレスを相対アドレスが−２２のアドレスをデータ比較アドレスとする場合であり、この時７２のアドレスは相手先の座標が対象外である。
表Ｂは３次比較アドレスを相対アドレスが＋３１のアドレスをデータ比較アドレスとする場合であり、この時５０および７２のアドレスは相手先の座標が対象外である。
表Ｃは表Ａを−２２アドレスシフトしたものであり、２４、５０、６７の１次突破アドレス５６は正常にそれぞれの相手先のデータの合否結果を得ることが出来、合格結果があればそれぞれ突破出力としてカウントアップ（スワップカウント）することが出来る。
表Ｄは表Ｂを＋３１アドレスシフトしたものであり、２４、６７の１次突破アドレス５６は正常にそれぞれの相手先のデータの合否結果を得ることが出来、合格結果があればそれぞれ突破出力としてカウントアップ（スワップカウント）することが出来る。
以上が所定回数繰り返され比較対象の相手先のアドレスの座標位置が正常な１次突破アドレス５６が最終まで生き残ることが出来る。
【００７５】
以上様々な例にもとづき説明してきたがこれまでの内容は、アドレススワップ（交換）することにより、１次突破アドレス５６を基準にして、以降毎回比較されるサンプリングポイント１３と同一のデータ（データの合格）が存在し、さらに目的の位置（相対アドレス比較データ５１）に存在するか否か、の双方を連続的に二重並列に合否判定５４を行いさらに並列に論理積（ＡＮＤ）演算５５し、その結果を１次突破アドレス５６の突破回数カウンタ３５に毎回出力するのと等価であり、アドレススワップ回路３４は図４の下段の並列アドレス合否判定と並列論理積演算が一体化され、一人二役をこなす極めて効率的な論理回路、つまり等価二重並列論理積（ＡＮＤ）演算６１手段である。
最終結果はこの比較回数であるＮ次突破アドレス５７を突破アドレス出力処理回路３８および出力バス２４で読み出しすれば、Ｎ次突破アドレス５７を含む情報のグループのアドレスを特定つまりパターン認識をしたことになる。
比較回数カウンタ２９をプリセッタブルカウンタとして比較回数信号４３を指定することにより任意のカウント値のカウンタ（Ｎ次突破アドレス５７）のアドレスやその途中経過も読み出すことが可能になる。
【００７６】
アドレススワップ回路３４の一例は図６に示すようにアドレス変換用のレジスタを用意し、データ比較回路３３よりのアドレススワップ前合格出力４１を、相対アドレス比較データ５１の座標データにより相対的に移し替え、アドレススワップ後合格出力４２とする、このレジスタ操作は全てのアドレスの相対シフトであるので、加減算演算によるデータシフト手段、もしくは一番シンプルなのはアドレス分のデータ長のシフトレジスタによっても容易に実現可能である。
【００７７】
以上のレジスタを用いるアドレススワップ方法は説明のための一例であり、アドレスデコーダを直接利用してスワップ（交換）するなど他の方法で実施しても構わない。
同様にアドレススワップ回路３４ならびに突破回数カウンタ３５は本発明の情報の絞り込み検出を実現する上で不可欠な手段であるがこの構成に限定されるものではなく他の方法でアドレス毎に個別に実施することも可能である。
【００７８】
データとそのアドレスの相対関係を一括して合否判定するこの方法は、図４に示す全メモリ３２のデータ比較条件の合格と、全アドレス比較条件の合格と、の双方を二重並列に合否判定５４を行い、これをさらに並列に論理積演算５５したものと等価であるので、原理的に個別アドレスを対象としたノイマン型情報処理のアドレス逐次処理を不要とするものである。
【００７９】
従がってこれまで説明の２００万ピクセルの未知の画像を、分解能１２ｂｉｔ、データのグループ数を４０９６グループとする場合、未知の画像の中から同一画像の検出するに必要なデータの比較回数は通常２から３回で収斂し、最大でもサンプル数（本例では２５回）のデータ比較回数で目的の画像を確実に見つけることが可能である。
【００８０】
さらにこの方式は図７で示すように１次突破アドレス５６を基準原点とした入力データによる全座標パターンマッチングの繰返し（毎回全メモリを対象として比較）であるので、部分的に一部の画像が欠落しているような場合の近似の画像（以降近似画像）の検出も実施出来る。
【００８１】
たとえば、図２の場合、２５回の比較完了後、グループＡの１の座標のカウンタは１、グループＢの座標のカウンタは１０、グループＣの１の座標のカウンタの値は２１、グループＤの１の座標の値は２５、グループＥの１の座標の値は２２になっている。
つまりカウンタ値の高い座標のアドレスは部分画像が欠落した画像や近似の画像の可能性が高い、この場合１次突破アドレス５６以外であってもよい。
カウンタ値が一定値以上（例えば２０回）となる座標を読み出ししておき、所定（この場合２５回）の比較完了後、必要により周辺の座標を詳しく判定すればよい。
従がってこの方式は同一画像を高速で検出することのみなならず一定の定義もとづく近似画像にも有効である。
【００８２】
またこのアドレスワップ（交換）の考え方をさらに発展させることにより、画像が拡大縮小もしくは回転、以降変形画像と呼ぶ、の画像も最少の検出回数で検出することも可能になる。
【実施例６】
【００８３】
図１０（変形画像の検出の概念）は比較する画像が拡大縮小もしくは回転、場合によってはデータに変化が加わった変形画像を前提として検出する場合に効果的な方法を説明する。
【００８４】
図１０には、１次サンプルの比較が合格した未知の画像の１次突破アドレス５６の上に、既知の画像のサンプリングポイント１３を重ねたものである。
本例では座標１の基準原点を中心にして未知の画像のサイズが、ＸＹ軸ともに２倍（画面としては４倍）に拡大される可能性があるとした場合を示している。
もし探し出す変形画像がこの中に存在する場合、変形画像に対応するサンプルの２から２５の全ての座標は、図に示す円の内部に存在するはずである、従がって円を包含する座標範囲をこの座標１の画像検出範囲とすればよい。
【００８５】
従がって、これまでのアドレス（座標）シフト変換の概念を拡大し、座標１の基準原点より指定する座標範囲にサンプルと同一のデータ値を持つ座標が存在するかどうか、この場合個数は関係なく単純にあるのか無いのか、を判定し、指定するサンプル数（本例では２５個）のサンプルに相当する座標がこの範囲にあることを判定することにより変形画像を検出することが可能になる。
【００８６】
この場合もサンプルの特徴量を判定してサンプルの数と識別能力を一定基準とし対象の範囲を一定の範囲内とすることによりその確実性は高いものになる。
【００８７】
この場合も毎時目的の１次突破アドレス５６にデータとアドレス双方の合格（突破）の出力を集中させて記憶加算する手段、本例では１の座標の突破回数カウンタ３５に判定の結果を累積させる方法が出来れば、このような変形画像に対しても、サンプル数を最大とする最少データ比較回数で画像の検出が可能になる。
【実施例７】
【００８８】
図１１（アドレススワップ手段Ｂの例）は以上の考え方を実現させるために図６で説明のアドレス変換を１対１のアドレスシフト変換からアドレスの範囲として捉え、これを外部からアドレス比較データ２７に、アドレス範囲比較データ５２として入力することにより、このアドレスの範囲で合格のあったｉ、ｊ、kのアドレススワップ前合格出力４１を、比較条件に該当するアドレス範囲として取り込み、この場合もそれぞれのアドレスグループ内の１次突破アドレス５６の突破回数カウンタ３５にアドレススワップ後合格出力４２を入力する構成としたものである。
先に図７で説明の望遠鏡をパラボラ型の天体望遠鏡に変えて１次突破アドレス５６に突破出力を奪い取るイメージである。
【００８９】
例えばこれまで説明の図１に示す１０００ピクセル程度を画像範囲とする画像の１座標を基準とする場合、その１座標を中心としてＸＹ軸７０００ピクセル強の座標範囲を比較範囲の座標とすれば２倍まで拡大された回転を伴う変形画像においてもサンプル数を最大とする最少データ比較回数で画像の検出が可能になる。
【００９０】
座標変換や画像が縮小された場合の画像などでは、サンプル座標に対応する座標が欠落する場合もあるので適切にサンプル合格回数の基準を設ければよい。
この方法は図６で説明の相対座標の完全一致方法に比較すれば確実性は落ちるがサンプルの識別能力やその数を適切にすることにより極めて高速な画像の検出が可能になる。
【００９１】
さらにメモリ３２のデータ比較回路３３をデータ一致の合否の比較から、輝度や色のレベルの範囲を持った大小比較として合否の判定を行えば、変形画像のみでなく、その定義の仕方にもよるが類似の画像の検出も可能となる。
このような場合には大小もしくは一致による合否判定以外、メモリｂｉｔ個別のＤｏｎ‘ｔ Ｃａｒｅによる比較が可能な３値メモリを利用し合否判定をするとさらに効果的である。
【００９２】
通常、画像のサイズの変化や回転が加わった画像の検出は座標変換など極めて多大な検索の処理回数を必要とするがこの方式によればサンプル数分の比較をするだけで目的の変形画像（近似画像を含む）を検出することが可能となる。
多くの場合以上のように変形画像や類似画像の中心位置や重心位置などが検出出来れば良い場合が殆どであるが、もし画像の拡大縮小や回転角度を検出する必要がある場合にも何回かのデータ比較を追加することにより対応可能である。
【００９３】
以上のような必要がある場合、一旦画像が存在する範囲を検出した後に、図１０に示すように、２、４、３、５の４個の対角の座標が何処に存在するのかを、分割検出範囲Ａの４分割、分割検出範囲Ｂの１６分割のように分割し範囲を限定し検出すればよい、４分割の場合で１６回、１６分割で６４回合計して最大でも８０回のデータ比較を行えば凡その画像の変形の様子を掴む事が出来る。
通常このような変形の度合いが推定出来ない変形画像を検出する場合には、考えられる画像の変形情況を推測して多数の座標変換を行いパターンマッチングを採る必要があり、このような変形画像の検出に比べれば比較することが出来ない程高速なパターンマッチングが可能である。
分割する範囲を細分化すればより正確な検出も可能である。
以上は一例であるがこのように最小限のデータ比較の回数を追加することにより複雑な画像の検出も可能である。
【００９４】
本例では画像が拡大縮小さらには回転される可能性があることを前提に全サンプリングポイントを対象にして大きな範囲を範囲設定した場合の例で説明を行ったが、それぞれのサンプリングポイントに対して個別に一定の範囲を指定して検出をすることも出来る、この方法はデータとそのアドレス（位置）の不確かさを補完する上でも、同一もしくは類似するデータが連続して存在する場合に重要な意味を持ち、サンプリングポイント１３の位置やそのデータを元に類似画像の定義を行えば、同一画像、近似画像、変形画像、類似画像まで幅広く検出が可能となる。
【００９５】
この本発明のメモリ２１はこれまで説明の座標シフト方式（アドレスが比較する相対アドレスと一致）と座標範囲方式（アドレスが比較する座標の範囲内に存在）の２つの検出方法以外、例えば比較する座標の範囲外、等にもアドレススワップの応用が可能であり、いずれもアドレススワップ回路３４のアドレス比較データ２７のデータ設定のみで実現出来るのでこれらを一体にした構成とすることが可能であり、これらの画像検出方法を組合せすることにより、より様々な画像の検出を可能にする。
本例では説明を簡素化するためＲ、Ｇ、Ｂの色データをまとめて１つのアドレスのデータとする方法で説明したがＲ、Ｇ、Ｂのそれぞれのアドレスを独立させて比較する方法も容易に実現可能である。
【００９６】
この本発明のメモリ２１は並列にメモリデータを比較可能な基本構造のメモリ、例えば連想メモリ等に、アドレスのスワップ（交換）を行うための手段と、合格回数を記憶するカウンタと、一般的なプライオリティエンコーダで構成可能な極めてシンプルな構造であるので大容量化もし易い。
【００９７】
また本発明のメモリ２１は云うまでもなくデータとそのデータのアドレスの相互関係に基づく組合せ問題の探索（比較）回数を根本的に解決し、適正に選択されたサンプルであればサンプル数を上限とする最少のデータ比較回数を保証するディバイスであり、クラスタリングした類似特徴の座標相関による画像の検出や、その他の様々な情報の検出に応用することが可能である。
【００９８】
これまでの説明では、情報を繰返し絞り込みする場合で説明しているが、絞り込みを１次比較、２次比較だけとする単発の情報検出も可能であることは云うまでもない。
【００９９】
以上のように自らが情報検出可能なインテリジェンスな知識をもった本発明のメモリ２１を用いることが出来れば、情報検索時ＣＰＵやＧＰＵは入力データを与えその結果を読取るだけなのでその負担を大幅に軽減出来る。
極めて高速な情報検出が可能なのでメモリのサイズが不足する場合には、情報を分割して情報検出を実行してもよい。
【０１００】
この本発明のメモリ２１の毎回のデータ比較処理時間が、控え目にみた処理時間で仮に毎回平均１μ秒であっても、どの様なサイズの画像を対象としても数μ秒から長くても数百μ秒以内で目的とする情報を確実に検出することが可能になるので、動画像を対象とした１コマ（フレーム）上の情報を検出することも、検出したい既知の情報１が連続して大量にある場合にでも広く応用が可能となる。
云うまでもないが本発明のメモリ２１のメモリ３２をアクセスして逐次処理する通常のＣＰＵとのコラボレーション（併用）によりさらに高度な情報検出が可能となる。
【０１０１】
以上画像情報を中心に本発明の概要を説明してきたが、この情報検出の方法と本発明のメモリ２１は、一次元情報（音声等）や多次元空間として配列された情報の検出にも有効である。
【実施例８】
【０１０２】
図１２（アドレススワップ手段Ｃの例）は図６の二次元情報を、Ｘ、Ｙ、Ｚの３軸に拡大し、三次元空間に配列された情報の同一配列や類似配列を検出可能にする例であり、Ｎ次元空間とすることも可能である、情報検出の具体例は後述する。
【０１０３】
これまでの説明の情報絞り込み検出機能を備えたメモリ２１は、全てのメモリを対象に突破回数をカウント可能にし、その突破の回数で同一情報ならびに類似情報を連続して検出するものであったが、メモリ数が大規模な場合や回路構成をさらに簡素化する目的で突破回数カウンタ３５、ＯＲゲート３６、インヒビットゲート３７の回路数を削減することが出来る。
【実施例９】
【０１０４】
図１３（情報絞り込み検出回路の削減例）は図４、図５に示す本発明のメモリ２１の基本構想をもとに回路数を削減したもので、これまでの説明のように利用される突破回数カウンタ３５以降の回路の数は、通常の場合１次比較で出現する１次突破アドレス５６の数（これまでの説明では２００万アドレスで分解能４０９６通り、平均４８８アドレス）であることに着目しこれに見合う数量、例えば突破回数カウンタ３５以降の回路数をメモリ３２のアドレスの数量の、例えば１０００分の１や２０００分の１に削減、図ではＡからＸまでの出力に削減したものである。
【０１０５】
この場合カウンタは、図７で説明のそれぞれのアドレスグループの１突破アドレス５６を記憶しこのアドレスを読み出しが可能な構成のグループ別突破カウンタ５８とし、このカウンタ５８別に１次突破アドレス５６を読み出し出来る構成とすればよい。
このような構成とする場合にはアドレススワップ回路３４に簡単なアドレス演算プロセッサを搭載するなどしてアドレススワップを行ってもよい、このように演算プロセッサを利用してアドレススワップ（交換）の自由度を高めることによりさらに様々な手法の情報の絞り込みも期待できる。
【０１０６】
仮に１次突破アドレス５６の数が多くオーバフローする場合にはアラームを挙げて１次比較のサンプルを変更するなどすればよい。
【０１０７】
また回路数を削減する方法として、二重並列論理演算６０をメモリのバンク毎に切り替えて実施するなどの回路構成も可能である。
【０１０８】
全てのメモリを対象に合格回数をカウント可能な方式は１次突破アドレス５６の出現数の制限がなく理想であるが、このように情報絞り込み機能の回路構成を簡素化した、情報絞り込み検出機能を備えたメモリ２１であっても、これまでの説明の情報検出の方法で目的の情報を確実に検出することが可能である。
【０１０９】
以上のような構成とすることによりこの本発明のメモリ２１のメモリのアドレス数やそのｂｉｔ数、つまりメモリ容量に関しての自由度を増すことが出来る、また前述のごとく３値メモリとすることも可能である。
【０１１０】
図１４（多重化したデータとアドレスの二重並列論理演算の概念例）は、図４で説明の二重並列論理演算を多重化した例である。
図に示す通り、本発明のメモリ２１はメモリのデータを比較するための比較データとアドレスを比較するためのデータを２組と、二重並列合否判定回路を２組と、二重並列論理積演算回路を２組、をそれぞれ持っており論理積演算結果をさらに並列に論理和（ＯＲ）演算５９し出力をする構成になっている。
【０１１１】
このような構成も図５に示すメモリ２１の回路構成を応用することでも可能である。
このような構成にすることにより、２つのパターンを同時に検出することが出来る。
本例は多重化の一例であり、２組以外多数の組合せとすることも、演算を論理積（ＡＮＤ）や論理和（ＯＲ）以外、排他論理やその他任意の論理演算とすることが出来る。
検出する情報の種類や目的に応じてこのように多重化し、様々な論理演算の二重並列論理演算６０を使用することにより、より高度な情報の検出が可能になる。
【０１１２】
これまでの説明の図４、図１４等を総合して本発明のメモリ２１の構成をまとめると、
メモリアドレスごとに情報を記憶しその情報を読み出し可能なメモリであって
このメモリは、
外部から与えられる第１のデータは記憶されたこのメモリのデータを比較するためのデータ、第２のデータはこのメモリのアドレスを比較するためのデータ、の双方の入力データの入力手段と、
（１）第１のデータでメモリに記憶されたデータを並列に比較し合否判定する手段と
（２）第２のデータでメモリのアドレスを並列に比較し合否判定する手段と
（３）以上（１）、（２）双方の合否判定結果をさらに並列に論理演算するデータとアドレスの二重並列論理演算６０手段と
を具備することを特徴とする情報絞り込み検出機能を備えたメモリである。
【０１１３】
さらこのメモリの情報の絞り込みをシンプルな回路構成とするための一例として、
前記（１）の合否判定手段ならびに前記（３）の二重並列論理演算手段６０を、その演算結果が前記（１）の合否判定と前記（２）の合否判定との論理積（ＡＮＤ）と等価となる、等価二重並列論理積（ＡＮＤ）演算６１手段で構成したことを特徴とする請求項１の情報絞り込み検出機能を備えたメモリである。
【０１１４】
さらに図５、図１３等に示すようにこのメモリを連続繰返し二重並列論理演算６０するために
毎次の前記等価二重並列論理積（ＡＮＤ）演算６１手段の結果をメモリアドレスごとに計測するカウンタ３５手段と、
初回の前記比較は、前記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスの上記カウンタを１にカウントアップしこれを１次突破アドレス５６とする手段と、
以降の比較は、上記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスと、上記１次突破アドレスと、の双方のアドレスの位置関係を、前記第２のデータによって、前記等価二重並列論理積（ＡＮＤ）演算６１手段で演算し、この演算を突破した上記１次突破アドレスのカウンタをカウントアップしてＮ（２以上の整数）次突破アドレスとする手段と、
このＮ次突破アドレスのアドレスを出力する手段と、
を具備することを特徴とするメモリである。
【０１１５】
さらに前記等価二重並列論理積（ＡＮＤ）演算６１手段は前記第２のデータであるアドレスを比較するためのデータにもとづくアドレスのスワップ（交換）手段によって繰返し実施することを特徴とするメモリである。
【０１１６】
さらに前記第２のデータであるアドレスを比較するためのデータは、前記１次突破アドレスを基準とし、
（１）比較対象のアドレスが相対アドレスに一致するか否かの比較データ
（２）比較対象のアドレスが比較する範囲の内外に存在するか否かの比較データ
以上（１）（２）のいずれかもしくは双方であることを特徴とするメモリである。
【０１１７】
さらにこのメモリは、絞り込みのための回路の削減や二重並列論理演算６０を多重化することも、論理演算を論理積や論理和のみならず様々な論理演算のデータとアドレスの二重並列論理演算６０をすることが可能なメモリである。
【０１１８】
以上で本発明のメモリ２１のそのものの説明を終えて、以下に一次元、多次元空間の情報検出の例を説明する。
【実施例１０】
【０１１９】
図１５（アドレス一次元配列の情報検出例）は、例えば横軸を時間軸としてアドレスに対応させ景気動向や株価、気温などのデータを縦軸に表示したものであり、サンプルとして与えられた既知の情報のデータを基に未知の情報である、過去の膨大なデータベースの中から情報検出を行ったものである、このような情報検出は、メモリアドレスを時間軸に関連付けるように配列記憶されたデータにより極めて簡単に行うことが出来る。
【０１２０】
時間軸を対象とした情報検出のもう一例として音声の場合には圧縮前のサンプリング時間とこの時間に対応した音声データや圧縮音声データのＡＡＵ（オーデオ復号単位）毎の音声データをもとにして情報検出が可能である。
３値データの比較が可能な本発明のメモリ２１の一例として人の声などのスペクトラムの帯域をクラス化してクラス別にデータ化して、１時刻、１アドレス分のデータとすれば極めて簡単に時系列配列が作成出来る。
これを元にテンプレート音源などと類似パターン認識すればよく極めて高速な音声認識が可能となり、様々な音声認識の分野に利用することが可能である。
【０１２１】
またこのような一次元配列情報の検出は多大な情報処理を必要とするＤＮＡ配列、ゲノムの４つの塩基配列の組合せ解析を高速に実施する上で極めて有効である。
同様に文字列の配列による解析も同様である。
【実施例１１】
【０１２２】
図１６（アドレス三次元配列の情報検出例）は三次元空間に配列された情報を検出する場合の例を示したものである。
図に示すように三次元空間に配列される特定のパターンをこれまで説明の内容と同様な方法で検出したイメージである。
【０１２３】
云うまでもなく三次元空間は我々が存在する実空間を表現出来るので、三次元空間の位置とそのデータが定量化出来る全ての三次元情報に適応可能である、さらに時間軸を加えた時空間情報など多次元情報に展開することも可能である。
【０１２４】
このような三次元空間の情報検出は原子や分子レベルから宇宙空間のあらゆる配置関係の解析に利用可能である。
【０１２５】
特に高速な検出が可能であるのでリアルタイム処理が必要なロボットを対象として、例えば動きの速い物体などを対象として多数のテンプレート画面と比較を行うような立体パターン認識、立体物体認識や物体移動追跡など用途は無限である。
【０１２６】
いずれの場合もメモリアドレスと、Ｘ、Ｙ、Ｚ、３軸を対応付けするようデータをアドレス配列記憶することにより容易に実現可能であり、同一情報はもとより画像の検出で説明の近似情報や類似情報の検出も可能であることは云うまでもない。
【０１２７】
以上の説明は一次元から多次元までの空間を対象として既にアドレス配置された情報もしくはアドレス配列可能な情報のパターン認識を行ったものであるが、一例としてアドレスをクラスタリングされた情報グループに分類するなどしてこれを情報検出するなどアドレスとデータの配列を工夫することにより、これまでのアルゴリズムを駆使した情報検出を併用することも可能である。
【０１２８】
以上が一次元から多次元までの情報を検出する場合の概要であるが、本発明のメモリ２１の特徴をまとめると次の通りである。
【０１２９】
本発明のメモリ２１を使用した情報の検出は１アドレスとそのデータを検出の単位とし、入力データの設定方法により、特に厳密で正確な同一情報の検出から近似情報、変形情報、類似情報など幅広い情報を高速で確実に検出することが出来る。
【０１３０】
情報検出のためのサンプリング数もサンプリングポイントの選び方も統計的手法で評価可能でサンプリングを自動化することも可能であるのでサンプリング数の無駄も省け、検出時間を理に適った合理的な時間とすることが出来る、また１アドレス（座標）毎にサンプルポイント設定が出来るのも特徴の１つである。
【０１３１】
未知の情報上に対象となる情報がない場合の検出打ち切りが極めて速いことも特筆できる。
【０１３２】
この検出方法は一定の条件を満たせば互いの情報の大きさ（サイズ）に制約がないのであらゆる情報に適応可能であり、本発明のメモリ２１のメモリのサイズに合わせて情報を分割処理することも可能である。
【０１３３】
一次元情報から多次元情報、その他の情報が混在し記憶されたメモリからでも目的とするパターンの認識をすることも可能である。
【０１３４】
また本方式は、未知の情報を適切にアドレス配置し本発明のメモリ２１に記憶させれば、サンプルポイント以外、他のパターン認識で行われるような情報の加工、特徴抽出やクラス化などのデータの前処理が必要ないことも大きな特徴である。
【０１３５】
さらに本方式はアルゴリズムの開発など情報検出の実施前の時間が不要となるのも大きな特徴であり検出方法（比較条件の設定）も極めてシンプルな構成である。
従がってシステム試験時のカット＆トライ的な調整も不要で、設定通りの検出方法で期待する情報を確実に検出してくれる、従がって特段情報検出の専門家でなくても本方式を利用して様々な情報検出のアプリケーションに広く利用することが出来る。
【０１３６】
これまでの説明では既知の情報１があることを前提としてこれからサンプルを採取して情報を検出することを中心に説明してきたが、人の判断や推測に基づき入力データ２５を設定し情報解析することも重要である。
【０１３７】
このような場合、最初の入力データ２５である、１次比較データは検出の結果を左右するので、複数の比較データとするか、入力データに範囲を持させ検出を行い、この１次比較の結果により徐々に範囲を限定する方法で解析を行えばよい。
このような解析は天文、気象、物理、化学、経済などのあらゆる分野の情報予測などデータ解析の時間とその労力を大幅に軽減するものである。
【０１３８】
この本発明の情報絞り込み機能を備えたメモリ２１は、ノイマン型コンピュータの宿命であるメモリの逐次処理を排除し、メモリ自身がインテリジェンスな知識を備えて情報検出を行うものであり、これまでのメモリの常識を大きく打ち破るものである。
従がって従来から研究され利用されている画像認識、音声認識、ＯＣＲ文字認識、全文検索、指紋認証、虹彩認証、ロボットの人工知能のパターン認識に利用されるのみでなく、天候、景気、株価、分子構造、ＤＮＡ、ゲノム、文字配列、などの解析はもとより、新たな情報の発見（情報予測）や、社会インフラから産業用設備、工業用設備、家庭用装置はもとより、これまで対象とされることのなかった未知の分野の情報検出にも幅広く利用することが可能である。
【実施例１２】
【０１３９】
この本発明の情報絞り込み機能を備えたメモリ２１は、様々な情報の検出を必要とする人工知能のエンジンとして知識処理に利用することも可能である。
例えば本発明のメモリ２１を人の脳の大脳や小脳、さらには右脳や左脳などに当てはめ並列さらには階層状に複数配列して、それぞれにテンプレートとして、物体の認識の情報、人物認識の情報、文字の認識の情報、音声認識の情報、味覚の情報、触覚の情報、など様々な種類の情報を記憶させておき、リアルタイムで与えられた周囲の画像や音声さらには様々なセンサの情報と比較することにより、人の認識能力と同様に様々な情報を同時に識別し、その情報の中で最適な行動を選択し実行するような極めて高度な知識処理に利用することも可能であり、利用の仕方は無限である。
図１７（本発明のメモリを用いた高度な知識処理の例）は以上説明の知識情報を本発明のメモリ２１に記憶し知識処理を行う実施例であり、最適な行動の結果をもとにメモリ２１を更新することによって学習効果も容易に実現可能である。
【産業上の利用可能性】
【０１４０】
本発明のメモリ２１はこれまで従来型のメモリの概念を超越し、用途は極めて広範囲であり、情報処理の新しい流れを築くものである。
【０１４１】
本発明のメモリ２１は、連想メモリ以外、ＡＳＩC（Ａｐｐｌｉｃａｔｉｏｎ
Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）によって一般的なＲＡＭやＲＯＭ構成のメモリとしても実現可能であり、セルベースＣＰＵに組込むことも、ＣＣＤセンサに直接組込むことも、本発明のメモリ２１を独自専用構造のメモリ構成とすることも、新しいタイプの半導体で構成することも、他の機能を付与することも自由である。
【０１４２】
将来においては以上のような半導体によるメモリ以外に、現在研究途上の光素子や磁気素子、ジョセフソン素子など新しい素子による本発明のメモリも期待が持てる。
【符号の説明】
【０１４３】
１．既知の情報
２．未知の情報
３．アドレス
４．アドレスのデータ
１１．ピクセル
１２．座標のデータ
１３．サンプリングポイント
１４．比較順序
１５．量子化データ
２１．情報絞り込み検出機能を備えたメモリ
２２．アドレスバス
２３．データバス
２４．出力バス
２５．入力データ
２６．メモリ比較データ
２７．アドレス比較データ
２８．リセット信号
２９．比較回数カウンタ
３１．アドレスデコーダ
３２．メモリ
３３．データ比較回路
３４．アドレススワップ回路
３５．突破回数カウンタ
３６．ＯＲゲート
３７．インヒビットゲート
３８．突破アドレス出力処理回路
４１．アドレススワップ前合格出力
４２．アドレススワップ後合格出力
４３．比較回数信号
４４．カスケード接続
５１．相対アドレス比較データ
５２．アドレス範囲比較データ
５３．並列処理
５４．二重並列合否判定
５５．論理積（ＡＮＤ）演算
５６．１次突破アドレス
５７．Ｎ次突破アドレス
５８．グループ別突破カウンタ
５９．論理和（ＯＲ）演算
６０．二重並列論理演算
６１．等価二重並列論理積（ＡＮＤ）演算
【技術分野】
【０００１】
本発明は情報絞り込み検出機能を備えたメモリ、その使用方法、このメモリを使用した装置、人工知能に関する。
【背景技術】
【０００２】
情報がデータ化され手軽に利用することが可能な時代において、この莫大な情報データの中から適切な情報を検出し利用するには様々な課題が残されている。
とりわけ画像認識、音声認識、ＯＣＲ文字認識、全文検索、指紋等の生体認証などに代表される情報検出に共通し基礎となる技術は、情報の中から一致や類似する情報（パターン）を検出もしくは解析するパターン認識技術であり、社会インフラ設備、産業用設備、工場設備からデジタルカメラや家電商品、さらには最新のロボットや人工知能等あらゆる分野に利用されており高度な情報処理に不可欠な存在である。
【０００３】
しかしながらパターン認識を一例とする情報検出の技術上の最大の課題は、情報の比較の際の比較組合せ回数（検索回数）であり、通常対象となる情報に最適なアルゴリズムを見出し組合せ比較回数（検索回数）の削減をするなり、対象とする情報の内容によってはスパコンなど高速な演算処理マシーンを利用して答えを見つけ出すなり、場合によっては検出の精度を犠牲にする必要もあった。
【０００４】
本発明は以上のようなパターン認識や情報検出技術の永年の課題である情報検出の精度を保証し比較組合せ回数（検索回数、検索時間）を極限まで低減させる事の可能なメモリの実現とその利用方法であり、同一出願人、同一発明者の平成２２年２月１８日出願、特願２０１０−３３３７６、情報処理装置の情報の共通管理方法、情報の検出方法、データおよびアドレスの相対関係一括並列比較連想メモリ、情報を共通管理する機能を有する情報処理装置、そのソフトウエアプログラム、におけるデータおよびアドレスの相対関係一括並列比較連想メモリ、に関連する全項目を本出願に対し優先権主張するものである。
【０００５】
同じく平成２２年３月４日出願の特願２０１０−４７２１５、情報絞り込み検出機能を備えた半導体集積回路、その使用法、この半導体集積回路を使用した装置、は上記特願２０１０−３３３７６を、独立した発明とし、情報絞り込み検出機能を備えた半導体集積回路、と発明の名称の表現を変更し、本発明の最大の特徴である二重並列の合否判定結果の論理演算の考え方を明らかにしたものである、また検出する情報の範囲を二次元の画像のみならず一次元から多次元までの情報に拡大したものであり、この出願全体を本出願に対し優先権を主張するものである。
【０００６】
本出願は、情報絞り込み検出機能を備えたメモリ、とより発明の名称の表現を明確にするとともに、以上２つの先願を統合し、上記特願２０１０−４７２１５に主として、情報絞り込み回路数を削減するための手段、二重並列論理演算の多重化手段、さらには人工知能への応用などを一例とするこのメモリの使用方法を追加し、説明不足を補い、一部の表現方法を変更したものである。
【０００７】
先に説明のようにパターン認識やパターンマッチングを一例とする情報検出の技術は極めて幅が広く、その検索時間の短縮に係る発明は膨大な数であるが、本発明のように検出時間を短縮するために、ノイマン型コンピュータの宿命である個別メモリの逐次処理を本質的に回避するための手法やそのメモリの例は見当たらない。
参考までであるが特開平７−１１４５７７、データ検索装置、データ圧縮装置及び方法、は隣り合った情報同士の比較により情報を繰返し検索するための手法が示されているが、本出願の発明は隣り合った情報同士の比較のみならず、全メモリの情報を対象にデータの内容とそのアドレスの位置関係を二重並列に比較するものである。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開平７−１１４５７７
【発明の概要】
【発明が解決しようとする課題】
【０００９】
本発明が解決しようとする課題は、
一次元から多次元でアドレス配列された情報もしくは配列可能な情報を対象にして、検出される情報（未知の情報）と、検出の基準になる情報（既知の情報）と、の互いの情報の複数のアドレスの、そのデータと、そのアドレスと、の双方の関係が条件に合格することをもって、未知の情報の内から既知の情報と同一情報もしくは類似情報と判定するようなパターン認識や知識処理などの情報検出において、検出の精度を保証し、データの比較回数を極限まで削減し、メモリ自身が上記情報の検出を可能する非ノイマン型の情報検出メモリの実現とその使用方法を確立することである。
【課題を解決するための手段】
【００１０】
以上のような課題を解決するために、
請求項１では
メモリアドレスごとに情報を記憶しその情報を読み出し可能なメモリであって
このメモリは、
外部から与えられる第１のデータは記憶されたこのメモリのデータを比較するためのデータ、第２のデータはこのメモリのアドレスを比較するためのデータ、の双方の入力データの入力手段と、
（１）第１のデータでメモリに記憶されたデータを並列に比較し合否判定する手段と
（２）第２のデータでメモリのアドレスを並列に比較し合否判定する手段と
（３）以上（１）、（２）双方の合否判定結果をさらに並列に論理演算するデータとアドレスの二重並列論理演算手段と
を具備することを特徴とする。
請求項２では
前記（１）の合否判定手段ならびに前記（３）の二重並列論理演算手段を、その演算結果が前記（１）の合否判定と前記（２）の合否判定との論理積（ＡＮＤ）と等価となる、等価二重並列論理積（ＡＮＤ）演算手段で構成したことを特徴とする。
請求項３では
前記メモリは、
毎次の前記等価二重並列論理積（ＡＮＤ）演算手段の結果をメモリアドレスごとに計測するカウンタ手段と、
初回の前記比較は、前記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスの上記カウンタを１にカウントアップしこれを１次突破アドレスとする手段と、
以降の比較は、上記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスと、上記１次突破アドレスと、の双方のアドレスの位置関係を、前記第２のデータによって、前記等価二重並列論理積（ＡＮＤ）演算手段で演算し、この演算を突破した上記１次突破アドレスのカウンタをカウントアップしてＮ（２以上の整数）次突破アドレスとする手段と、
このＮ次突破アドレスのアドレスを出力する手段と、
を具備することを特徴とする。
請求項４では
前記等価二重並列論理積（ＡＮＤ）演算手段は前記第２のデータであるアドレスを比較するためのデータにもとづくアドレスのスワップ（交換）手段によって繰返し実施することを特徴とする。
請求項５では
前記第２のデータであるアドレスを比較するためのデータは、前記１次突破アドレスを基準とし、
（１）比較対象のアドレスが相対アドレスに一致するか否かの比較データ
（２）比較対象のアドレスが比較する範囲の内外に存在するか否かの比較データ
以上（１）（２）のいずれかもしくは双方であることを特徴とする。
請求項６では
前記メモリは
（１）音声情報を一例とする一次元情報として記憶されたもしくは記憶可能な情報
（２）画像情報を一例とする二次元情報として記憶されたもしくは記憶可能な情報
（３）立体情報を一例とする三次元情報として記憶されたもしくは記憶可能な情報
（４）時空間情報を一例とする多次元情報として記憶されたもしくは記憶可能な情報
（５）クラスタリング情報を一例とする情報をアドレスのグループ別に記憶されたもしくは記憶可能な情報
以上（１）から（５）の少なくとも１つの情報の検出を対象とするメモリ構成であることを特徴とする。
請求項７では
前記第１のデータである記憶されたメモリのデータを比較するためのデータは
（１）メモリデータの一致
（２）メモリデータの大小
（３）メモリｂｉｔ個別のＤｏｎ‘ｔ Ｃａｒｅを含む比較
以上（１）から（３）の少なくとも１つであることを特徴とする。
請求項８では
前記第１のデータ、第２のデータは
（１）データバス
（２）専用入力
以上（１）（２）のいずれかもしくは双方により入力されることを特徴とする。
請求項９では
前記Ｎ次突破アドレスのアドレスを出力する手段は
（１）データバス
（２）専用出力
以上（１）（２）のいずれかもしくは双方により出力されることを特徴とする。
請求項１０では
前記カウンタ手段に１次突破アドレスを記憶する手段を付加することにより、カウンタ手段の回路数量を確率的に出現する１次突破アドレスの数量に見合う回路数量に削減したことを特徴とする。
請求項１１では
前記アドレスのスワップ（交換）手段にプロセッサを用いることを特徴とする。
請求項１２では
前記二重並列論理演算をメモリのバンク毎に切り替え実施することを特徴とする。
請求項１３では
複数の前記第１のデータならびに第２のデータの入力手段と、
複数の前記二重並列論理演算手段と、を具備することを特徴とする。
請求項１４では
前記メモリはＣＰＵを一例とする他の目的の半導体に組込まれ使用されることを特徴とする。
請求項１５では
検出される情報（未知の情報）と、検出の基準になる情報（既知の情報）と、の互いの情報の複数のアドレスの、そのデータと、そのアドレスと、の双方が必要回数の比較条件に合格することをもって、未知の情報の内から既知の情報と同一もしくは類似の情報を検出することをもって、情報とその情報の位置を検出することを目的として
既知の情報を前記第１のデータと第２のデータとすることにより、請求項１記載のメモリに記憶された未知の情報を比較し、未知の情報の内から既知の情報と同一もしくは類似する情報とそのアドレスを、前記Ｎ次突破アドレスを読み出すことにより検出することを特徴とする。
請求項１６では
前記検出の基準になる情報（既知の情報）の内から、統計確率にもとづき前記同一情報もしくは類似情報を判定するに必要十分な複数個数のサンプルを抽出し、これを前記第１のデータと、第２のデータと、として比較条件とすることにより、同一情報もしくは類似情報を判定するために必要な前記比較回数を上記サンプル数以内とすることを特徴とする。
請求項１７では
前記サンプルを抽出する際、隣接するサンプル間のデータの相互のデータの差の絶対値を求め、これを集計することにより得られるサンプル特徴量を基準値以上として情報検出をすることを特徴とする。
請求項１８では
請求項３記載のアドレスの位置関係は
（１）前記一次元情報として配列記憶されたアドレス配列上の位置関係
（２）前記二次元情報として配列記憶されたアドレス配列上の位置関係
（３）前記三次元情報として配列記憶されたアドレス配列上の位置関係
（４）前記多次元情報として配列記憶されたアドレス配列上の位置関係
以上（１）から（４）の少なくとも１つの位置関係であり、このアドレスの位置関係を用いてパターン認識をすることを特徴とする。
請求項１９では
前記１次突破アドレスとなる最初の比較サンプルを複数種類のサンプルとする、もしくは一定の範囲を持させ検出を行うことを特徴とする。
請求項２０では
前記情報絞り込み検出機能を備えたメモリをアクセスしデータの読み出し書込みが可能なＣＰＵを併用することを特徴とする。
請求項２１では
前記情報絞り込み検出機能を備えたメモリに知識情報を記憶させ知識処理をすることを特徴とする。
請求項２２では
前記情報絞り込み検出機能を備えたメモリを使用したことを特徴とする装置。
請求項２３では
前記情報絞り込み検出機能を備えたメモリを使用したことを特徴とする人工知能。
としている。
【発明の効果】
【００１１】
インテリジェンスな知識をもったメモリとして利用することが可能で、あらゆる情報の同一性ならびに類似性を確実でかつ高速に検出もしくは解析することのみならず、情報予測の分野や高度な知識処理にも幅広く利用可能で、本格的な非ノイマン型情報処理による新しい情報処理の流れが期待できる。
【図面の簡単な説明】
【００１２】
【図１】図１はサンプリングポイントの例である（実施例１）
【図２】図２はサンプリングポイントによる情報検出実施例である（実施例２）
【図３】図３はサンプリングポイントの評価方法例である（実施例３）
【図４】図４はデータおよびアドレスの二重並列論理演算の概念例である
【図５】図５は情報絞り込み検出機能を備えたメモリ例である（実施例４）
【図６】図６はアドレススワップ手段Ａの例である（実施例５）
【図７】図７はアドレススワップのイメージＡである
【図８】図８はアドレススワップのイメージＢである
【図９】図９はアドレススワップのイメージＣである
【図１０】図１０は変形画像の検出の概念である（実施例６）
【図１１】図１１はアドレススワップ手段Ｂの例である（実施例７）
【図１２】図１２はアドレススワップ手段Ｃの例である（実施例８）
【図１３】図１３は情報絞り込み検出回路の削減例である（実施例９）
【図１４】図１４は多重化したデータとアドレスの二重並列論理演算の概念例である
【図１５】図１５はアドレス一次元配列の情報検出例である（実施例１０）
【図１６】図１６はアドレス三次元配列の情報検出例である（実施例１１）
【図１７】図１７は本発明のメモリを用いた高度な知識処理の例である（実施例１２）
【発明を実施するための形態】
【００１３】
先ず本発明の情報検出の概念を、二次元情報である画像を例にして説明する。
【００１４】
通常検出対象の画像（未知の情報２）と、検出の基準の画像（既知の情報１）と、で画像の同一性を検出する場合、検出の基準となる画像（既知の情報１）から採取される何らかの画像情報をもとに、未知の検出対象の画像を総当たり方式で検索するのが基本になり、その精度を求める場合には画像の座標毎であることが必要となる。
【００１５】
検索に掛る時間の一例としてパーソナルコンピュータやデジタルテレビジョン信号によるテレビ画面の特定ピクセルを対象として、表示されている画像上から特定データを探し出す場合、２００万ピクセル程度がその対象となる。
一旦この全画面のビットマップデータをグラフィックメモリから検索用メモリにデータ展開し、仮に展開したデータの全範囲を、ＣＰＵが１ピクセル当たり平均５０ｎ秒で、特定のデータを探し出すなど単純な検索をさせる場合、初回の全グラフィック範囲（全画面範囲）の検索は２００万×５０ｎ秒＝１００ｍ秒となり、通常、２回目以降は検索対象が絞られるため検索時間は短くなるものの目的の画像を特定するのに数百ｍ秒程度は必要になる、従がって１画面上で大量な画像を検索する必要がある場合は如何に高速な処理を行っても検索時間を無視することが出来なくなる。
【００１６】
さらに以上の説明は完全に同一画像の場合であるが、仮に画像のサイズの変更や回転がある場合には、座標変換の演算を繰返し実施する必要があるので処理時間は以上の数百倍から数千倍、さらに必要になる場合もあり、このような検索は実現困難である。
以上はメモリのアドレス毎のＣＰＵ逐次検索を必要とするノイマン型コンピュータによる情報検出の宿命である。
【００１７】
以上のような検索時間の技術的背景から現在の検索の主流は画像の特徴を抽出した特徴データのクラスタリングによる画像同士の類似性を対象とする検索となっており、最近のデジタルカメラの顔認識やスマイル認識を始め音声認識などに幅広く利用されている。
しかしながら検出の精度や検索の時間、検出出来る情報など検索の能力はこれらの特徴抽出の手法やクラスタリングの手法次第で大きく左右される。
また画像の検索の利用分野においては、誤認率が致命的である場合も多く類似性よりも同一性を求める画像の検索のニーズも少なくない。
【００１８】
以上のように、画像検索の確実性を追求し、さらに時間短縮と云う、テーマは互いに矛盾し相容れないものであるが、先ずは画像検索における確実な同一画像の検出について説明する。
【００１９】
以上の説明のように本発明は確実性を求めて、原則的に１座標（アドレス）を対象として情報の検出を行うものであり、以下にこれを実現する上で切り離すことの出来ない情報の種類とその分解能について説明する。
【００２０】
画像の情報は様々な種類が存在するが、ここでは大きく２種の画像情報データを例に説明する。
【００２１】
その第１は、表示されている画像のフレームバッファ（グラフィックメモリ）からのデータを画像情報とする場合で通常、カラーの場合Ｒ、Ｇ、Ｂ、１６ｂｉｔから３２ｂｉｔのデータ深度で情報を持っている。
このＲ、Ｇ、Ｂ、色信号をそのまま利用することも可能であるが、効果的な画像の検出の一例として、通常パソコンや映像装置のフレームバッファの２００万ピクセル程度を対象にして、Ｒ、Ｇ、Ｂ、各４ｂｉｔ（１６通りの組合せ３組）を採取して１つのピクセルデータとすることにより、どの様な色彩の画像であっても精度よく画像を検出することが出来る。
この場合、この色の組合せは１２ｂｉｔ、４０９６通りの組合せであり、画面上の色がばらついている場合、１つの色が画面上に存在する確率は２００万／４０９６≒４８８ピクセル（アドレス）である。
【００２２】
その第２は、一例としてＪＰＥＧ（Ｊｏｉｎｔ Ｐｈｏｔｏｇｒａｐｈｉｃ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）やＭＰＥＧ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）その他多くの圧縮された画像データの１ブロック（一例として８×８ピクセル）を１座標とし、そのブロックの輝度や色差信号のＤＴＣ（離散コサイン変換）のＤＣ（直流）成分データをその座標のそのデータとしてそのまま利用することやその他の情報、例えばベクトル情報を利用することも可能である。
このＤＣＴの場合はブロック単位であるのでピクセルに比較して大幅（一例として１／６４）に座標の数（アドレス）を減らすことが出来る。
【００２３】
云うまでもなくどちらの場合でも分解能が高いに越したことはないが、メモリ容量が大きくなるので、以上のような量子化データ１５のＬＳＢ側から必要なｂｉｔ数を選び画像情報データとすればよい。
以降以上説明のピクセルを対象とし、２００万ピクセル（アドレス）で１２ｂｉｔ、４０９６通りのＲ、Ｇ、Ｂ、の組合せデータによる画像データを画像情報とし、これを検出する場合の例で説明する。
【実施例１】
【００２４】
図１（サンプリングポイントの例）は検出基準になる画像（既知の情報１）のサンプリングポイント１３を示したものである。
検出基準画像Ａは比較的サイズの小さい画像を対象とし、検出の基準になる画像（既知の情報１）の領域上に座標ｙ０、ｘ０を中心として、上下左右等間隔に合計２５個の座標をサンプリングポイント１３として自動配列した場合であり、この場合ＸＹ軸ともに各３３ピクセル１１、合計１０８９ピクセル１１を対象としたものである。
検出基準の画像のサイズを大きくすることも全く問題ない。
【００２５】
図に示す１から２５の数字は比較順序１４を示すもので、本例では中心から遠いサンプリングポイント１３から近いサンプリングポイント１３を対角順に検出するよう設定されているが、配列や比較順序１４はこれに限るものではない、これについての詳細は後述する。
【００２６】
検出基準画像Ｂは以上説明の等間隔に配列することなく、検出基準の画像に対応させて１から２２までのサンプリングポイント１３を手動で設定した場合の例である、このように手動でサンプリングポイント１３を設定し検出する方法は人間の特徴認識能力の高さを利用するものであり、特徴的なポイントや特徴的な範囲を指定して他のピクセルとの差別化をするのに有効である。
【００２７】
このように画像検出の確実性を求めるために１座標を検出の単位とする検出方法であることによって１座標毎にサンプルポイント設定が出来るのも、一定領域をまとめて特徴サンプルとすることの多い他の検索、検出方式では実現できない本方式の特徴の１つでもある。
【実施例２】
【００２８】
図２（サンプリングポイントによる情報検出実施例）は先に説明の図１の検出基準画像Ａを検出の基準の画像として、画像の検出を実施した場合の説明である。
検出の基準になる画像（既知の情報１）と、検出の対象になる画像（未知の情報２）を同一画像上に表現しているが、実際には別の画像の場合が殆どであるが、説明の関係上同一画面で表現している。
図に示すグループＡは１次比較では一致したが２次比較でＮＧとなった場合である、グループＢは１１次比較でＮＧ、グループＣは２２次比較でＮＧ、グループＤは全部のサンプリングポイント１３が一致した場合である、これらの検出は先に説明の座標のデータ１２、をアドレス毎に読取り相互に比較すればよい。
この図ではグループＡからグループＥは位置的に完全に分離された画像領域で説明されているが画像の場合、通常同一データである座標が隣接もしくは集中し、分解能が低い程その傾向は顕著であるが互いの相対位置関係を正しく比較すれば問題ない。
【００２９】
この場合、確率上グループＤの領域は基準となる画面と同一画像であると判断することも十分可能であるが、サンプリングポイント１３に加えて互いの画像の全てのピクセル同士の一致を念押し確認することにより、類似の画像を排除し完全に同じ画像であることを保証することが可能となる、この方法は対象となる画像のサイズが比較的小さい場合の検出に最適である。
【００３０】
以上のような検証方法を活用することにより、グループＥのようなサンプリングポイント１３が部分的に集中して不一致となるような場合には、この一致する画像の部分を一部の画像に変化が加えられた変形画像と判断することも出来る、またグループＣのような場合は類似画像と判断することも出来る、これらについては後述する。
【００３１】
以上のように先ずどこかサンプリングポイント１３の１座標を基準として、以降の座標のデータとの相対位置の判定を行い相対位置に矛盾のない座標を候補座標として残す方法はパターン認識など情報検索の常套手段であり、これらの組合せ的な検索を効率的に実施し、画像（情報）を超高速で検出する方法とディバイスが本発明の趣旨であり、この詳細に関しては後述する。
【００３２】
以上の説明の画像の検出方法で特に重要な事は、サンプリングポイント１３の選択方法で、１つは一定の画像データの範囲と、もう１つは画像データの変化の度合いである。
例えば変化のない黒画像部分や白画像部分や変化の少ない画像、もしくは例えば文字情報のみの画像など特徴の少ない画像を指定した場合などでは、当該画像の検出が困難になる。
【００３３】
以下に画像の検出の有効性、信頼性に深い関係があるサンプリングポイント１３についての考え方を示す。
画像上の１座標を基準にすると、この座標に隣接する座標は基準座標と同一もしくは近似する量子化データ１５となる確率、つまり相関性が高くなり、座標が離れることにより相関性は低くなる、従がって図１のサンプルのように、毎回遠いサンプリングポイント１３から順次確認する方がダメ出しが速く効率的な検出となる確率が高い。
【００３４】
従がって完全に分散化された複数のサンプリングポイント全体による同一座標群の存在確率は、これらのサンプリングポイント１３のデータのｂｉｔ数に、サンプリングポイント１３の数が積算された指数になる。
【００３５】
例えば、先に説明の１座標がＲ、Ｇ、Ｂ、各４ｂｉｔ構成の場合、組合せ数は２の１２乗（４Ｋ通り）であるが、サンプリングポイント１３が１０個所であれば２の１２０乗の組合せ数、実動作上、無限大に相当する確率組合せとなり、特徴の少ない単調な画像同士でなければこれらの全てのサンプリングポイント１３が全て一致すれば同一画像と判断して良い。
【００３６】
しかしながら、限られた狭い範囲の画像を対象とする場合や、文字などの白黒画像も対象となるので、以上のように完全に分散化されたサンプリングポイント１３を採ることは出来ない。
【００３７】
従がって以下に説明するサンプリングポイント１３の識別能力評価を行い、アラームを挙げるなり、画像領域を拡大するなり、サンプリングポイント１３を追加するなど適切な対策を採ればよい。
【実施例３】
【００３８】
図３（サンプリングポイントの評価方法例）は図１の検出基準画像Ａの場合のこのサンプリングポイント１３の識別能力を評価する例であり、座標１を検出基準座標として最後は座標２５までの合計２５個のサンプリングポイント１３に対し隣接する４つのサンプリングポイント１３を１組とするＡからＰまでの合計１６組の隣接サンプリングポイント群を現したものである。
【００３９】
一例としてＡ群には２、１０、１４、１８の４つのサンプリングポイント１３が含まれ、Ｂ群には１０、６、１８、２２の４つのサンプリングポイント１３が含まれ、以下同様である。
この時、Ａ群からＰ群のそれぞれの４つのサンプリングポイント１３は、それぞれの群の中で輝度情報や色情報のいずれにおいても座標のデータ１２に違いがある事が特徴の大きさ、つまりサンプル特徴量の大きさにつながるので、この４サンプルから２つを採る組合せの６つの組合せ、２−１０、２−１４、２−１８、１０−１４、１０−１８、１４−１８により、そのデータの差分量の絶対値を求めこの６つの組合せの合計と全体（１６群）の集計を採ることにより、当該群の特徴量の基準値とすることが出来る。
本例のようにＲ、Ｇ、Ｂ、の複合されたデータの場合、各独立して評価すればよい。
また同一サンプル数の場合の識別能力の把握の場合には、Ａ群からＰ群のそれぞれの特徴量を合計し１６群で除した平均特徴量が特徴量の大きさの尺度（基準値）として利用することが出来る。
【００４０】
云うまでもなくこのサンプルの特徴量が少なければサンプリングポイント１３としての識別能力に影響が出るため、検出の基準画像を指定しその画像領域を決定する際、基準値以上の値となるよう、必要によりサンプリングポイント１３の数を増やすことや画像の領域を増やすなど調整すればよい、当然反対の場合も可能であり、このサンプリングポイント１３の評価方法は画像の検出の検索処理数（時間）を理に適った合理的な検索処理数（時間）とする上で重要である。
以上は手動でサンプリングポイント１３を決める際にももちろん有効である。
本例は二次元情報を対象に識別能力を評価した一例であるが一次元から多次元まで隣接するサンプルとそのデータの差分を採ることによる考え方で特徴量を判定することが出来る。
さらに対象となる情報の種類によって、その情報の特徴からサンプルの基準を独自に定め判定すればさらに確実な情報の検出が可能になる。
【００４１】
これまで本発明を実現するにあって不可欠となる確実性を追求した情報の検出について二次元情報の画像を対象に説明してきたがこの考え方の基本的な内容は他の次元の情報に対しても共通である。
【００４２】
ここで本発明を実現するためのメモリに記憶する情報の配列について説明する。
一次元配列の情報はメモリアドレス上に連続的に記憶された情報であり、二次元
の情報は図１の１からｎまでのアドレス３のようにそれぞれの次元の最大座標数を配列基本条件としテーブル変換され一次元のメモリアドレス配列として連続して記憶された情報、もしくは記憶可能な情報であり、メモリのデータサイズならびにメモリ容量はそれぞれの目的にあったメモリ構成である。
三次元、さらには多次元の情報をメモリアドレス上に記憶する場合も同様に、これらの情報はそれぞれの次元の最大座標数を配列基本条件としテーブル変換された上記同様の情報であり、メモリ構成も同様である。
【００４３】
従がってこの情報は、それぞれの次元に対応する座標データが与えられれば、配列基本条件である各次元の最大座標数をもとに与えられた座標データに対応するアドレスが特定可能であり、座標の相対位置や座標の範囲も同様に特定可能である。
もちろん、高次元の情報でも対象とするアドレスが直接分かる場合は直接そのアドレスや相対アドレスで指定することが出来る。
以上は確認のため、念のため記載したものであり、このアドレス配列方法は通常行われている一般的な情報の配列方法で、この一般的なメモリに対する情報の配列方法が本発明を実現する上での基本情報配列であるので極めて利用し易い。
【００４４】
以降これまでの考え方にもとづく、本発明の情報絞り込み検出機能を備えたメモリ２１を連想メモリに適応した場合について説明する。
【００４５】
連想メモリはキャッシュメモリや通信データ処理など、情報処理装置の中で特に重要で高速処理を必要とするメモリに利用されている。
また画像データなどに対しては特にクラスタリング手法による類似画像を検出するための最短距離検索（類似度距離検索）を目的とした検索ディバイスとして盛んに研究されている。
【００４６】
以降連想メモリの概要を説明する。
高速なデータ処理に利用されている連想メモリは、通常のメモリ機能の他に外部から比較するデータを全メモリ同時（並列）に与え、その合格するメモリのアドレスを読み出すことが可能な情報の検索に大変都合のよいディバイスである。
この並列処理５３のイメージの一例を上げれば、大勢の人が集まる会場に座席（アドレス）を用意し座って貰い、この人達が好きな色のカード（データ）を自由に選ぶことが出来るようにした場合、例えば赤のカード（データ）を持つ人を調べる場合、通常のメモリの場合は全ての人を座席順等、逐次比較で調べる必要があるのに対し、連想メモリの場合は、例えば赤のカードの人は一斉に手を挙げて貰い（並列比較）、その座席（アドレス）を確認（出力処理）するだけでよいので極めて高速な判定が出来る。
このように連想メモリは大量な情報を並列に比較し、その中から必要とするデータのみを探し出す場合に好都合のデバィスである。
【００４７】
様々なメリットを持つ連想メモリであるが構成上の弱点の１つとして、データバスとアドレスバスによるデータの読み書きをするメモリデバィスの場合、外部から与えられた比較データ（この場合赤色）に対し同時にその合格判定が可能であっても、合格するアドレスが複数の場合には一遍にそのアドレスを出力することが出来ない。
【００４８】
これを解決するには、出力にプライオリティ機能を持たせ、合格するメモリに対し順次合格するメモリのアドレスを出力すればよいが、十分に絞り込みされたアドレス数となっていないと読み出しにも時間が必要である。
通常の場合このアドレスを読み出し、読み出されたアドレスに対し次の比較条件が与えられ、以降はこの条件を元に逐次処理による絞り込みが行われる。
先の例の２００万ピクセル（アドレス）で１２ｂｉｔ、４０９６通りの組合せデータの場合には平均４８８個のアドレスを対象として、以降の条件比較を繰り返す必要があり、通常その大半は対象外（残らない）のピクセルであり無駄な処理である、３次以降も同様である。
【００４９】
従がって本発明の情報絞り込み検出機能を備えたメモリ２１はこのような逐次処理を完全に排除するために、さらに赤のカードで手を挙げた人同士で、その座席の関係（アドレスの関係）が一致する人（例えば隣同士や前後左右で赤のカードを持つ人）以外は一斉に手を降ろして貰う機能、つまりデータとそのアドレスの関係、つまり毎次、全メモリ（座席の人）を対象に比較条件（カードの色と、座席の相対関係）与えることによって、記憶されたデータの合格（カードの色）と、そのアドレスの位置（座席の相対関係）の合格と、の双方の並列合否判定結果による論理積（ＡＮＤ）演算５５に合格するアドレス（隣同士や前後左右で赤のカードを持つ座席の人）を絞り込み検出しこれを出力する機能を持った二重並列合否判定５４の出来るメモリ、さらに様々な二重並列論理演算６０が可能なメモリを実現させることにある。
【００５０】
図４（データおよびアドレスの二重並列論理演算の概念）は以上説明のメモリのデータとそのアドレスの二重並列合否判定結果の論理積（ＡＮＤ）演算の概念である。
それぞれのアドレスのデータの内容の比較と、それぞれのアドレスの比較をそれぞれ並列（二重並列）に合否判定５４し、その合否判定結果に基づき情報の絞り込みを行うための論理積（ＡＮＤ）演算５５がさらに並列に行われるものである。
この演算結果はどのような形態で利用されても構わない。
【００５１】
以上のように１回の絞り込みでも極めて大きな絞り込み効果が得られるが、さらにこれらの二重並列論理演算６０が連続繰返し実施出来れば理想の情報絞り込み検出が可能になる。
【００５２】
以上の考えを実現する上で図４の下段のアドレス比較のアドレス合否判定回路は概念として表現することは容易であるが、通常の考え方では、どの様にアドレスを比較するのか、どのアドレスと比較するのかが定まらないので実際にこの概念を論理回路化することは容易ではない。
【００５３】
例えばこれまで説明の初回に比較し生き残ったアドレス、これを１次突破アドレス５６としてこれを基準にして各アドレスと比較をする方法が考えられるが、この方法においても、先に説明の通り１次突破アドレス５６が仮に４８８アドレスあれば、全てのアドレスとこの４８８アドレスの組合せによる、組合せ並列アドレス比較回路を構成しなければならないので極めて大掛かりな構成になる。
【００５４】
小規模なメモリアドレス数であれば以上の構成でアドレス比較を実現することも可能であるが、本実施例では大規模なメモリであっても図４の論理構成を出来るだけシンプルな回路構成で実現するために、１次突破アドレス５６を毎回（毎次）の比較のための基準原点のアドレスと定義することにより、以降毎回比較するアドレス（座標）は、このそれぞれの１次突破アドレス５６と相対アドレス（座標）が毎回の比較とも相対的に同一な位置（アドレス）であることに着目しこの論理回路の最適解を求めている。
【００５５】
具体的には先に説明の図１に示すそれぞれのサンプリングポイントに対し１次突破アドレス５６を基準原点座標とし、比較するアドレスに一定の相対的なバイアスもしくは範囲を設定し、それぞれの１次突破アドレス５６の相手先のアドレスのデータがこれに合格しているのかどうかを確認して、合格していればこれを突破アドレスとする構成とすればよい。
【００５６】
さらにそれぞれのアドレスに突破の回数を記録するカウンタを設け、基準原点である１次突破アドレス５６に突破回数が累積されカウントアップ出来るようにすることによって、１次突破アドレス５６の内で最多突破回数（Ｎ回）のメモリのアドレスをＮ次突破アドレス５７と判定することにより連続絞り込みの論理回路が可能となり、極めてシンプルな論理回路構成であっても当初の目的を全て満たす構成となり、情報処理永年の課題の１つを克服するディバイスを実現することが出来る。
【００５７】
後述するが図４の二重並列論理演算６０は論理積（ＡＮＤ）演算５５のみに限定されるものでなく、またこの演算結果の利用の仕方も自由である。
【実施例４】
【００５８】
図５（情報絞り込み検出機能を備えたメモリ例）は以上の内容に関連する本発明のメモリ２１の機能概要を連想メモリをベースに示したものであり、データ処理のタイミング等細部は省略され、本発明に関係するところの概念のみを説明するものである。
【００５９】
この情報絞り込み検出機能を備えたメモリ２１（以降本発明のメモリとも記載する）には、アドレスバス２２、データバス２３が接続されていて、外部とデータを授受可能な構成になっている。
従がってメモリ１からｎのメモリ３２はアドレスバス２２のアドレスデコーダ３１によりアドレスが選択されデータバス２３からデータの書込み、読み出しが可能である。
【００６０】
入力データ２５は本発明のメモリ２１に情報検出のためのデータを与えるもので、第１のデータであるメモリ比較データ２６は外部からメモリのデータ比較のためのデータであり、この入力データとメモリ１からｎまでのメモリ３２とデータの合否の比較をデータ比較回路３３により判定し合格の場合その結果をアドレススワップ前合格出力４１として出力する。
第２の入力データ２５であるアドレス比較データ２７ならびにアドレススワップ回路３４については後述する。
【００６１】
突破回数カウンタ３５はアドレススワップ後合格出力４２によりデータ比較回路３３の合格回数を突破回数として記憶加算するカウンタであり、この突破回数カウンタ３５は、情報同士の比較回数をカウントする比較回数カウンタ２９の比較回数信号４３との一致出力機能を有しその出力がＯＲゲート３６と、インヒビットゲート３７に接続されており若いアドレスから順次カスケード４４接続される信号により、突破回数がＮ回の突破回数カウンタ３５の中で一番若いアドレスのカウンタが優先され１アドレスのみ出力をする出力優先（プライオリティ）処理がなされている。
【００６２】
突破アドレス出力処理回路３８は優先出力のアドレスを出力バス２４に乗せる処理と、出力処理の完了したアドレスの突破回数カウンタ３５をクリアーする処理をすることにより、以降他にＮ回突破の突破回数カウンタ３５があればそのアドレスを次の優先出力とし、順次Ｎ次突破のアドレスを、出力バス２４によって外部に送り出すことが可能な構成となっている。
本例の専用バス出力の専用出力形態は一例であり、データバス２３に直接出力結果を乗せることも可能である。
従がって、この構成によれば、突破回数が一番多い（Ｎ回）突破回数カウンタ３５のアドレス（座標）がＷｉｎｎｅｒ（Ｎ回突破アドレス５７）でありその若いアドレス順にそのアドレスを出力する構成である。
【実施例５】
【００６３】
図６（アドレススワップ回路Ａの例）は極めてシンプルな論理回路構成で本発明を実現するための手段であるアドレススワップ回路３４の基本概念を示すものである。
アドレススワップ回路３４はデータ比較回路３３と突破回数カウンタ３５の中間に設けられており、このアドレススワップ回路３４は毎サンプル比較時、目的の１次突破アドレス５６に突破の出力を二重並列論理積演算結果として累積加算するために設けられ、本例の場合、先の説明の入力データ２５の第２のデータであるアドレス比較データ２７の、相対アドレス比較データ５１によって、アドレススワップ前合格出力４１、図６のｉ、j、kをXY軸座標データに変換し、変換した合格出力を相対アドレス分シフトして、アドレススワップ後合格出力４２として該当するアドレスの突破回数カウンタ３５（１次突破アドレス５６）に合格出力を突破出力として入力出来るように構成されている。
つまりアドレススワップ後合格出力４２は１次突破アドレス５６のアドレスの相対アドレス条件に合格した場合、突破出力として1次突破アドレス５６に入力される。
もちろん座標データではなく相対アドレス比較データ５１を直接相対アドレスで指定し相対アドレス分シフトすることも可能である。
【００６４】
以上説明の第１、第２のデータの入力はデータバス２３から与えることも専用入力から与えることも自由である。
この構成の本発明のメモリ２１に先に説明の画像のピクセルデータ、またはこれに相当する情報データをメモリに記憶し、この未知の情報２から画像を検出する場合の例を説明する。
【００６５】
先に説明の図５のメモリ１からｎまでのメモリ３２には画像のピクセルデータがそれぞれの座標に対応したアドレスに書込みされており、比較回数カウンタ２９ならびに全ての突破回数カウンタ３５は全てクリアーされて０となっていて、以降比較回数カウンタ２９は比較の都度にカウントアップされて行く。
先ず１次比較としてサンプル１のピクセルデータをメモリ比較データ２６に入力データ２５として与え、全メモリの合格判定を並列に行いデータ比較回路３３のアドレススワップ前合格出力４１を１次合格出力として出力し、この１次合格出力はアドレススワップすることなく、アドレススワップ後合格出力４２としてそのまま突破回数カウンタ３５の入力に加え突破したアドレスのカウンタの値を１にする、これが１次突破アドレス５６である、以上の通り１次比較に第２のデータは不要である。
先に説明のように平均的な１次突破アドレス５６の出現個数は４８８である（図６のｉ、j、k）この出現個数はイメージのための数字であり多くても少なくても問題ない、以下同様である。
図２の場合この時、突破回数カウンタ３５の値が１となっているメモリアドレスはグループＡの１、グループＢの１、グループＣの１、グループＤの１、グループＥの１の５個所の座標がＷｉｎｎｅｒの候補（１次突破アドレス５６）であり、これがこれからの説明のポイントとなるアドレス（座標）である。
【００６６】
次に２次比較としてサンプル２のピクセルデータをメモリ比較データ２６に指定することによりまた別なアドレスが新しく２次合格出力として平均し４８８個選ばれる。
さらにサンプル１とサンプル２のアドレスの差分を、アドレス比較データ２７の相対アドレス比較データ５１として指定することにより、新たに選択された４８８個のアドレスの中で、先に説明の１次突破アドレス５６との相対関係が合格するもの、つまりグループの関係が成立するアドレスを、図６に示すアドレススワップ回路３４でこの差分に相当するアドレス（座標）をシフト変換し、シフト変換した相対位置の突破回数カウンタ３５（１次突破アドレス５６）にアドレススワップ後合格出力４２を突破出力として加算入力する。
【００６７】
つまり、本来は図２のグループＡからＥの２の座標（アドレス）の突破回数カウンタ３５がカウントアップされるところ、サンプル１の判定で生き残った候補座標の突破回数カウンタ３５（１次突破アドレス５６）に、継続してカウントアップが出来るように相対アドレスのバイアスをかけて２次突破出力として、１次突破アドレス５６に突破入力を与えている。
【００６８】
先に説明の図２の場合この時、突破回数カウンタ３５の値が２になっている１次突破アドレス５６はグループＢの１、グループＣの１、グループＤの１、グループＥの１の４個所が候補として維持される座標であり、グループＡの１はカウントアップ出来ず候補から脱落する。
以上の内容は対象とするメモリのアドレス位置（２次サンプルに相当するアドレス位置）が１次突破アドレス５６を基準にして目的の位置（相対アドレス比較データ５１）に存在するか否かを判定し、２次のデータ比較による合格アドレスと並列に論理積（ＡＮＤ）演算５５しその結果を１次突破アドレス５６の突破回数カウンタ３５に突破出力として入力したのと等価である。
【００６９】
順次同様にメモリ３２のデータ比較と、１次比較のサンプル１を基準とする他のサンプルとの相対アドレスと、を一対の入力データ２５として読み込み、それぞれのアドレスグループ内で突破するメモリを１次突破アドレス５６に集約してカウントアップすることにより、１次突破アドレス５６（Ｗｉｎｎｅｒ候補）の絞り込みを連続して行う事が出来る。
【００７０】
従がって図２において最後のサンプル２５（Ｎが２５）まで突破する１次突破アドレス５６はグループＤの１の座標（２５次Ｗｉｎｎｅｒ）のみでありこの座標（アドレス）の突破回数カウンタ３５の値は２５になっており、この突破回数カウンタ３５は比較回数カウンタ２９の比較回数信号４３と一致しその出力が以降のＯＲゲート３６ならびにインヒビットゲート３７に入力される。
【００７１】
図７（アドレススワップのイメージＡ）はこれまで説明のデータの合格と、アドレスの相対関係、の双方の合格、つまり二重並列論理積演算による突破の内容をイメージとして説明するものである。
図に示すように、画面の座標には最初の１次比較により１次突破アドレス５６がＡからＦまで計６個示されている。
このアドレススワップは全アドレスを対象として相対的に行われるものであるが、１次突破アドレス５６は、あたかも比較の対象になるそれぞれのアドレスグループ内で次に比較される２次比較の相対座標位置を望遠鏡で覗きこみ、２次合格アドレスの合格出力（本図では黒丸印）があればこれを突破出力として奪い取る、まさにスワップのイメージである。
３次比較も同様に比較される相対座標位置を望遠鏡で覗き込み、３次合格アドレスの合格出力（本図では黒三角印）を突破出力として奪い取る、以降も同様のスワップのイメージである。
本例の場合、Ｅのカウンタは２に更新され、さらにＢのカウンタは３に更新される。
【００７２】
図８（アドレススワップのイメージＢ）は以上の図７に示されるＡ、Ｂ、２つの１次突破アドレス５６の座標上のイメージをアドレス上のイメージとして説明するものである。
図８に示すように、１次突破アドレス５６は、サンプル２からサンプル２５までのデータ比較回路を望遠鏡で覗き込み、覗き込んだデータ比較回路に合格があればこれを突破出力として奪い取るイメージである。
云うまでもなく望遠鏡の切替えはアドレスの相対位置関係を比較するためのデータである相対アドレス比較データ５１により毎回設定される。
【００７３】
実際には１次突破アドレス５６のアドレスと相対関係のない２次、３次、Ｎ次比較による合格出力も相対的にシフトされたアドレスにカウントアップされるがサンプルが適正で意図的なものでなければ毎回散発的であり合格出力が特定アドレスに集中することはない。
これはサンプルとなる画像（情報）と未知の画像（情報）の特定部分が同一であると云う特別な関係（パターン）が成立しないからである。
１次突破アドレス５６は常にカウントの優位性を保ち（最初に１）、さらに１次突破アドレス５６の相対アドレスに関連付けされたサンプルのアドレスのグループを代表し合格出力を突破出力として集める権利を持つ支配者のイメージである。
【００７４】
図９（アドレススワップのイメージＣ）は実際の二次元配列アドレスにおけるアドレススワップの例を示すものである。
表Ａ、Ｂはアドレススワップ前のアドレス（座標）１から１００までを示すものであり、２４、５０、６７、７２の４つのアドレス（座標）が１次突破アドレス５６となっている。
表Ａは２次比較アドレスを相対アドレスが−２２のアドレスをデータ比較アドレスとする場合であり、この時７２のアドレスは相手先の座標が対象外である。
表Ｂは３次比較アドレスを相対アドレスが＋３１のアドレスをデータ比較アドレスとする場合であり、この時５０および７２のアドレスは相手先の座標が対象外である。
表Ｃは表Ａを−２２アドレスシフトしたものであり、２４、５０、６７の１次突破アドレス５６は正常にそれぞれの相手先のデータの合否結果を得ることが出来、合格結果があればそれぞれ突破出力としてカウントアップ（スワップカウント）することが出来る。
表Ｄは表Ｂを＋３１アドレスシフトしたものであり、２４、６７の１次突破アドレス５６は正常にそれぞれの相手先のデータの合否結果を得ることが出来、合格結果があればそれぞれ突破出力としてカウントアップ（スワップカウント）することが出来る。
以上が所定回数繰り返され比較対象の相手先のアドレスの座標位置が正常な１次突破アドレス５６が最終まで生き残ることが出来る。
【００７５】
以上様々な例にもとづき説明してきたがこれまでの内容は、アドレススワップ（交換）することにより、１次突破アドレス５６を基準にして、以降毎回比較されるサンプリングポイント１３と同一のデータ（データの合格）が存在し、さらに目的の位置（相対アドレス比較データ５１）に存在するか否か、の双方を連続的に二重並列に合否判定５４を行いさらに並列に論理積（ＡＮＤ）演算５５し、その結果を１次突破アドレス５６の突破回数カウンタ３５に毎回出力するのと等価であり、アドレススワップ回路３４は図４の下段の並列アドレス合否判定と並列論理積演算が一体化され、一人二役をこなす極めて効率的な論理回路、つまり等価二重並列論理積（ＡＮＤ）演算６１手段である。
最終結果はこの比較回数であるＮ次突破アドレス５７を突破アドレス出力処理回路３８および出力バス２４で読み出しすれば、Ｎ次突破アドレス５７を含む情報のグループのアドレスを特定つまりパターン認識をしたことになる。
比較回数カウンタ２９をプリセッタブルカウンタとして比較回数信号４３を指定することにより任意のカウント値のカウンタ（Ｎ次突破アドレス５７）のアドレスやその途中経過も読み出すことが可能になる。
【００７６】
アドレススワップ回路３４の一例は図６に示すようにアドレス変換用のレジスタを用意し、データ比較回路３３よりのアドレススワップ前合格出力４１を、相対アドレス比較データ５１の座標データにより相対的に移し替え、アドレススワップ後合格出力４２とする、このレジスタ操作は全てのアドレスの相対シフトであるので、加減算演算によるデータシフト手段、もしくは一番シンプルなのはアドレス分のデータ長のシフトレジスタによっても容易に実現可能である。
【００７７】
以上のレジスタを用いるアドレススワップ方法は説明のための一例であり、アドレスデコーダを直接利用してスワップ（交換）するなど他の方法で実施しても構わない。
同様にアドレススワップ回路３４ならびに突破回数カウンタ３５は本発明の情報の絞り込み検出を実現する上で不可欠な手段であるがこの構成に限定されるものではなく他の方法でアドレス毎に個別に実施することも可能である。
【００７８】
データとそのアドレスの相対関係を一括して合否判定するこの方法は、図４に示す全メモリ３２のデータ比較条件の合格と、全アドレス比較条件の合格と、の双方を二重並列に合否判定５４を行い、これをさらに並列に論理積演算５５したものと等価であるので、原理的に個別アドレスを対象としたノイマン型情報処理のアドレス逐次処理を不要とするものである。
【００７９】
従がってこれまで説明の２００万ピクセルの未知の画像を、分解能１２ｂｉｔ、データのグループ数を４０９６グループとする場合、未知の画像の中から同一画像の検出するに必要なデータの比較回数は通常２から３回で収斂し、最大でもサンプル数（本例では２５回）のデータ比較回数で目的の画像を確実に見つけることが可能である。
【００８０】
さらにこの方式は図７で示すように１次突破アドレス５６を基準原点とした入力データによる全座標パターンマッチングの繰返し（毎回全メモリを対象として比較）であるので、部分的に一部の画像が欠落しているような場合の近似の画像（以降近似画像）の検出も実施出来る。
【００８１】
たとえば、図２の場合、２５回の比較完了後、グループＡの１の座標のカウンタは１、グループＢの座標のカウンタは１０、グループＣの１の座標のカウンタの値は２１、グループＤの１の座標の値は２５、グループＥの１の座標の値は２２になっている。
つまりカウンタ値の高い座標のアドレスは部分画像が欠落した画像や近似の画像の可能性が高い、この場合１次突破アドレス５６以外であってもよい。
カウンタ値が一定値以上（例えば２０回）となる座標を読み出ししておき、所定（この場合２５回）の比較完了後、必要により周辺の座標を詳しく判定すればよい。
従がってこの方式は同一画像を高速で検出することのみなならず一定の定義もとづく近似画像にも有効である。
【００８２】
またこのアドレスワップ（交換）の考え方をさらに発展させることにより、画像が拡大縮小もしくは回転、以降変形画像と呼ぶ、の画像も最少の検出回数で検出することも可能になる。
【実施例６】
【００８３】
図１０（変形画像の検出の概念）は比較する画像が拡大縮小もしくは回転、場合によってはデータに変化が加わった変形画像を前提として検出する場合に効果的な方法を説明する。
【００８４】
図１０には、１次サンプルの比較が合格した未知の画像の１次突破アドレス５６の上に、既知の画像のサンプリングポイント１３を重ねたものである。
本例では座標１の基準原点を中心にして未知の画像のサイズが、ＸＹ軸ともに２倍（画面としては４倍）に拡大される可能性があるとした場合を示している。
もし探し出す変形画像がこの中に存在する場合、変形画像に対応するサンプルの２から２５の全ての座標は、図に示す円の内部に存在するはずである、従がって円を包含する座標範囲をこの座標１の画像検出範囲とすればよい。
【００８５】
従がって、これまでのアドレス（座標）シフト変換の概念を拡大し、座標１の基準原点より指定する座標範囲にサンプルと同一のデータ値を持つ座標が存在するかどうか、この場合個数は関係なく単純にあるのか無いのか、を判定し、指定するサンプル数（本例では２５個）のサンプルに相当する座標がこの範囲にあることを判定することにより変形画像を検出することが可能になる。
【００８６】
この場合もサンプルの特徴量を判定してサンプルの数と識別能力を一定基準とし対象の範囲を一定の範囲内とすることによりその確実性は高いものになる。
【００８７】
この場合も毎時目的の１次突破アドレス５６にデータとアドレス双方の合格（突破）の出力を集中させて記憶加算する手段、本例では１の座標の突破回数カウンタ３５に判定の結果を累積させる方法が出来れば、このような変形画像に対しても、サンプル数を最大とする最少データ比較回数で画像の検出が可能になる。
【実施例７】
【００８８】
図１１（アドレススワップ手段Ｂの例）は以上の考え方を実現させるために図６で説明のアドレス変換を１対１のアドレスシフト変換からアドレスの範囲として捉え、これを外部からアドレス比較データ２７に、アドレス範囲比較データ５２として入力することにより、このアドレスの範囲で合格のあったｉ、ｊ、kのアドレススワップ前合格出力４１を、比較条件に該当するアドレス範囲として取り込み、この場合もそれぞれのアドレスグループ内の１次突破アドレス５６の突破回数カウンタ３５にアドレススワップ後合格出力４２を入力する構成としたものである。
先に図７で説明の望遠鏡をパラボラ型の天体望遠鏡に変えて１次突破アドレス５６に突破出力を奪い取るイメージである。
【００８９】
例えばこれまで説明の図１に示す１０００ピクセル程度を画像範囲とする画像の１座標を基準とする場合、その１座標を中心としてＸＹ軸７０００ピクセル強の座標範囲を比較範囲の座標とすれば２倍まで拡大された回転を伴う変形画像においてもサンプル数を最大とする最少データ比較回数で画像の検出が可能になる。
【００９０】
座標変換や画像が縮小された場合の画像などでは、サンプル座標に対応する座標が欠落する場合もあるので適切にサンプル合格回数の基準を設ければよい。
この方法は図６で説明の相対座標の完全一致方法に比較すれば確実性は落ちるがサンプルの識別能力やその数を適切にすることにより極めて高速な画像の検出が可能になる。
【００９１】
さらにメモリ３２のデータ比較回路３３をデータ一致の合否の比較から、輝度や色のレベルの範囲を持った大小比較として合否の判定を行えば、変形画像のみでなく、その定義の仕方にもよるが類似の画像の検出も可能となる。
このような場合には大小もしくは一致による合否判定以外、メモリｂｉｔ個別のＤｏｎ‘ｔ Ｃａｒｅによる比較が可能な３値メモリを利用し合否判定をするとさらに効果的である。
【００９２】
通常、画像のサイズの変化や回転が加わった画像の検出は座標変換など極めて多大な検索の処理回数を必要とするがこの方式によればサンプル数分の比較をするだけで目的の変形画像（近似画像を含む）を検出することが可能となる。
多くの場合以上のように変形画像や類似画像の中心位置や重心位置などが検出出来れば良い場合が殆どであるが、もし画像の拡大縮小や回転角度を検出する必要がある場合にも何回かのデータ比較を追加することにより対応可能である。
【００９３】
以上のような必要がある場合、一旦画像が存在する範囲を検出した後に、図１０に示すように、２、４、３、５の４個の対角の座標が何処に存在するのかを、分割検出範囲Ａの４分割、分割検出範囲Ｂの１６分割のように分割し範囲を限定し検出すればよい、４分割の場合で１６回、１６分割で６４回合計して最大でも８０回のデータ比較を行えば凡その画像の変形の様子を掴む事が出来る。
通常このような変形の度合いが推定出来ない変形画像を検出する場合には、考えられる画像の変形情況を推測して多数の座標変換を行いパターンマッチングを採る必要があり、このような変形画像の検出に比べれば比較することが出来ない程高速なパターンマッチングが可能である。
分割する範囲を細分化すればより正確な検出も可能である。
以上は一例であるがこのように最小限のデータ比較の回数を追加することにより複雑な画像の検出も可能である。
【００９４】
本例では画像が拡大縮小さらには回転される可能性があることを前提に全サンプリングポイントを対象にして大きな範囲を範囲設定した場合の例で説明を行ったが、それぞれのサンプリングポイントに対して個別に一定の範囲を指定して検出をすることも出来る、この方法はデータとそのアドレス（位置）の不確かさを補完する上でも、同一もしくは類似するデータが連続して存在する場合に重要な意味を持ち、サンプリングポイント１３の位置やそのデータを元に類似画像の定義を行えば、同一画像、近似画像、変形画像、類似画像まで幅広く検出が可能となる。
【００９５】
この本発明のメモリ２１はこれまで説明の座標シフト方式（アドレスが比較する相対アドレスと一致）と座標範囲方式（アドレスが比較する座標の範囲内に存在）の２つの検出方法以外、例えば比較する座標の範囲外、等にもアドレススワップの応用が可能であり、いずれもアドレススワップ回路３４のアドレス比較データ２７のデータ設定のみで実現出来るのでこれらを一体にした構成とすることが可能であり、これらの画像検出方法を組合せすることにより、より様々な画像の検出を可能にする。
本例では説明を簡素化するためＲ、Ｇ、Ｂの色データをまとめて１つのアドレスのデータとする方法で説明したがＲ、Ｇ、Ｂのそれぞれのアドレスを独立させて比較する方法も容易に実現可能である。
【００９６】
この本発明のメモリ２１は並列にメモリデータを比較可能な基本構造のメモリ、例えば連想メモリ等に、アドレスのスワップ（交換）を行うための手段と、合格回数を記憶するカウンタと、一般的なプライオリティエンコーダで構成可能な極めてシンプルな構造であるので大容量化もし易い。
【００９７】
また本発明のメモリ２１は云うまでもなくデータとそのデータのアドレスの相互関係に基づく組合せ問題の探索（比較）回数を根本的に解決し、適正に選択されたサンプルであればサンプル数を上限とする最少のデータ比較回数を保証するディバイスであり、クラスタリングした類似特徴の座標相関による画像の検出や、その他の様々な情報の検出に応用することが可能である。
【００９８】
これまでの説明では、情報を繰返し絞り込みする場合で説明しているが、絞り込みを１次比較、２次比較だけとする単発の情報検出も可能であることは云うまでもない。
【００９９】
以上のように自らが情報検出可能なインテリジェンスな知識をもった本発明のメモリ２１を用いることが出来れば、情報検索時ＣＰＵやＧＰＵは入力データを与えその結果を読取るだけなのでその負担を大幅に軽減出来る。
極めて高速な情報検出が可能なのでメモリのサイズが不足する場合には、情報を分割して情報検出を実行してもよい。
【０１００】
この本発明のメモリ２１の毎回のデータ比較処理時間が、控え目にみた処理時間で仮に毎回平均１μ秒であっても、どの様なサイズの画像を対象としても数μ秒から長くても数百μ秒以内で目的とする情報を確実に検出することが可能になるので、動画像を対象とした１コマ（フレーム）上の情報を検出することも、検出したい既知の情報１が連続して大量にある場合にでも広く応用が可能となる。
云うまでもないが本発明のメモリ２１のメモリ３２をアクセスして逐次処理する通常のＣＰＵとのコラボレーション（併用）によりさらに高度な情報検出が可能となる。
【０１０１】
以上画像情報を中心に本発明の概要を説明してきたが、この情報検出の方法と本発明のメモリ２１は、一次元情報（音声等）や多次元空間として配列された情報の検出にも有効である。
【実施例８】
【０１０２】
図１２（アドレススワップ手段Ｃの例）は図６の二次元情報を、Ｘ、Ｙ、Ｚの３軸に拡大し、三次元空間に配列された情報の同一配列や類似配列を検出可能にする例であり、Ｎ次元空間とすることも可能である、情報検出の具体例は後述する。
【０１０３】
これまでの説明の情報絞り込み検出機能を備えたメモリ２１は、全てのメモリを対象に突破回数をカウント可能にし、その突破の回数で同一情報ならびに類似情報を連続して検出するものであったが、メモリ数が大規模な場合や回路構成をさらに簡素化する目的で突破回数カウンタ３５、ＯＲゲート３６、インヒビットゲート３７の回路数を削減することが出来る。
【実施例９】
【０１０４】
図１３（情報絞り込み検出回路の削減例）は図４、図５に示す本発明のメモリ２１の基本構想をもとに回路数を削減したもので、これまでの説明のように利用される突破回数カウンタ３５以降の回路の数は、通常の場合１次比較で出現する１次突破アドレス５６の数（これまでの説明では２００万アドレスで分解能４０９６通り、平均４８８アドレス）であることに着目しこれに見合う数量、例えば突破回数カウンタ３５以降の回路数をメモリ３２のアドレスの数量の、例えば１０００分の１や２０００分の１に削減、図ではＡからＸまでの出力に削減したものである。
【０１０５】
この場合カウンタは、図７で説明のそれぞれのアドレスグループの１突破アドレス５６を記憶しこのアドレスを読み出しが可能な構成のグループ別突破カウンタ５８とし、このカウンタ５８別に１次突破アドレス５６を読み出し出来る構成とすればよい。
このような構成とする場合にはアドレススワップ回路３４に簡単なアドレス演算プロセッサを搭載するなどしてアドレススワップを行ってもよい、このように演算プロセッサを利用してアドレススワップ（交換）の自由度を高めることによりさらに様々な手法の情報の絞り込みも期待できる。
【０１０６】
仮に１次突破アドレス５６の数が多くオーバフローする場合にはアラームを挙げて１次比較のサンプルを変更するなどすればよい。
【０１０７】
また回路数を削減する方法として、二重並列論理演算６０をメモリのバンク毎に切り替えて実施するなどの回路構成も可能である。
【０１０８】
全てのメモリを対象に合格回数をカウント可能な方式は１次突破アドレス５６の出現数の制限がなく理想であるが、このように情報絞り込み機能の回路構成を簡素化した、情報絞り込み検出機能を備えたメモリ２１であっても、これまでの説明の情報検出の方法で目的の情報を確実に検出することが可能である。
【０１０９】
以上のような構成とすることによりこの本発明のメモリ２１のメモリのアドレス数やそのｂｉｔ数、つまりメモリ容量に関しての自由度を増すことが出来る、また前述のごとく３値メモリとすることも可能である。
【０１１０】
図１４（多重化したデータとアドレスの二重並列論理演算の概念例）は、図４で説明の二重並列論理演算を多重化した例である。
図に示す通り、本発明のメモリ２１はメモリのデータを比較するための比較データとアドレスを比較するためのデータを２組と、二重並列合否判定回路を２組と、二重並列論理積演算回路を２組、をそれぞれ持っており論理積演算結果をさらに並列に論理和（ＯＲ）演算５９し出力をする構成になっている。
【０１１１】
このような構成も図５に示すメモリ２１の回路構成を応用することでも可能である。
このような構成にすることにより、２つのパターンを同時に検出することが出来る。
本例は多重化の一例であり、２組以外多数の組合せとすることも、演算を論理積（ＡＮＤ）や論理和（ＯＲ）以外、排他論理やその他任意の論理演算とすることが出来る。
検出する情報の種類や目的に応じてこのように多重化し、様々な論理演算の二重並列論理演算６０を使用することにより、より高度な情報の検出が可能になる。
【０１１２】
これまでの説明の図４、図１４等を総合して本発明のメモリ２１の構成をまとめると、
メモリアドレスごとに情報を記憶しその情報を読み出し可能なメモリであって
このメモリは、
外部から与えられる第１のデータは記憶されたこのメモリのデータを比較するためのデータ、第２のデータはこのメモリのアドレスを比較するためのデータ、の双方の入力データの入力手段と、
（１）第１のデータでメモリに記憶されたデータを並列に比較し合否判定する手段と
（２）第２のデータでメモリのアドレスを並列に比較し合否判定する手段と
（３）以上（１）、（２）双方の合否判定結果をさらに並列に論理演算するデータとアドレスの二重並列論理演算６０手段と
を具備することを特徴とする情報絞り込み検出機能を備えたメモリである。
【０１１３】
さらこのメモリの情報の絞り込みをシンプルな回路構成とするための一例として、
前記（１）の合否判定手段ならびに前記（３）の二重並列論理演算手段６０を、その演算結果が前記（１）の合否判定と前記（２）の合否判定との論理積（ＡＮＤ）と等価となる、等価二重並列論理積（ＡＮＤ）演算６１手段で構成したことを特徴とする請求項１の情報絞り込み検出機能を備えたメモリである。
【０１１４】
さらに図５、図１３等に示すようにこのメモリを連続繰返し二重並列論理演算６０するために
毎次の前記等価二重並列論理積（ＡＮＤ）演算６１手段の結果をメモリアドレスごとに計測するカウンタ３５手段と、
初回の前記比較は、前記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスの上記カウンタを１にカウントアップしこれを１次突破アドレス５６とする手段と、
以降の比較は、上記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスと、上記１次突破アドレスと、の双方のアドレスの位置関係を、前記第２のデータによって、前記等価二重並列論理積（ＡＮＤ）演算６１手段で演算し、この演算を突破した上記１次突破アドレスのカウンタをカウントアップしてＮ（２以上の整数）次突破アドレスとする手段と、
このＮ次突破アドレスのアドレスを出力する手段と、
を具備することを特徴とするメモリである。
【０１１５】
さらに前記等価二重並列論理積（ＡＮＤ）演算６１手段は前記第２のデータであるアドレスを比較するためのデータにもとづくアドレスのスワップ（交換）手段によって繰返し実施することを特徴とするメモリである。
【０１１６】
さらに前記第２のデータであるアドレスを比較するためのデータは、前記１次突破アドレスを基準とし、
（１）比較対象のアドレスが相対アドレスに一致するか否かの比較データ
（２）比較対象のアドレスが比較する範囲の内外に存在するか否かの比較データ
以上（１）（２）のいずれかもしくは双方であることを特徴とするメモリである。
【０１１７】
さらにこのメモリは、絞り込みのための回路の削減や二重並列論理演算６０を多重化することも、論理演算を論理積や論理和のみならず様々な論理演算のデータとアドレスの二重並列論理演算６０をすることが可能なメモリである。
【０１１８】
以上で本発明のメモリ２１のそのものの説明を終えて、以下に一次元、多次元空間の情報検出の例を説明する。
【実施例１０】
【０１１９】
図１５（アドレス一次元配列の情報検出例）は、例えば横軸を時間軸としてアドレスに対応させ景気動向や株価、気温などのデータを縦軸に表示したものであり、サンプルとして与えられた既知の情報のデータを基に未知の情報である、過去の膨大なデータベースの中から情報検出を行ったものである、このような情報検出は、メモリアドレスを時間軸に関連付けるように配列記憶されたデータにより極めて簡単に行うことが出来る。
【０１２０】
時間軸を対象とした情報検出のもう一例として音声の場合には圧縮前のサンプリング時間とこの時間に対応した音声データや圧縮音声データのＡＡＵ（オーデオ復号単位）毎の音声データをもとにして情報検出が可能である。
３値データの比較が可能な本発明のメモリ２１の一例として人の声などのスペクトラムの帯域をクラス化してクラス別にデータ化して、１時刻、１アドレス分のデータとすれば極めて簡単に時系列配列が作成出来る。
これを元にテンプレート音源などと類似パターン認識すればよく極めて高速な音声認識が可能となり、様々な音声認識の分野に利用することが可能である。
【０１２１】
またこのような一次元配列情報の検出は多大な情報処理を必要とするＤＮＡ配列、ゲノムの４つの塩基配列の組合せ解析を高速に実施する上で極めて有効である。
同様に文字列の配列による解析も同様である。
【実施例１１】
【０１２２】
図１６（アドレス三次元配列の情報検出例）は三次元空間に配列された情報を検出する場合の例を示したものである。
図に示すように三次元空間に配列される特定のパターンをこれまで説明の内容と同様な方法で検出したイメージである。
【０１２３】
云うまでもなく三次元空間は我々が存在する実空間を表現出来るので、三次元空間の位置とそのデータが定量化出来る全ての三次元情報に適応可能である、さらに時間軸を加えた時空間情報など多次元情報に展開することも可能である。
【０１２４】
このような三次元空間の情報検出は原子や分子レベルから宇宙空間のあらゆる配置関係の解析に利用可能である。
【０１２５】
特に高速な検出が可能であるのでリアルタイム処理が必要なロボットを対象として、例えば動きの速い物体などを対象として多数のテンプレート画面と比較を行うような立体パターン認識、立体物体認識や物体移動追跡など用途は無限である。
【０１２６】
いずれの場合もメモリアドレスと、Ｘ、Ｙ、Ｚ、３軸を対応付けするようデータをアドレス配列記憶することにより容易に実現可能であり、同一情報はもとより画像の検出で説明の近似情報や類似情報の検出も可能であることは云うまでもない。
【０１２７】
以上の説明は一次元から多次元までの空間を対象として既にアドレス配置された情報もしくはアドレス配列可能な情報のパターン認識を行ったものであるが、一例としてアドレスをクラスタリングされた情報グループに分類するなどしてこれを情報検出するなどアドレスとデータの配列を工夫することにより、これまでのアルゴリズムを駆使した情報検出を併用することも可能である。
【０１２８】
以上が一次元から多次元までの情報を検出する場合の概要であるが、本発明のメモリ２１の特徴をまとめると次の通りである。
【０１２９】
本発明のメモリ２１を使用した情報の検出は１アドレスとそのデータを検出の単位とし、入力データの設定方法により、特に厳密で正確な同一情報の検出から近似情報、変形情報、類似情報など幅広い情報を高速で確実に検出することが出来る。
【０１３０】
情報検出のためのサンプリング数もサンプリングポイントの選び方も統計的手法で評価可能でサンプリングを自動化することも可能であるのでサンプリング数の無駄も省け、検出時間を理に適った合理的な時間とすることが出来る、また１アドレス（座標）毎にサンプルポイント設定が出来るのも特徴の１つである。
【０１３１】
未知の情報上に対象となる情報がない場合の検出打ち切りが極めて速いことも特筆できる。
【０１３２】
この検出方法は一定の条件を満たせば互いの情報の大きさ（サイズ）に制約がないのであらゆる情報に適応可能であり、本発明のメモリ２１のメモリのサイズに合わせて情報を分割処理することも可能である。
【０１３３】
一次元情報から多次元情報、その他の情報が混在し記憶されたメモリからでも目的とするパターンの認識をすることも可能である。
【０１３４】
また本方式は、未知の情報を適切にアドレス配置し本発明のメモリ２１に記憶させれば、サンプルポイント以外、他のパターン認識で行われるような情報の加工、特徴抽出やクラス化などのデータの前処理が必要ないことも大きな特徴である。
【０１３５】
さらに本方式はアルゴリズムの開発など情報検出の実施前の時間が不要となるのも大きな特徴であり検出方法（比較条件の設定）も極めてシンプルな構成である。
従がってシステム試験時のカット＆トライ的な調整も不要で、設定通りの検出方法で期待する情報を確実に検出してくれる、従がって特段情報検出の専門家でなくても本方式を利用して様々な情報検出のアプリケーションに広く利用することが出来る。
【０１３６】
これまでの説明では既知の情報１があることを前提としてこれからサンプルを採取して情報を検出することを中心に説明してきたが、人の判断や推測に基づき入力データ２５を設定し情報解析することも重要である。
【０１３７】
このような場合、最初の入力データ２５である、１次比較データは検出の結果を左右するので、複数の比較データとするか、入力データに範囲を持させ検出を行い、この１次比較の結果により徐々に範囲を限定する方法で解析を行えばよい。
このような解析は天文、気象、物理、化学、経済などのあらゆる分野の情報予測などデータ解析の時間とその労力を大幅に軽減するものである。
【０１３８】
この本発明の情報絞り込み機能を備えたメモリ２１は、ノイマン型コンピュータの宿命であるメモリの逐次処理を排除し、メモリ自身がインテリジェンスな知識を備えて情報検出を行うものであり、これまでのメモリの常識を大きく打ち破るものである。
従がって従来から研究され利用されている画像認識、音声認識、ＯＣＲ文字認識、全文検索、指紋認証、虹彩認証、ロボットの人工知能のパターン認識に利用されるのみでなく、天候、景気、株価、分子構造、ＤＮＡ、ゲノム、文字配列、などの解析はもとより、新たな情報の発見（情報予測）や、社会インフラから産業用設備、工業用設備、家庭用装置はもとより、これまで対象とされることのなかった未知の分野の情報検出にも幅広く利用することが可能である。
【実施例１２】
【０１３９】
この本発明の情報絞り込み機能を備えたメモリ２１は、様々な情報の検出を必要とする人工知能のエンジンとして知識処理に利用することも可能である。
例えば本発明のメモリ２１を人の脳の大脳や小脳、さらには右脳や左脳などに当てはめ並列さらには階層状に複数配列して、それぞれにテンプレートとして、物体の認識の情報、人物認識の情報、文字の認識の情報、音声認識の情報、味覚の情報、触覚の情報、など様々な種類の情報を記憶させておき、リアルタイムで与えられた周囲の画像や音声さらには様々なセンサの情報と比較することにより、人の認識能力と同様に様々な情報を同時に識別し、その情報の中で最適な行動を選択し実行するような極めて高度な知識処理に利用することも可能であり、利用の仕方は無限である。
図１７（本発明のメモリを用いた高度な知識処理の例）は以上説明の知識情報を本発明のメモリ２１に記憶し知識処理を行う実施例であり、最適な行動の結果をもとにメモリ２１を更新することによって学習効果も容易に実現可能である。
【産業上の利用可能性】
【０１４０】
本発明のメモリ２１はこれまで従来型のメモリの概念を超越し、用途は極めて広範囲であり、情報処理の新しい流れを築くものである。
【０１４１】
本発明のメモリ２１は、連想メモリ以外、ＡＳＩC（Ａｐｐｌｉｃａｔｉｏｎ
Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）によって一般的なＲＡＭやＲＯＭ構成のメモリとしても実現可能であり、セルベースＣＰＵに組込むことも、ＣＣＤセンサに直接組込むことも、本発明のメモリ２１を独自専用構造のメモリ構成とすることも、新しいタイプの半導体で構成することも、他の機能を付与することも自由である。
【０１４２】
将来においては以上のような半導体によるメモリ以外に、現在研究途上の光素子や磁気素子、ジョセフソン素子など新しい素子による本発明のメモリも期待が持てる。
【符号の説明】
【０１４３】
１．既知の情報
２．未知の情報
３．アドレス
４．アドレスのデータ
１１．ピクセル
１２．座標のデータ
１３．サンプリングポイント
１４．比較順序
１５．量子化データ
２１．情報絞り込み検出機能を備えたメモリ
２２．アドレスバス
２３．データバス
２４．出力バス
２５．入力データ
２６．メモリ比較データ
２７．アドレス比較データ
２８．リセット信号
２９．比較回数カウンタ
３１．アドレスデコーダ
３２．メモリ
３３．データ比較回路
３４．アドレススワップ回路
３５．突破回数カウンタ
３６．ＯＲゲート
３７．インヒビットゲート
３８．突破アドレス出力処理回路
４１．アドレススワップ前合格出力
４２．アドレススワップ後合格出力
４３．比較回数信号
４４．カスケード接続
５１．相対アドレス比較データ
５２．アドレス範囲比較データ
５３．並列処理
５４．二重並列合否判定
５５．論理積（ＡＮＤ）演算
５６．１次突破アドレス
５７．Ｎ次突破アドレス
５８．グループ別突破カウンタ
５９．論理和（ＯＲ）演算
６０．二重並列論理演算
６１．等価二重並列論理積（ＡＮＤ）演算
【特許請求の範囲】
【請求項１】
メモリアドレスごとに情報を記憶しその情報を読み出し可能なメモリであって
このメモリは、
外部から与えられる第１のデータは記憶されたこのメモリのデータを比較するためのデータ、第２のデータはこのメモリのアドレスを比較するためのデータ、の双方の入力データの入力手段と、
（１）第１のデータでメモリに記憶されたデータを並列に比較し合否判定する手段と
（２）第２のデータでメモリのアドレスを並列に比較し合否判定する手段と
（３）以上（１）、（２）双方の合否判定結果をさらに並列に論理演算するデータとアドレスの二重並列論理演算手段と
を具備することを特徴とする情報絞り込み検出機能を備えたメモリ。
【請求項２】
前記（１）の合否判定手段ならびに前記（３）の二重並列論理演算手段を、その演算結果が前記（１）の合否判定と前記（２）の合否判定との論理積（ＡＮＤ）と等価となる、等価二重並列論理積（ＡＮＤ）演算手段で構成したことを特徴とする請求項１の情報絞り込み検出機能を備えたメモリ。
【請求項３】
前記メモリは、
毎次の前記等価二重並列論理積（ＡＮＤ）演算手段の結果をメモリアドレスごとに計測するカウンタ手段と、
初回の前記比較は、前記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスの上記カウンタを１にカウントアップしこれを１次突破アドレスとする手段と、
以降の比較は、上記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスと、上記１次突破アドレスと、の双方のアドレスの位置関係を、前記第２のデータによって、前記等価二重並列論理積（ＡＮＤ）演算手段で演算し、この演算を突破した上記１次突破アドレスのカウンタをカウントアップしてＮ（２以上の整数）次突破アドレスとする手段と、
このＮ次突破アドレスのアドレスを出力する手段と、
を具備することを特徴とする請求項２記載の情報絞り込み検出機能を備えたメモリ。
【請求項４】
前記等価二重並列論理積（ＡＮＤ）演算手段は前記第２のデータであるアドレスを比較するためのデータにもとづくアドレスのスワップ（交換）手段によって繰返し実施することを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項５】
前記第２のデータであるアドレスを比較するためのデータは、前記１次突破アドレスを基準とし、
（１）比較対象のアドレスが相対アドレスに一致するか否かの比較データ
（２）比較対象のアドレスが比較する範囲の内外に存在するか否かの比較データ
以上（１）（２）のいずれかもしくは双方であることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項６】
前記メモリは
（１）音声情報を一例とする一次元情報として記憶されたもしくは記憶可能な情報
（２）画像情報を一例とする二次元情報として記憶されたもしくは記憶可能な情報
（３）立体情報を一例とする三次元情報として記憶されたもしくは記憶可能な情報
（４）時空間情報を一例とする多次元情報として記憶されたもしくは記憶可能な情報
（５）クラスタリング情報を一例とする情報をアドレスのグループ別に記憶されたもしくは記憶可能な情報
以上（１）から（５）の少なくとも１つの情報の検出を対象とするメモリ構成であることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項７】
前記第１のデータである記憶されたメモリのデータを比較するためのデータは
（１）メモリデータの一致
（２）メモリデータの大小
（３）メモリｂｉｔ個別のＤｏｎ‘ｔ Ｃａｒｅを含む比較
以上（１）から（３）の少なくとも１つであることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項８】
前記第１のデータ、第２のデータは
（１）データバス
（２）専用入力
以上（１）（２）のいずれかもしくは双方により入力されることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項９】
前記Ｎ次突破アドレスのアドレスを出力する手段は
（１）データバス
（２）専用出力
以上（１）（２）のいずれかもしくは双方により出力されることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項１０】
前記カウンタ手段に１次突破アドレスを記憶する手段を付加することにより、カウンタ手段の回路数量を確率的に出現する１次突破アドレスの数量に見合う回路数量に削減したことを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項１１】
前記アドレスのスワップ（交換）手段にプロセッサを用いることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項１２】
前記二重並列論理演算をメモリのバンク毎に切り替え実施することを特徴とする請求項１記載の情報絞り込み検出機能を備えたメモリ。
【請求項１３】
複数の前記第１のデータならびに第２のデータの入力手段と、
複数の前記二重並列論理演算手段と、を具備することを特徴とする請求項１記載の情報絞り込み検出機能を備えたメモリ。
【請求項１４】
前記メモリはＣＰＵを一例とする他の目的の半導体に組込まれ使用されることを特徴とする請求項１記載の情報絞り込み検出機能を備えたメモリ。
【請求項１５】
検出される情報（未知の情報）と、検出の基準になる情報（既知の情報）と、の互いの情報の複数のアドレスの、そのデータと、そのアドレスと、の双方が必要回数の比較条件に合格することをもって、未知の情報の内から既知の情報と同一もしくは類似の情報を検出することをもって、情報とその情報の位置を検出することを目的として
既知の情報を前記第１のデータと第２のデータとすることにより、請求項１記載のメモリに記憶された未知の情報を比較し、未知の情報の内から既知の情報と同一もしくは類似する情報とそのアドレスを、前記Ｎ次突破アドレスを読み出すことにより検出することを特徴とする情報絞り込み検出機能を備えたメモリの使用方法。
【請求項１６】
前記検出の基準になる情報（既知の情報）の内から、統計確率にもとづき前記同一情報もしくは類似情報を判定するに必要十分な複数個数のサンプルを抽出し、これを前記第１のデータと、第２のデータと、として比較条件とすることにより、同一情報もしくは類似情報を判定するために必要な前記比較回数を上記サンプル数以内とすることを特徴とする請求項１５記載の情報絞り込み検出機能を備えたメモリの使用方法。
【請求項１７】
前記サンプルを抽出する際、隣接するサンプル間のデータの相互のデータの差の絶対値を求め、これを集計することにより得られるサンプル特徴量を基準値以上として情報検出をすることを特徴とする請求項１５記載の情報絞り込み検出機能を備えたメモリの使用方法。
【請求項１８】
請求項３記載のアドレスの位置関係は
（１）前記一次元情報として配列記憶されたアドレス配列上の位置関係
（２）前記二次元情報として配列記憶されたアドレス配列上の位置関係
（３）前記三次元情報として配列記憶されたアドレス配列上の位置関係
（４）前記多次元情報として配列記憶されたアドレス配列上の位置関係
以上（１）から（４）の少なくとも１つの位置関係であり、このアドレスの位置関係を用いてパターン認識をすることを特徴とする請求項１５記載の情報絞り込み検出機能を備えたメモリの使用方法。
【請求項１９】
前記１次突破アドレスとなる最初の比較サンプルを複数種類のサンプルとする、もしくは一定の範囲を持させ検出を行うことを特徴とする請求項１５記載の情報絞り込み検出機能を備えたメモリの使用方法。
【請求項２０】
前記情報絞り込み検出機能を備えたメモリをアクセスしデータの読み出し書込みが可能なＣＰＵを併用することを特徴とする情報絞り込み検出機能を備えたメモリの使用方法。
【請求項２１】
前記情報絞り込み検出機能を備えたメモリに知識情報を記憶させ知識処理をすることを特徴とする情報絞り込み検出機能を備えたメモリの使用方法。
【請求項２２】
前記情報絞り込み検出機能を備えたメモリを使用したことを特徴とする装置。
【請求項２３】
前記情報絞り込み検出機能を備えたメモリを使用したことを特徴とする人工知能。
【請求項１】
メモリアドレスごとに情報を記憶しその情報を読み出し可能なメモリであって
このメモリは、
外部から与えられる第１のデータは記憶されたこのメモリのデータを比較するためのデータ、第２のデータはこのメモリのアドレスを比較するためのデータ、の双方の入力データの入力手段と、
（１）第１のデータでメモリに記憶されたデータを並列に比較し合否判定する手段と
（２）第２のデータでメモリのアドレスを並列に比較し合否判定する手段と
（３）以上（１）、（２）双方の合否判定結果をさらに並列に論理演算するデータとアドレスの二重並列論理演算手段と
を具備することを特徴とする情報絞り込み検出機能を備えたメモリ。
【請求項２】
前記（１）の合否判定手段ならびに前記（３）の二重並列論理演算手段を、その演算結果が前記（１）の合否判定と前記（２）の合否判定との論理積（ＡＮＤ）と等価となる、等価二重並列論理積（ＡＮＤ）演算手段で構成したことを特徴とする請求項１の情報絞り込み検出機能を備えたメモリ。
【請求項３】
前記メモリは、
毎次の前記等価二重並列論理積（ＡＮＤ）演算手段の結果をメモリアドレスごとに計測するカウンタ手段と、
初回の前記比較は、前記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスの上記カウンタを１にカウントアップしこれを１次突破アドレスとする手段と、
以降の比較は、上記第１のデータによって、メモリを並列に合否判定して合格したメモリアドレスと、上記１次突破アドレスと、の双方のアドレスの位置関係を、前記第２のデータによって、前記等価二重並列論理積（ＡＮＤ）演算手段で演算し、この演算を突破した上記１次突破アドレスのカウンタをカウントアップしてＮ（２以上の整数）次突破アドレスとする手段と、
このＮ次突破アドレスのアドレスを出力する手段と、
を具備することを特徴とする請求項２記載の情報絞り込み検出機能を備えたメモリ。
【請求項４】
前記等価二重並列論理積（ＡＮＤ）演算手段は前記第２のデータであるアドレスを比較するためのデータにもとづくアドレスのスワップ（交換）手段によって繰返し実施することを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項５】
前記第２のデータであるアドレスを比較するためのデータは、前記１次突破アドレスを基準とし、
（１）比較対象のアドレスが相対アドレスに一致するか否かの比較データ
（２）比較対象のアドレスが比較する範囲の内外に存在するか否かの比較データ
以上（１）（２）のいずれかもしくは双方であることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項６】
前記メモリは
（１）音声情報を一例とする一次元情報として記憶されたもしくは記憶可能な情報
（２）画像情報を一例とする二次元情報として記憶されたもしくは記憶可能な情報
（３）立体情報を一例とする三次元情報として記憶されたもしくは記憶可能な情報
（４）時空間情報を一例とする多次元情報として記憶されたもしくは記憶可能な情報
（５）クラスタリング情報を一例とする情報をアドレスのグループ別に記憶されたもしくは記憶可能な情報
以上（１）から（５）の少なくとも１つの情報の検出を対象とするメモリ構成であることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項７】
前記第１のデータである記憶されたメモリのデータを比較するためのデータは
（１）メモリデータの一致
（２）メモリデータの大小
（３）メモリｂｉｔ個別のＤｏｎ‘ｔ Ｃａｒｅを含む比較
以上（１）から（３）の少なくとも１つであることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項８】
前記第１のデータ、第２のデータは
（１）データバス
（２）専用入力
以上（１）（２）のいずれかもしくは双方により入力されることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項９】
前記Ｎ次突破アドレスのアドレスを出力する手段は
（１）データバス
（２）専用出力
以上（１）（２）のいずれかもしくは双方により出力されることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項１０】
前記カウンタ手段に１次突破アドレスを記憶する手段を付加することにより、カウンタ手段の回路数量を確率的に出現する１次突破アドレスの数量に見合う回路数量に削減したことを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項１１】
前記アドレスのスワップ（交換）手段にプロセッサを用いることを特徴とする請求項３記載の情報絞り込み検出機能を備えたメモリ。
【請求項１２】
前記二重並列論理演算をメモリのバンク毎に切り替え実施することを特徴とする請求項１記載の情報絞り込み検出機能を備えたメモリ。
【請求項１３】
複数の前記第１のデータならびに第２のデータの入力手段と、
複数の前記二重並列論理演算手段と、を具備することを特徴とする請求項１記載の情報絞り込み検出機能を備えたメモリ。
【請求項１４】
前記メモリはＣＰＵを一例とする他の目的の半導体に組込まれ使用されることを特徴とする請求項１記載の情報絞り込み検出機能を備えたメモリ。
【請求項１５】
検出される情報（未知の情報）と、検出の基準になる情報（既知の情報）と、の互いの情報の複数のアドレスの、そのデータと、そのアドレスと、の双方が必要回数の比較条件に合格することをもって、未知の情報の内から既知の情報と同一もしくは類似の情報を検出することをもって、情報とその情報の位置を検出することを目的として
既知の情報を前記第１のデータと第２のデータとすることにより、請求項１記載のメモリに記憶された未知の情報を比較し、未知の情報の内から既知の情報と同一もしくは類似する情報とそのアドレスを、前記Ｎ次突破アドレスを読み出すことにより検出することを特徴とする情報絞り込み検出機能を備えたメモリの使用方法。
【請求項１６】
前記検出の基準になる情報（既知の情報）の内から、統計確率にもとづき前記同一情報もしくは類似情報を判定するに必要十分な複数個数のサンプルを抽出し、これを前記第１のデータと、第２のデータと、として比較条件とすることにより、同一情報もしくは類似情報を判定するために必要な前記比較回数を上記サンプル数以内とすることを特徴とする請求項１５記載の情報絞り込み検出機能を備えたメモリの使用方法。
【請求項１７】
前記サンプルを抽出する際、隣接するサンプル間のデータの相互のデータの差の絶対値を求め、これを集計することにより得られるサンプル特徴量を基準値以上として情報検出をすることを特徴とする請求項１５記載の情報絞り込み検出機能を備えたメモリの使用方法。
【請求項１８】
請求項３記載のアドレスの位置関係は
（１）前記一次元情報として配列記憶されたアドレス配列上の位置関係
（２）前記二次元情報として配列記憶されたアドレス配列上の位置関係
（３）前記三次元情報として配列記憶されたアドレス配列上の位置関係
（４）前記多次元情報として配列記憶されたアドレス配列上の位置関係
以上（１）から（４）の少なくとも１つの位置関係であり、このアドレスの位置関係を用いてパターン認識をすることを特徴とする請求項１５記載の情報絞り込み検出機能を備えたメモリの使用方法。
【請求項１９】
前記１次突破アドレスとなる最初の比較サンプルを複数種類のサンプルとする、もしくは一定の範囲を持させ検出を行うことを特徴とする請求項１５記載の情報絞り込み検出機能を備えたメモリの使用方法。
【請求項２０】
前記情報絞り込み検出機能を備えたメモリをアクセスしデータの読み出し書込みが可能なＣＰＵを併用することを特徴とする情報絞り込み検出機能を備えたメモリの使用方法。
【請求項２１】
前記情報絞り込み検出機能を備えたメモリに知識情報を記憶させ知識処理をすることを特徴とする情報絞り込み検出機能を備えたメモリの使用方法。
【請求項２２】
前記情報絞り込み検出機能を備えたメモリを使用したことを特徴とする装置。
【請求項２３】
前記情報絞り込み検出機能を備えたメモリを使用したことを特徴とする人工知能。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【公開番号】特開２０１２−２５２３６８（Ｐ２０１２−２５２３６８Ａ）
【公開日】平成２４年１２月２０日（２０１２．１２．２０）
【国際特許分類】
【出願番号】特願２０１０−６５５９７（Ｐ２０１０−６５５９７）
【出願日】平成２２年３月２３日（２０１０．３．２３）
【特許番号】特許第４５８８１１４号（Ｐ４５８８１１４）
【特許公報発行日】平成２２年１１月２４日（２０１０．１１．２４）
【出願人】（５０８２２０５０４）
【Ｆターム（参考）】
【公開日】平成２４年１２月２０日（２０１２．１２．２０）
【国際特許分類】
【出願日】平成２２年３月２３日（２０１０．３．２３）
【特許番号】特許第４５８８１１４号（Ｐ４５８８１１４）
【特許公報発行日】平成２２年１１月２４日（２０１０．１１．２４）
【出願人】（５０８２２０５０４）
【Ｆターム（参考）】
[ Back to top ]