論理合成のためのバイナリーニューラルネットの学習について

摘要

This paper studies a learning algorithm of binary neural networks (BNN) and its application to logical synthesis. The network can approximate a desired Boolean function if parameters are selected suitably. Comparing the BNN with a typical logical synthesis method, We can clarify that the BNN can be equivalent to the minimum disjunctive canonical form in some parameter subspace. Outside of the subspace, the BNN can be simpler than the minimum form. Performing typical numerical experiment, the algorithm efficiency is confirmed.%本論文では、バイナリーニューラルネットワークの学習法の提案と論理合成法への応用を行う。このネットワークは、パラメータを適切に設定することで、所望のブール関数を近似することができる。あるパラメータを固定にすることで、このBNNは最小論理和形と等価な結果を得ることができる。また、パラメータを可変にするこで、論理合成法による最小論理和形よりも簡単なネットワークの構成を実現できる。典型的な数値実験を通じてそのアルゴリズムの効果を確認する。