인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.2
- 수록면
- 162 - 171 (10page)
- DOI
- 10.7840/kics.2023.48.2.162
이용수
DBpia Top 5%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
Spiking Neural Networks (SNNs)는 3세대 인공신경망으로 많은 연구자들의 주목을 받고 있다. SNN은 정보를 처리하기 위해 이산적인 스파이크와 막 전위가 임계치를 넘어야 정보를 전달하는 스파이킹 뉴런을 사용한다. 이로인해 SNN은 다른 인공신경망들보다 에너지 효율성이 더 좋으며 순차적 데이터에 처리에 좋은 성능을 보인다고 알려져 있다. 하지만 현재 SNN의 응용 분야는 기존 인공신경망들이 자주 응용되는 분야인 이미지 분석에 국한되어 있으며 다른 응용 분야에서는 널리 쓰이지 못하고 있다. 따라서 본 논문에서는 SNN을 Radio Frequency (RF) 신호 탐지 및 분류에 사용하여 그 성능을 측정했다. 또한, RF 신호 스파이크 변환 인코딩에 레이트 코딩과 템포럴 코딩을 적용해서 각 코딩 방식의 성능과 계산 복잡도를 측정하여 Signal-to-Noise Ratio (SNR)에 따른 효율적인 신호 인코딩 방식을 제안한다.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 요약
- ABSTRACT
- Ⅰ. 서론
- Ⅱ. Spiking Neural Network
- Ⅲ. SNN 모델의 구조 및 원리와 RF 신호 탐지 및 분류 절차
- Ⅳ. 실험 설정 및 결과
- Ⅴ. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-ECN-0101-2023-567-000453229
