메뉴 건너뛰기

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
(광운대학교) (광운대학교) (광운대학교) (성신여자대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제49권 제7호
발행연도
수록면
935 - 946 (12page)
DOI
10.7840/kics.2024.49.7.935

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
이 논문의 연구방법이 궁금하신가요?
🏆
연구결과
이 논문의 연구결과가 궁금하신가요?
AI에게 요청하기
추천
검색
질문

초록· 키워드

연합학습은 신경망 전역 모델을 여러 개의 디바이스에서 공동으로 학습을 하는 방식으로, 기존의 중앙 집중화 학습에 비해 데이터 보안 및 통신 비용에 있어 이점을 가지고 있기 때문에 현재 많은 연구가 이루어지고 있다. 이러한 연합학습에 대한 연구는 대부분 Artificial Neural Network(ANN)을 전역 모델로 사용하는데, ANN은 에너지 소모가 크기 때문에 모바일 디바이스 및 임베디드 디바이스에서 사용을 하기에는 무리가 있다. 대신에 에너지 효율성이 높은 Spiking Neural Network(SNN)을 전역 모델로 사용한 연합학습에 대한 연구가 이루어지고 있다. SNN은 스파이크를 통해서 뉴런들 간에 정보를 전달하는 신경망으로, event-driven 방식으로 작동하기 때문에 ANN에 비해 에너지 효율성이 높다는 이점이 있다. 하지만 ANN을 연합학습에 사용한 연구 결과에 비해 SNN을 연합학습에 사용한 연구 결과는 매우 적으며, 이는 SNN 기반 연합학습을 여러 분야에 적용하기 힘들게 한다. 본 논문에서는 실험을 통해 분석한 결과 SNN 기반의 연합학습이 ANN 기반의 연합학습에 비해 에너지 소비량이 더 적다는 결과를 얻을 수 있었다.
#연합학습 #스파이킹 뉴럴 네트워크 #2차원 이미지 분류 #Federated Learning #Spiking Neural Network #2-dimensional image classification
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

목차

  1. 요약
  2. ABSTRACT
  3. Ⅰ. 서론
  4. Ⅱ. 배경지식
  5. Ⅲ. 기존 연구
  6. Ⅳ. SNN 기반 연합학습 구현
  7. Ⅴ. 실험
  8. Ⅵ. 결론
  9. References

참고문헌

참고문헌 신청

최근 본 자료

전체보기
260319_딥리서치
260319_AI리더
260304_새학기에이전트
260420 이주의질문
260122_AIagent
260304_아그논문롤
260127_아그논문
260127_AI뷰어
UCI(KEPA) : I410-ECN-151-24-02-090041888