메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
우고은 (충북대학교) 김형원 (충북대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제62권 제2호(통권 제567호)
발행연도
2025.2
수록면
19 - 28 (10page)
DOI
10.5573/ieie.2025.62.2.19

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 Deep Neural Network (DNN)의 훈련 중 배치 정규화 단계에서 요구되는 표준편차 연산을 위한 Cubic Spline Interpolation 기반 제곱근 연산기 (CSISR)를 제안한다. 본 연구는 선형 보간법 대비 자원 소모를 줄이고 높은 정확도를 달성할 수 있는 cubic spline 보간법을 적용한 비선형 제곱근 연산 방법을 소개한다. 특히, 룩업테이블을 사용하지 않는 설계 방식을 택하여 하드웨어 면적을 절약하였다. 이로 인해 제안된 연산기는 하드웨어 자원 사용을 최소화하고 에너지 효율을 개선하는 데 기여한다. 본 연산기를 Brain Foating Point 16bit (Bfloat16) 데이터 포맷을 이용하여 Verilog HDL로 구현하고 객체 탐지 모델 YOLOv2 DNN 모델의 배치 정규화 레이어에 적용하여 훈련한 결과, 원래의 PyTorch를 사용한 GPU 연산과 유사한 학습 정확도를 보여주었다. 특히, 구현된 연산기의 평균 오차율은 0.1915%로 높은 정확도를 제공한다. 제안된 제곱근 연산기를 bfloat16 data format을 목표로 설계하고 TSMC 180nm 공정을 사용하여 총 칩 면적과 전력 소모를 측정하였다. 칩 면적은 889.2㎛²로, 기존 기술 대비 86% 작으며, 전력 소모는 0.1572 mW로 기존 기술 대비 79% 낮음으로 평가된다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 설계 검증 및 성능 분석
Ⅳ. 결론
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092462595