저전력 뉴로모픽 컴퓨팅을 위한 스파이킹 신경망으로의 인공신경망 변환 알고리즘 :Conversino algorithm of artificial neural networks to spiking neural networks for low-power neuromorphic computing

천민규

자료유형: 학위논문

저자정보: 천민규 (고려대학교, 고려대학교 대학원)

지도교수: 김종국

발행연도: 2024

저작권: 고려대학교 논문은 저작권에 의해 보호받습니다.

이용수78

초록· 키워드

최근 인공지능의 기술과 산업은 빠르게 성장하고 있으며 다양한 분야에서 혁신을 주도하고 있다. 그러나 현재 대부분의 인공지능 기술은 폰-노이만 (von Neumann) 구조의 컴퓨팅 방식에서 동작하므로 대규모 데이터 처리나 실시간 연산에서 에너지 비효율적이며 상대적으로 느린 한계점이 존재한다. 이러한 문제를 극복하기 위해 생물학적 뇌의 구조와 기능을 모방한 뉴로모픽 컴퓨팅이 연구되고 있다. 뉴로모픽 컴퓨팅은 데이터 처리와 저장이 동시에 이루어지는 방식으로, 병렬 처리와 에너지 효율성을 대폭 향상시킬 수 있는 새로운 컴퓨팅 패러다임을 제시하고 있다. 뉴로모픽 컴퓨팅 방식에서 사용되는 스파이킹 신경망은 높은 에너지 효율성과 낮은 지연 시간을 제공하므로 에너지 제약이 있는 환경 또는 실시간 데이터 처리가 필요한 응용 분야에서 그 중요성이 증가하고 있다. 따라서 뉴로모픽 컴퓨팅을 위한 스파이킹 신경망을 통해 저전력 인공지능 시스템을 구현하여 기존 인공신경망의 한계를 극복하는 것이 핵심 연구이다.
본 논문에서는 뉴로모픽 컴퓨팅을 위한 효율적인 스파이킹 신경망을 구현하는 방법을 제시한다. 첫 번째는 스파이킹 신경망의 높은 성능을 위해 인공신경망을 학습하여 이를 스파이킹 신경망으로 변환한다. 이는 스파이킹 신경망의 강력한 학습 알고리즘의 부재를 극복하여 효율적인 인공지능 시스템을 구축할 수 있다. 두 번째는 변환된 스파이킹 신경망의 효율적이고 안정적인 추론 동작을 위해 스파이킹 뉴런에 불응기를 적용하여 발화율을 정규화 한다. 정규화 된 발화율은 과발화로 매핑되는 활성화 값을 제어하여 뉴로모픽 하드웨어의 관점에서 전력 소모를 유발하는 동작을 제거하여 효과적인 연산을 가능하게 한다. 마지막으로, 신경망 변환 과정에서 발생하는 손실을 최소화할 수 있는 항상성 알고리즘을 연구한다. 이로써 신경망 변환 시 발생하는 불연속성 오류 혹은 양자화 오류로 인한 성능 저하를 극복하고 저전력 최적 지점에서의 스파이킹 신경망 파라미터를 결정할 수 있다.

#뉴로모픽 컴퓨팅 #스파이킹 신경망 #불응기 #신경망 변환 #항상성

초록 i
ABSTRACT iii
목차 v
표 목차 vii
그림 목차 viii
1장. 서론 1
2장. 이론적 배경 4
2.1 스파이킹 신경망 (Spiking neural networks, SNNs) 4
2.2 스파이킹 뉴런 모델 6
2.3 인공신경망을 스파이킹 신경망으로 변환하는 방법 8
3장. 저전력 뉴로모픽 컴퓨팅을 위한 방법 11
3.1 불응기를 갖는 IF 뉴런 모델 11
3.2 불응기를 갖는 IF 뉴런 모델을 사용한 신경망 변환 16
3.3 항상성 17
4장. 구현 22
4.1 인공신경망을 스파이킹 신경망으로 변환하는 과정 22
4.2 인공신경망 연산을 시냅스 연결로 구현할 때 제한점 27
5장. 실험 28
5.1 데이터셋 및 인공신경망 모델 28
5.2 학습 및 변환 실험 30
5.3 항상성 알고리즘 적용 실험 32
5.4 저전력 최적 지점 37
5.5 비교 및 분석 41
6장. 결론 43
참고문헌 44

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)