스파이크 발화 기반 뉴론 모델을 이용한 인공 신경회로망 구조 설계

Abstract

본 연구에서는 기존의 딥 러닝 구조를 보완하여 기초적인 이미지를 분류하는 기법에 대하여 연구하였으며, 일반적으로 사용하는 강력한 컴퓨터기기 뿐 만 아니라 자율동반자로서 좀 더 낮은 사양의 환경에서도 성능을 유지하며 작동을 할 수 있는 모델을 개발하였다. 모델의 성능을 유지하는데 중점적으로 사용된 아이디어는 스파이크 발화기법을 사용하였다. 기존에 이미지 형태로 들어오던 입력 단을 몇 개의 스파이크 구조로 단순화 하여 입력하도록 하였으며, 단순화 하는 과정에서 그 데이터 손실을 최소화 하도록 하였다. 또한 내부 네트워크 의 은닉층(Hidden Layer)를 다음 층에 중첩함으로써 정확도를 보완하였다. 또한 이진(Binary)의 연결계수(weight)를 사용함으로써 앞으로 부동소수점연산(floating point)를 개선할 여지를 보였다. 개발된 신경망을 이용하여 기본적인 MNIST모델에 대하여 정확도를 크게 떨어뜨리지 않으며 시간이 크게 단축됨을 확인하였다.