이벤트 기반 시퀀스 인식을 위한 효과적인 스파이킹 뉴럴 네트워크 = Effective spiking neural network for event-based sequence recognition

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 56
  • Download : 0
최근 고성능 중앙 처리 장치(CPU, Central Processing Unit), 그래픽 처리 장치 (GPU, Graphics Processing Unit)의 발달과 많은 종류의 데이터셋 사용이 가능해지면서 딥러닝 기술이 크게 발전하였으며 이에 따라 다양한 분야에서의 활용을 가능케 하였다. 하지만 높은 정확도의 뉴럴 네트워크를 구성, 학습하기 위해서는 많은 양의 계산량을 필요로 하며 이는 스마트 폰, 모바일 로봇 등과 같은 저전력 기기에서 뉴럴 네트워크의 활용을 어렵게 하였다. 따라서 본 연구에서는 데이터 양이 적은 이벤트 카메라와, 이를 처리하기에 적합한 스파이킹 뉴럴 네트워크를 이용하여 적은 양의 계산으로 제스쳐 인식을 수행한다. 제스쳐 인식을 위하여 컨볼루션 구조의 스파이킹 뉴럴 네트워크를 사용하였고, 높은 정확도의 제스쳐 인식을 위해 3가지 종류의 스파이킹 어텐션 메커니즘을 제안하였다. 성능 평가를 위해서는 퍼블릭 이벤트 데이터 셋인 N-MNIST 데이터셋을 사용하였다. 실험 결과, 제안된 스파이킹 어텐션 메커니즘을 사용해 적은 계산량으로 정확하게 제스쳐 인식을 수행하는 것을 확인할 수 있었다.
Advisors
명현researcherMyung, Hyunresearcher
Description
한국과학기술원 :로봇공학학제전공,
Publisher
한국과학기술원
Issue Date
2020
Identifier
325007
Language
kor
Description

학위논문(석사) - 한국과학기술원 : 로봇공학학제전공, 2020.2,[v, 44 p. :]

Keywords

스파이킹 뉴럴 네트워크▼a시퀀스 인식▼a이벤트 카메라▼a어텐션 메커니즘▼a3D 컨볼루션 뉴럴 네트워크; Spiking Neural Network (SNN)▼aGesture recognition▼aEvent camera▼aAttention mechanism▼a3D Convolutional Neural Network

URI
http://hdl.handle.net/10203/283982
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=910773&flag=dissertation
Appears in Collection
RE-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0