본문 바로가기 주메뉴 바로가기
국회도서관 홈으로 정보검색 소장정보 검색

목차보기

목차

LIF/IF Model을 활용한 SNN/CNN Accumulator의 H/W 구현 = Implementation of SNN/CNN accumulator H/W using LIF/IF model / 홍윤표 ; 김희탁 ; 전석훈 ; 황태호 1

요약 1

Abstract 1

I. 서론 1

II. 본론 2

1. SNN과 CNN의 특징 2

2. SNN Neuron Model 3

3. CNN Activation Function 3

4. H/W Block Diagram 4

III. 실험 4

IV. 결론 5

REFERENCES 5

저자소개 6

초록보기

이 논문은 SNN의 여러 뉴런 모델 중 가장 유명한 IF와 LIF 모델을 H/W로 설계하고, 이를 이용하여 CNN과 SNN이 모두 구동 가능한 누적기에 대해 제안하려 한다. 이 누적기는 CNN의 활성화 함수와 SNN의 뉴런 모델 사이의 유사점에 착안하여 최소한의 H/W 추가로 두 기능을 모두 구동시킬 수 있도록 설계하였다. 이와 더불어 각 뉴런 모델, 그리고 활성화 함수를 사용하였을 때 이미지 인식 정확도를 CIFAR-10 Dataset을 사용하여 측정하였다. 실험 결과, SNN의 IF 뉴런 모델을 사용한 경우 89.8%의 이미지 인식 정확도를 이루어 내었고, 기존 누적기에서 31%만의 H/W 증가로 누적기에 IF 뉴런 모델을 탑재할 수 있었다.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
이진화된 신경망을 위한 효율적인 학습 가속 시스템 = Efficient training acceleration system for binary neural networks 류창호, 이형석, 김태환 p. 3-9

보기
H.266/VVC 기반의 동영상 부호화를 위한 고성능 통합 DST-7/DCT-8 회로 설계 = Design of high-performance unified DST-7/DCT-8 circuit for video encoding based on H.266/VVC 권용욱, 조경순 p. 10-18

보기
특허문서의 상세한 설명을 이용한 특허 자동분류에 1D-Convolutional Layer를 적용한 모델의 성능 비교 = Comparison of performance of models applying 1D-convolutional layer to automatic patent classification using detailed descriptions of patent documents 김성훈, 김승천 p. 21-28

보기
산업환경에 강인한 초고밀도 경량 디바이스 네트워크 개발 = Highly densed lightweight network for industry robustness 김선태, 신익수, 김영진 p. 29-35

보기
극지 생물 바이오로거 데이터 원격 회수를 위한 결함 감내 네트워크 = Fault-tolerant network for remote data acquisition of bio-loggers in polar regions 이진영, 염선호, 이정국, 황아리, 임용곤, 박수현 p. 36-46

보기
극한지 환경에서 무인기를 이용한 MQTT 기반 극한지 생물용 바이오로거 데이터 원격 회수 시스템 구현 = Implementation of MQTT-based polar biologger data remote recovery system using unmanned aerial vehicles in polar environments 이정국, 염선호, 이진영, 황아리, 채지윤, 임지영, 임용곤, 최유성, 박수현 p. 47-59

보기
(A) control input transformation static output feedback integral SMC for uncertain systems with unmatched system matrix uncertainty = 부정합 시스템 행렬 불확실성을 갖는 시스템을 위한 제어입력 변환 정적 출력 궤환 적분 가변 구조 제어기 Myeong-Soo Choi, Jung-Hoon Lee p. 63-73

보기
호지킨-헉슬리(Hodgkin-Huxley) 모델을 활용한 광열신경자극의 자극 길이에 따른 신경 반응 이론적 고찰 = Theoretical analysis on the effect of stimulation duration on photothermal neural activation using Hodgkin-Huxley model 김명규, 박성윤, 엄경식 p. 74-83

보기
강화학습을 활용한 다중 스펙트럼 채널 접근 기술에 대한 연구 = A study on multi-spectrum channel access technology using reinforcement learning 박종인, 김건우, 김지수, 최계원 p. 87-96

보기
Charge-trap Flash 메모리 기반 채널 적층형 3차원 AND형 시냅스 어레이와 동작 방법 = Channel stacked three-dimensional AND-type synapse array based on charge trap flash memory and operation methods 김정남, 김윤 p. 97-103

보기
전하 트랩 플래시 셀의 이레이즈 모델링 및 응용 = Erase modeling of charge trap flash cells and its application to trap energy extraction of dielectric thin films 김건웅, 백승재 p. 104-111

보기
LIF/IF Model을 활용한 SNN/CNN Accumulator의 H/W 구현 = Implementation of SNN/CNN accumulator H/W using LIF/IF model 홍윤표, 김희탁, 전석훈, 황태호 p. 112-117

보기
모바일 환경을 위한 딥러닝 기반 열화상 이미지 마스크 인식 및 교차 엔트로피를 이용한 클래스 분류 = Deep learning-based thermal image mask recognition for mobile environments and classification using a cross-entropy loss function 문종원, 윤호섭 p. 118-123

보기
Convolutional LSTM 모델 기반의 짧은 지연 시간을 갖는 베어링 결함 진단 = Low-latency bearing fault diagnosis based on convolutional LSTM model 김지호, 신지훈, 김태환 p. 124-130

보기
스마트 팜 로봇의 회전 성능 향상을 위한 단일 모터 및 솔레노이드 구동기 기반 4륜 조향 시스템 설계 = Single motor and solenoid actuator-based four-wheel steering system design for improving the rotational performance of smart farm robots 변수환, 박재병 p. 131-137

보기
선형 회귀 알고리즘을 활용한 지진 재난 상황에서의 건물 안전 위험도 추정 방법 = Estimation of building safety risk in earthquake calamity situation using linear regression algorithm 황도경, 김다현, 김동주 p. 138-147

보기
라즈베리 파이 기반의 캔위성 체계 개발 = Development of CanSat system based on Raspberry Pi 이영건, 이상현, 유승훈 p. 148-158

보기

참고문헌 (6건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 O. Russakovsky et al., “ImageNet Large Scale Visual Recognition Challenge,” Int J Comput Vis, vol. 115, no. 3, pp. 211–252, Dec. 2015. 미소장
2 W. Maass, “Networks of spiking neurons: The third generation of neural network models,” Neural Networks, vol. 10, no. 9, pp. 1659–1671, Dec. 1997 미소장
3 F. Akopyan et al., "TrueNorth: Design and Tool Flow of a 65 mW 1 Million Neuron Programmable Neurosynaptic Chip," IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, vol. 34, no. 10, pp. 1537-1557, Oct. 2015 미소장
4 M. Davies, ,N. Srinivasa, T.-H. Lin, G. Chinya, Y. Cao, S. H. Choday, G. Dimou, P. Joshi, N. Imam, S. Jain et al., “Loihi: A Neuromorphic Manycore Processor with On-Chip Learning,” IEEE Micro 2018. vol. 38, no. 1, pp. 82-99, Jan 2018 미소장
5 S. Narayanan, K. Taht, R. Balasubramonian, E. Giacomin and P. Gaillardon, "SpinalFlow: An Architecture and Dataflow Tailored for Spiking Neural Networks," 2020 ACM/IEEE 47th Annual International Symposium on Computer Architecture (ISCA), 2020, pp. 349-362 미소장
6 Wenrui Zhang, and Peng Li, “Temporal spike sequence learning via backpropagation for deep spiking neural networks,” NeurIPS 2020, Oct, 2020. 미소장