SNN(Spiking Neural Network)

문제4) SNN(Spiking Neural Network)

답)

 

1. 생물학적 신경망을 모방한 차세대 신경망 SNN 의 개요

 

 

심층신경망에 생물학적 근사성을 반영 입력되는 정보를 시간적인 신호로 처리하는 뉴런의 중요한 생물학적특징을 모사하는 인공신경망.

 

2. 스파이킹 신경망의 구조 및 코드화 기법

가. 스파이킹 신경망의 구조

스파이킹 신경망을 구성하는 뉴런은 많은 입력을 받고 하나의 스파이크 신호를 출력 디렉 델타 함수 뉴런간의 신호전달은 활동전위에 의한 이산적 스파이크를 통해 일어나며 시간에 따라 지속적으로 발생하는스파이크를 스파이크 열 Spike Train) 이라 함.

 

 

나. 스파이킹 신경망의 코드화 기법

 

코드요소	설명
빈도 코드화 (Rate Coding)	스파이크의 발생 빈도를 이용하는 코드화 기법
시각 코드화 (Tempotal Coding)	스파이크의 발생 시각을 이용하는 코드화 기법
TTFS 코드화 (Time To First Spike Coding)	첫 스파이크를 이용하는 코드화 기법
버스트코드화 (Burst Coding)	짧은 시간안에 집중적으로 발생한 스파이크를 이용하는 코드화 기법
위상코드화 (Phase Coding)	스파이크의 위상을 이용하는 코드화 기법
이러한 코드화는 정보를 간단하게 표현하고 빠르게 처리하며 , 대규모 병렬 계산을 가능하게 한다.

 

3. SNN의 전망

 

저전력 SNN 기반 뉴로모픽	L ow Power, Hi Performance, On Chip learning SNN 은 저전력으로 구현할 수 있음 Edge 컴퓨팅에서 그 영향력 발휘 예상
응용분야 모색 및 성공사례 확인	SNN 은 기존 ANN 에 버금가는 성능은 어느정도 증명했으나 ANN 의 성능을 초월하지는 못함 Spike train 이란 시간이 포함된 특징을 이용해야 함
SNN 은 생물학적 근사성을 바탕으로 인간의 두뇌가 가지는 적응력 시공간적 치리 능력을 재현하여 심층신경망이 고전하고 있는 난제들을 해결할 수 있으리라는 기대 하에 많은 연구가 진행되고 있다.

 

 

---

 

공감과 댓글은 아이티신비에게 큰 힘이 됩니다.

블로그 글이 유용하다면 블로그를 구독해주세요.♥