정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document :
| 한글제목(Korean Title) |
STDP 알고리즘과 스파이크 간의 시간적 상호 작용에 따른 SNN의 학습 성능 및 시간 분석 |
| 영문제목(English Title) |
Analysis of the Training Performance and Time of SNN by STDP Algorithms and Spike Temporal Interactions |
| 저자(Author) |
박성식
윤성로
Seongsik Park
Sungroh Yoon
|
| 원문수록처(Citation) |
VOL 24 NO. 09 PP. 0482 ~ 0486 (2018. 09) |
한글내용
(Korean Abstract) |
여러 분야에서 인공 신경망을 사용한 딥 러닝이 기존 다른 알고리즘의 성능을 크게 뛰어 넘으면서 큰 관심을 받고 있다. 하지만, 현재 주로 사용되는 딥 러닝 방식은 전력 소모 요구량이 크기 때문에 제한적인 자원을 갖고 있는 모바일 분야에 적용되기 어렵다. 이에 따라 저 전력으로 동작할 수 있는 spiking neural networks (SNNs)에 대한 관심이 커지고 있다. SNN은 시냅스 전과 후의 스파이크 시간관계에 따라 시냅스 가중치가 조절되는 STDP 알고리즘을 사용하여 시냅스 가중치를 학습한다. 따라서 SNN은 학습에 사용하는 스파이크의 수에 따른 STDP 알고리즘과 스파이크 간의 시간적 상호 작용에 따라 다양한 구성으로 학습 할 수 있다. 본 논문에서는 여러 STDP 알고리즘 구성으로 SNN을 학습하고 학습 성능과 학습 시간을 비교해 보았다.
|
영문내용
(English Abstract) |
Deep learning using artificial neural networks in various fields has received great attention because it outperforms other existing algorithms. However, deep learning cannot be applied to a mobile environment with limited hardware resources mainly because of power issues. Thus, there has been growing interest in spiking neural networks (SNNs) that can operate with low power consumption. SNNs learn synaptic weights by STDP algorithms, which adjust the synaptic weights according to the time dependency of the pre- and post-spikes. We can train SNNs in various configurations of STDP algorithms and spike temporal interactions. In this paper, we trained an SNN with the configurations of training algorithms and evaluated the performance and time of training the SNN.
|
| 키워드(Keyword) |
SNN
STDP
artificial intelligence
spike temporal interaction
|
| 파일첨부 |
PDF 다운로드
|
