| 한글제목(Korean Title) |
Nengo 프레임워크에서 SNN(Spiking Neural Networks) 응용의 성능 분석 |
| 영문제목(English Title) |
Performance Analysis of Spiking Neural Networks (SNNs) based Applications in Nengo Framework |
| 저자(Author) |
김서연
정재혁
김찬수
김경수
최승호
윤영선
정진만
Seoyeon Kim
Jaehyeok Jeong
Chansoo Kim
Kyeongsoo Kim
Seungho Choi
Young-Sun Yun
Jinman Jung
|
| 원문수록처(Citation) |
VOL 46 NO. 02 PP. 0836 ~ 0838 (2019. 12) |
한글내용
(Korean Abstract) |
최근 SNN(Spiking Neural Network)모델은 실제 신경세포의 스파이크(spike) 전달과 처리과정을 모형화하여 에너지 효율성 측면 등 기존 딥러닝 모델의 문제를 해결할 수 있는 방법으로 3세대 인공뉴런모델로 불린다. 주로 뇌과학 분야에서 생물학적 신경시스템의 모형화 및 특성 분석을 위한 도구로서 SNN 시뮬레이션을 위한 소프트웨어들이 활용되고 있다. 대부분 인간의 두뇌를 분석하기 위해 대규모 신경세포로 구성된 신경시스템의 동적특성을 반영한 수학적 모델과 광범위한 인자들로 구성된 시뮬레이션을 목적으로 하고 있어 기계학습분야에 아직 많이 활용되지 않고 있다. 최근 Nengo와 같은 SNN 시뮬레이션 프레임워크를 활용하여 SNN 모델을 지도, 비지도 및 강화학습 분야의 응용에 적용하기 위한 연구들이 시도되고 있다. 본 논문에서는 Nengo 프레임워크에서 SNN 모델 기반 응용을 구현하여 성능을 분석한다. 지도학습의 대표적인 예인 선형회귀(Linear Regression), 로지스틱회귀(Logistic Regression), 다중분류(Multi-class Classification)의 사례를 통해 성능 평가를 한다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
