서지주요정보
Spiking neural network encoding optimization via reinforcement learning and evolution strategy = 강화학습과 진화전략을 이용한 스파이킹 신경망 정보 부호화 최적화
서명 / 저자 Spiking neural network encoding optimization via reinforcement learning and evolution strategy = 강화학습과 진화전략을 이용한 스파이킹 신경망 정보 부호화 최적화 / Jeongho Kim.
저자명 Kim, Jeongho ; 김정호
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8033772

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MEE 19023

SMS전송 소장위치

도서상태

이용가능

대출가능

반납예정일

초록정보

Spiking Neural Network, a neural network model used in Neuromorphic chips, is attracting attention as a next generation neural network model, but it is difficult to overcome low accuracy because of lack of a powerful learning algorithm like backpropagation. Recently, approach that converts Analog-valued Neural Networks trained using backpropagation to Spiking Neural Networks showed that Spiking Neural Network can obtain high accuracy comparable to Analog-valued Neural Network. However, this approach has a disadvantage of slowing the inference speed by encoding activation information into spike firing rates to obtain high accuracy. In order to tackle this problem, we converted the rate-encoded network into a network with efficient encoding scheme, Time-To-First encoding. The results of our study were as accurate as or better than those of the previous studies and the speed was faster than that of the rate-encoded networks. In addition, our model is a hardware-friendly model, which means this model is efficient to be implemented in Neuromorphic chips.

신경모사 반도체 칩에서 이용되는 신경망 모델인 스파이킹 신경망은 차세대 모델로 주목을 받고 있다. 그러나, 기존의 역전파 방법과 같은 강력한 학습 알고리즘의 부재로 낮은 정확성을 극복하기 어려웠다. 최근에는 아날로그 값을 갖는 신경망을 역전파 방법으로 학습시킨 뒤, 이를 스파이킹 신경망에 이식하는 방법이 매우 높은 정확도를 보였다. 이 방법은 높은 정확도를 얻기 위해 정보를 스파이크의 발화율로 부호화하는데 이 때문에 속도가 느리다는 단점이 있다. 이 문제를 해결하기 위해, 본 연구에서는 발화율로 부호화된 네트워크를 첫번째 스파이크 정보로 변환하는 연구를 수행했다. 그 결과, 기존 연구와 비슷하거나 높은 정확도를 보였으며 속도는 발화율로 부호화된 네트워크보다 빨랐다. 또한, 본 연구에서는 하드웨어 구현에 적합한 뉴런 모델을 이용하여 신경모사 칩에서 구현되기에 효율적이라 할 수 있다.

서지기타정보

서지기타정보
청구기호 {MEE 19023
형태사항 iii, 25 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 김정호
지도교수의 영문표기 : Dae-Shik Kim
지도교수의 한글표기 : 김대식
학위논문 학위논문(석사) - 한국과학기술원 : 전기및전자공학부,
서지주기 References : p. 22-23
주제 Spiking neural network
neuromorphic enigneering
spike encoding
reinforcement learning
evolution strategy
스파이킹 신경망
신경모사 공학
스파이크 정보 부호화
강화 학습
진화 전략
QR CODE qr code