| 1 |
1
각각 가중치 행렬을 포함하고, 입력 특징 맵과 상기 가중치 행렬을 컨볼루션 연산하여 출력 특징 맵을 획득하는 다수의 컨볼루션 커널; 및 상기 다수의 컨볼루션 커널의 상기 가중치 행렬의 크기를 판별하고, 판별된 가중치 행렬의 크기가 서로 상이하면, 기지정된 더미값을 추가하여 상기 다수의 컨볼루션 커널의 가중치 행렬의 크기를 동일하게 조절하는 더미값 추가부; 를 포함하는 인공 신경망 모듈
|
| 2 |
2
제1 항에 있어서, 상기 더미값 추가부는 상기 다수의 컨볼루션 커널에 포함된 가중치 행렬 중 최대 크기의 가중치 행렬의 크기에 따라 상기 가중치 행렬에 추가되는 더미값의 개수를 결정하는 인공 신경망 모듈
|
| 3 |
3
제2 항에 있어서, 상기 더미값 추가부는 가로, 세로 및 깊이를 갖는 3차원 행렬로 구현된 상기 가중치 행렬의 깊이에 상기 더미값을 추가하여 깊이를 증가시키는 인공 신경망 모듈
|
| 4 |
4
제3 항에 있어서, 상기 가중치 행렬은 상기 더미값이 추가되어 상기 입력 특징 맵에 포함된 특징 맵의 개수에 대응하는 깊이를 갖는 인공 신경망 모듈
|
| 5 |
5
제3 항에 있어서, 상기 더미값은 0의 값으로 설정되는 인공 신경망 모듈
|
| 6 |
6
제3 항에 있어서, 상기 다수의 컨볼루션 커널은 서로 병렬로 상기 컨볼루션 연산 처리를 수행하는 인공 신경망 모듈
|
| 7 |
7
제1 항에 있어서, 상기 인공 신경망은 상기 출력 특징 맵을 기지정된 방식으로 서브 샘플링하여 상기 출력 특징 맵의 크기를 줄이는 서브 샘플링 레이어를 더 포함하는 인공 신경망 모듈
|
| 8 |
8
각각 가중치 행렬을 포함하고, 입력 특징 맵과 상기 가중치 행렬을 컨볼루션 연산하여 출력 특징 맵을 획득하는 다수의 컨볼루션 커널의 가중치 행렬의 크기를 판별하는 단계; 판별된 가중치 행렬의 크기가 서로 상이하면, 기지정된 더미값을 추가하여 상기 다수의 컨볼루션 커널의 가중치 행렬의 크기를 동일하게 조절하는 단계; 및 상기 다수의 컨볼루션 커널이 병렬로 연산 처리를 수행하도록 스케쥴링하는 단계; 를 포함하는 인공 신경망 모듈의 스케쥴링 방법
|
| 9 |
9
제8 항에 있어서, 상기 동일하게 조절하는 단계는 상기 다수의 컨볼루션 커널에 포함된 가중치 행렬 중 최대 크기을 판별하는 단계; 최대 크기의 가중치 행렬의 크기에 따라 상기 가중치 행렬에 추가되는 더미값의 개수를 결정하는 단계; 및 결정된 개수의 더미 값을 상기 가중치 행렬에 추가하는 단계; 를 포함하는 인공 신경망 모듈의 스케쥴링 방법
|
| 10 |
10
제9 항에 있어서, 상기 가중치 행렬에 추가하는 단계는 가로, 세로 및 깊이를 갖는 3차원 행렬로 구현된 상기 가중치 행렬의 깊이에 결정된 개수의 상기 더미값을 추가하여 깊이를 증가시키는 인공 신경망 모듈의 스케쥴링 방법
|
| 11 |
11
제10 항에 있어서, 상기 더미값은 0의 값으로 설정되는 인공 신경망 모듈의 스케쥴링 방법
|
