1 |
1
이진이미지를 입력받는 스파이킹 뉴럴 네트워크; 및상기 스파이킹 뉴럴 네트워크와 전기적으로 연결된 시냅스 학습장치를 포함하고, 상기 시냅스 학습장치는, 복수의 입력뉴런들 대비 프리신호를 일정개수 이상 발화하는 접속노드들의 연결비율에 따라, 상기 접속노드들에 대한 이진화를 통해 제1 이미지를 생성하는 제1 처리부;복수의 출력뉴런들 중 포스트신호를 최대 개수로 발화하는 출력노드를 선택하고, 상기 출력노드에 연결된 복수의 시냅스들의 제1 가중치들을 기초로, 제2 이미지를 생성하는 제2 처리부; 및상기 제1 이미지와 상기 제1 가중치들에 대한 평균기반의 학습알고리즘을 통해 제2 가중치들을 획득하고, 상기 제2 가중치들을 기초로 제3 이미지를 생성하는 제3 처리부를 포함하며,상기 평균기반의 학습알고리즘은, (1)과, (2)를 포함하고, 여기서, f(x)는 임의의 입력값인 x에 대하여 식(2)의 결과를 나타내는 함수이고, 이때, flag는 상기 제1 이미지이고, Wn은 상기 제1 가중치들이며, Wn+1은 상기 제2 가중치들인 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
2 |
2
제1항에 있어서, 상기 제3 처리부는, 상기 제1 및 제2 가중치들 간의 동일 여부에 따라, 상기 학습알고리즘에 대한 비활성화 여부를 결정하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
3 |
3
삭제
|
4 |
4
제1항에 있어서, 상기 제1 처리부는, 상기 복수의 입력뉴런들로부터 발화되는 상기 프리신호의 개수를 카운트하는 복수의 제1 카운터들; 및상기 접속노드들에 플래그를 부여하는 복수의 플래그설정부들을 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
5 |
5
제4항에 있어서, 상기 제1 처리부는, 상기 연결비율이 임계치 미만인 경우, 상기 복수의 제1 카운터들을 통해 카운트된 상기 프리신호의 개수를 업데이트하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
6 |
6
제4항에 있어서, 상기 제1 처리부는, 상기 연결비율이 임계치인 경우, 상기 복수의 플래그설정부들을 통해 부여된 플래그의 개수를 업데이트하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
7 |
7
제4항에 있어서,상기 제1 처리부는, 상기 연결비율이 임계치를 초과하는 경우, 상기 제1 카운터들 및 복수의 플래그설정부들를 비활성화하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
8 |
8
제1항에 있어서, 상기 제2 처리부는, 상기 복수의 출력뉴런들로부터 발화되는 상기 포스트신호의 개수를 카운트하는 복수의 제2 카운터들를 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
9 |
9
제1항에 있어서, 상기 제2 처리부는, 상기 포스트신호의 개수와 상기 프리신호의 개수에 따라 변화되는 적어도 하나의 출력뉴런의 멤브레인 전위를 업데이트하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
10 |
10
제9항에 있어서, 상기 제3 처리부는, 상기 포스트신호에 따라 설정된 학습시간구간 이후에, 상기 복수의 입력뉴런들을 통해 발화하는 프리신호에 따라, 다음 학습시간구간을 설정하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
11 |
11
제4항에 있어서, 각 제1 카운터는 2비트의 이진 카운터이고, 각 플래그설정부는 1비트의 이진 플래그설정부인 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
12 |
12
제1항에 있어서, 상기 제3 처리부는, 상기 스파이킹 뉴럴 네트워크를 통해 다른 입력이미지를 입력받을 때, 상기 제1 및 제2 처리부를 리셋하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습장치
|
13 |
13
스파이킹 뉴럴 네트워크 기반의 비지도 학습방법에 있어서, 제1 처리부가 복수의 입력뉴런들 대비 프리신호를 일정개수 이상 발화하는 접속노드들과의 연결비율에 따라, 상기 접속노드들에 대한 이진화를 통해 제1 이미지를 생성하는 단계; 제2 처리부가 복수의 출력뉴런들 중 포스트신호를 최대 개수로 발화하는 출력노드를 선택하는 단계;상기 제2 처리부가 상기 출력노드에 연결된 시냅스들의 제1 가중치들을 기초로 제2 이미지를 생성하는 단계; 제3 처리부가 상기 제1 이미지와 상기 제1 가중치들에 대한 평균기반의 학습알고리즘을 통해 제2 가중치들을 획득하는 단계; 및상기 제3 처리부가 상기 제2 가중치들을 기초로 제3 이미지를 생성하는 단계를 포함하고,상기 평균기반의 학습알고리즘은, (1)과, (2)를 포함하고, 여기서, f(x)는 임의의 입력값인 x에 대하여 식(2)의 결과를 나타내는 함수이고, 이때, flag는 상기 제1 이미지이고, Wn은 상기 제1 가중치들이며, Wn+1은 상기 제2 가중치들인 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|
14 |
14
제13항에 있어서, 상기 제3 처리부는, 상기 제1 및 제2 가중치들 간의 동일 여부에 따라, 상기 평균기반의 학습알고리즘에 대한 비활성화 여부를 결정하는 단계를 더 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|
15 |
15
제13항에 있어서, 상기 제1 이미지를 생성하는 단계는, 상기 제1 처리부가 상기 복수의 입력뉴런들로부터 발화되는 상기 프리신호의 개수를 카운트하는 단계를 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|
16 |
16
제13항에 있어서, 상기 제1 이미지를 생성하는 단계는, 상기 제1 처리부가 상기 접속노드들에 플래그를 부여하는 단계를 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|
17 |
17
제15항에 있어서, 상기 제1 이미지를 생성하는 단계는, 상기 연결비율이 임계치 미만인 경우, 상기 제1 처리부가 상기 카운트된 프리신호의 개수를 업데이트하는 단계를 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|
18 |
18
제16항에 있어서, 상기 제1 이미지를 생성하는 단계는, 상기 연결비율이 임계치에 해당하는 경우, 상기 제1 처리부가 상기 플래그의 개수를 업데이트하는 단계를 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|
19 |
19
제13항에 있어서, 상기 제2 이미지를 생성하는 단계는, 상기 제2 처리부가 상기 복수의 출력뉴런들로부터 발화되는 상기 포스트신호의 개수를 카운트하는 단계를 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|
20 |
20
제19항에 있어서, 상기 제2 이미지를 생성하는 단계는, 상기 제2 처리부가 상기 포스트신호의 개수와 상기 프리신호에 따라 변화된 적어도 하나의 활동뉴런의 멤브레인 전위를 업데이트하는 단계를 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|
21 |
21
제18항에 있어서, 상기 제3 이미지를 획득하는 단계는, 상기 제3 처리부가 상기 포스트신호의 개수를 카운트한 시점을 기준으로, 학습시간구간을 설정하는 단계;상기 학습시간구간 이후에 상기 복수의 입력뉴런들로부터 발화된 프리신호에 따라, 상기 제3 처리부가 다음 학습시간구간을 반복적으로 설정하는 단계; 및마지막 학습시간구간에서, 상기 제3 처리부가 상기 평균기반의 학습알고리즘에 대한 비활성화 여부를 결정하는 단계를 포함하는 스파이킹 뉴럴 네트워크 기반의 비지도 학습방법
|