1 |
1
오디오 신호인 시간 도메인의 원본 테스트 신호를 주파수 도메인으로 변환하는 단계;상기 주파수 도메인의 원본 테스트 신호의 계수를 이진화하는 단계;상기 이진화된 계수와 학습 과정에서 도출된 학습 모델 파라미터를 이용하여 부호화 계층 피드 포워드를 수행하는 단계;상기 부호화 계층 피드 포워드를 수행한 결과에 기초하여 엔트로피 부호화를 수행하는 단계를 포함하는 부호화 방법
|
2 |
2
제1항에 있어서,상기 학습 과정을 통해 도출된 학습 모델 파라미터는,이진 신경망을 이용하여 오토 인코더의 모델 파라미터와 연산을 이진 연산 방식으로 재정의함으로써 도출되는 부호화 방법
|
3 |
3
제1항에 있어서,상기 학습 과정을 통해 도출된 학습 모델 파라미터는,상기 모델 파라미터의 가중치에 기초한 양극(bipolar) 이진 입력을 XNOR 연산에 적용한 결과에 기초하여 도출되는 부호화 방법
|
4 |
4
제2항에 있어서,상기 이진 신경망은,은닉 유닛의 출력이 양극 이진수가 되도록 활성 함수를 쌍곡선 함수에서 부호 함수로 대체된 신경망인 부호화 방법
|
5 |
5
제1항에 있어서,상기 이진화하는 단계는,양자화 및 분산 과정을 통해 상기 주파수 도메인의 계수를 이진 벡터로 재구성하는 부호화 방법
|
6 |
6
제1항에 있어서,상기 엔트로피 부호화를 수행하는 단계는,잠재 표현 비트스트림의 확률 분포에 기초하여 엔트로피 부호화를 수행하는 부호화 방법
|
7 |
7
엔트로피 복호화를 통해 비트스트림으로부터 잠재 표현 비트스트림을 출력하는 단계;상기 잠재 표현 비트스트림과 학습 과정을 통해 도출된 학습 모델 파라미터를 이용하여 복호화 계층 피드 포워드를 통해 재구성된 이진 벡터를 복원하는 단계;상기 재구성된 이진 벡터를 N비트씩 그룹핑하여 실수로 변환함으로써 주파수 도메인의 계수를 출력하는 단계;상기 주파수 도메인의 계수를 시간 도메인으로 변환하는 단계를 포함하는 복호화 방법
|
8 |
8
제7항에 있어서,상기 학습 과정을 통해 도출된 학습 모델 파라미터는,이진 신경망을 이용하여 오토 인코더의 모델 파라미터와 연산을 이진 연산 방식으로 재정의함으로써 도출되는 복호화 방법
|
9 |
9
제7항에 있어서,상기 학습 과정을 통해 도출된 학습 모델 파라미터는,상기 모델 파라미터의 가중치에 기초한 양극(bipolar) 이진 입력을 XNOR 연산에 적용한 결과에 기초하여 도출되는 복호화 방법
|
10 |
10
제8항에 있어서,상기 이진 신경망은,은닉 유닛의 출력이 양극 이진수가 되도록 활성 함수를 쌍곡선 함수에서 부호 함수로 대체된 신경망인 복호화 방법
|
11 |
11
부호화 장치에 있어서,상기 부호화 장치는오디오 신호인 시간 도메인의 원본 테스트 신호를 주파수 도메인으로 변환하고, 상기 주파수 도메인의 원본 테스트 신호의 계수를 이진화하고, 상기 이진화된 계수와 학습 과정에서 도출된 학습 모델 파라미터를 이용하여 부호화 계층 피드 포워드를 수행하고, 상기 부호화 계층 피드 포워드를 수행한 결과에 기초하여 엔트로피 부호화를 수행하는 프로세서를 포함하는 부호화 장치
|
12 |
12
제11항에 있어서,상기 학습 과정을 통해 도출된 학습 모델 파라미터는,이진 신경망을 이용하여 오토 인코더의 모델 파라미터와 연산을 이진 연산 방식으로 재정의함으로써 도출되는 부호화 장치
|
13 |
13
제11항에 있어서,상기 학습 과정을 통해 도출된 학습 모델 파라미터는,상기 모델 파라미터의 가중치에 기초한 양극(bipolar) 이진 입력을 XNOR 연산에 적용한 결과에 기초하여 도출되는 부호화 장치
|
14 |
14
제12항에 있어서,상기 이진 신경망은,은닉 유닛의 출력이 양극 이진수가 되도록 활성 함수를 쌍곡선 함수에서 부호 함수로 대체된 신경망인 부호화 장치
|
15 |
15
제1항에 있어서,상기 프로세서는,양자화 및 분산 과정을 통해 상기 주파수 도메인의 계수를 이진 벡터로 재구성함으로써 계수 이진화하는 부호화 장치
|
16 |
16
제11항에 있어서,상기 프로세서는,잠재 표현 비트스트림의 확률 분포에 기초하여 엔트로피 부호화를 수행하는 부호화 장치
|
17 |
17
복호화 장치에 있어서, 상기 복호화 장치는,엔트로피 복호화를 통해 비트스트림으로부터 잠재 표현 비트스트림을 출력하고,상기 잠재 표현 비트스트림과 학습 과정을 통해 도출된 학습 모델 파라미터를 이용하여 복호화 계층 피드 포워드를 통해 재구성된 이진 벡터를 복원하고,상기 재구성된 이진 벡터를 N비트씩 그룹핑하여 실수로 변환함으로써 주파수 도메인의 계수를 출력하고,상기 주파수 도메인의 계수를 시간 도메인으로 변환하는 복호화 장치
|
18 |
18
제17항에 있어서,상기 학습 과정을 통해 도출된 학습 모델 파라미터는,이진 신경망을 이용하여 오토 인코더의 모델 파라미터와 연산을 이진 연산 방식으로 재정의함으로써 도출되는 복호화 장치
|
19 |
19
제17항에 있어서,상기 학습 과정을 통해 도출된 학습 모델 파라미터는,상기 모델 파라미터의 가중치에 기초한 양극(bipolar) 이진 입력을 XNOR 연산에 적용한 결과에 기초하여 도출되는 복호화 장치
|
20 |
20
제18항에 있어서,상기 이진 신경망은,은닉 유닛의 출력이 양극 이진수가 되도록 활성 함수를 쌍곡선 함수에서 부호 함수로 대체된 신경망인 복호화 장치
|