| 1 |
1
획득되는 입력 데이터에 대한 학습을 위한 복수 개의 레이어들을 포함하는 심층 신경망 모델을 저장하는 데이터 베이스;상기 복수 개의 레이어들 중 각각의 서로 다른 레이어로부터 가중치가 유사한 제 1 커널 및 제 2 커널을 식별하도록 설정된(configured to, 또는 implemented to) 커널 식별 모듈; 및상기 제 1 커널의 가중치와 제 2 커널의 가중치의 차분을 계산하고, 상기 계산된 차분을 저장하도록 설정된 커널 차분 계산 모듈;을 포함하는, 전자 장치
|
| 2 |
2
제 1 항에 있어서,상기 복수 개의 레이어들은 상기 입력 커널에 대한 학습을 위해 순차적으로 이용되는 복수 개의 레이어들을 포함하고,상기 커널 식별 모듈은:상기 복수 개의 레이어들 중 제 1 레이어로부터 상기 제 1 커널을 식별하고,상기 복수 개의 레이어들 중 상기 제 1 레이어의 이전의 추론 순서인 제 2 레이어에 포함된 커널들과 상기 제 1 커널 간의 디스턴스를 계산하고,상기 제 2 레이어에 포함된 커널들 중 계산된 디스턴스가 가장 작은 커널을 상기 제 2 커널로 식별하도록 더 설정된, 전자 장치
|
| 3 |
3
제 1 항에 있어서,상기 복수 개의 커널들은 상기 입력 커널에 대한 학습을 위해 순차적으로 이용되는 복수 개의 레이어들을 포함하고,상기 커널 식별 모듈은:상기 복수 개의 레이어들 중 제 1 레이어로부터 상기 제 1 커널을 식별하고,상기 제 1 레이어로부터 상기 제 1 커널의 위치를 식별하고,상기 제 1 레이어의 바로 이전 추론 순서인 상기 제 2 레이어로부터 상기 식별된 제 1 커널의 위치와 동일한 위치의 커널을 상기 제 2 커널로 식별하도록 더 설정된, 전자 장치
|
| 4 |
4
제 3 항에 있어서,상기 제 1 레이어의 제 1 커널과 상기 제 1 레이어와 바로 이전 추론 순서인 상기 제 2 레이어의 제 1 커널의 위치와 동일한 위치인 제 2 커널과의 가중치의 유사도가, 상기 제 1 커널과 다른 커널 과의 가중치의 유사도 보다 큰, 전자 장치
|
| 5 |
5
제 1 항에 있어서,상기 커널 식별 모듈은, 상기 복수 개의 커널들 중 상기 서로 인접한 상기 제 1 커널 및 상기 제 2 커널 이외의 나머지 커널들 중에서 서로 인접한 커널들을 식별하도록 더 설정되고상기 커널 차분 계산 모듈은, 상기 서로 인접한 커널들의 제 1 차분들을 계산하고 저장하도록 더 설정된, 전자 장치
|
| 6 |
6
제 5 항에 있어서,상기 계산된 차분은, 상기 제 1 커널 및 상기 제 2 커널에 관련된 인덱스와 함께 저장되고,상기 계산된 제 1 차분들은, 상기 제 1 차분들의 각각과 관련된 서로 인접한 커널들의 각각과 관련된 인덱스와 함께 저장되는,전자 장치
|
| 7 |
7
제 5 항에 있어서상기 복수 개의 커널들의 가중치의 분산 값 보다 상기 저장된 계산된 차분과 상기 저장된 계산된 제 1 차분들의 가중치의 분산 값이 더 작은 것을 특징으로 하는,전자 장치
|
| 8 |
8
제 5 항에 있어서,상기 계산된 차분 및 상기 계산된 제 1 차분들은, 양자화 및 지정된 코딩 방식을 기반으로, 저장되는,전자 장치
|
| 9 |
9
제 1 항에 있어서,상기 제 1 레이어의 가중치와 상기 제 2 레이어의 가중치의 차이를 감소시키기 위해 상기 복수 개의 레이어들 간의 손실을 계산하고,상기 계산된 손실을 목적 함수로 하여, 상기 계산된 손실이 최소화되도록 상기 복수 개의 레이어들에 포함된 커널들의 가중치 값들을 재구성하고,상기 재구성 이후, 상기 커널들의 가중치 값들의 차분을 저장하도록 설정된, 레이어 손실 계산 모듈;을 더 포함하는, 전자 장치
|
| 10 |
10
획득되는 입력 데이터에 대한 학습을 위한 복수 개의 레이어들을 포함하는 심층 신경망 모델을 저장하는 단계;상기 복수 개의 레이어들 중 각각의 서로 다른 레이어로부터 가중치가 유사한 제 1 커널 및 제 2 커널을 식별하는 단계; 및상기 제 1 커널의 가중치와 제 2 커널의 가중치의 차분을 계산하고, 상기 계산된 차분을 저장하는 단계;를 포함하는, 전자 장치의 제어 방법
|
| 11 |
11
제 10 항에 있어서,상기 복수 개의 레이어들은 상기 입력 커널에 대한 학습을 위해 순차적으로 이용되는 복수 개의 레이어들을 포함하고,상기 제어 방법은:상기 복수 개의 레이어들 중 제 1 레이어로부터 상기 제 1 커널을 식별하는 단계;상기 복수 개의 레이어들 중 상기 제 1 레이어의 이전의 추론 순서인 제 2 레이어에 포함된 커널들과 상기 제 1 커널 간의 디스턴스를 계산하는 단계; 및상기 제 2 레이어에 포함된 커널들 중 계산된 디스턴스가 가장 작은 커널을 상기 제 2 커널로 식별하는 단계;를 포함하는, 전자 장치의 제어 방법
|
| 12 |
12
제 10 항에 있어서,상기 복수 개의 커널들은 상기 입력 커널에 대한 학습을 위해 순차적으로 이용되는 복수 개의 레이어들을 포함하고,상기 제어 방법은:상기 복수 개의 레이어들 중 제 1 레이어로부터 상기 제 1 커널을 식별하는 단계;상기 제 1 레이어로부터 상기 제 1 커널의 위치를 식별하는 단계; 및상기 제 1 레이어의 바로 이전 추론 순서인 상기 제 2 레이어로부터 상기 식별된 제 1 커널의 위치와 동일한 위치의 커널을 상기 제 2 커널로 식별하는 단계;를 포함하는, 전자 장치의 제어 방법
|
| 13 |
13
제 12 항에 있어서,상기 제 1 레이어의 제 1 커널과 상기 제 1 레이어와 바로 이전 추론 순서인 상기 제 2 레이어의 제 1 커널의 위치와 동일한 위치인 제 2 커널과의 가중치의 유사도가, 상기 제 1 커널과 다른 커널 과의 가중치의 유사도 보다 큰, 전자 장치의 제어 방법
|
| 14 |
14
제 13 항에 있어서,상기 커널 식별 모듈은, 상기 복수 개의 커널들 중 상기 서로 인접한 상기 제 1 커널 및 상기 제 2 커널 이외의 나머지 커널들 중에서 서로 인접한 커널들을 식별하는 단계; 및상기 서로 인접한 커널들의 제 1 차분들을 계산하고 저장하는 단계;를 더 포함하는 전자 장치의 제어 방법
|
| 15 |
15
제 14 항에 있어서,상기 계산된 차분은, 상기 제 1 커널 및 상기 제 2 커널에 관련된 인덱스와 함께 저장되고,상기 계산된 제 1 차분들은, 상기 제 1 차분들의 각각과 관련된 서로 인접한 커널들의 각각과 관련된 인덱스와 함께 저장되는, 전자 장치의 제어 방법
|
| 16 |
16
제 14 항에 있어서상기 복수 개의 커널들의 가중치의 분산 값 보다 상기 저장된 계산된 차분과 상기 저장된 계산된 제 1 차분들의 가중치의 분산 값이 더 작은 것을 특징으로 하는, 전자 장치의 제어 방법
|
| 17 |
17
제 14 항에 있어서,상기 계산된 차분 및 상기 계산된 제 1 차분들은, 양자화 및 지정된 코딩 방식을 기반으로, 저장되는, 전자 장치의 제어 방법
|
| 18 |
18
제 10 항에 있어서,상기 제 1 레이어의 가중치와 상기 제 2 레이어의 가중치의 차이를 감소시키기 위해 상기 복수 개의 레이어들 간의 손실을 계산하는 동작;상기 계산된 손실을 목적 함수로 하여, 상기 계산된 손실이 최소화되도록 상기 복수 개의 레이어들에 포함된 커널들의 가중치 값들을 재구성하는 동작; 및상기 재구성 이후, 상기 커널들의 가중치 값들의 차분을 저장하도록 하는 동작;을 더 포함하는, 전자 장치의 제어 방법
|
| 19 |
19
제 18 항에 있어서,상기 재구성 이후 저장된 가중치 값들의 차분의 데이터 양은, 상기 재구성 이전 저장된 가중치 값들의 차분의 데이터 양 보다 적은, 전자 장치의 제어 방법
|
| 20 |
20
제어부; 및획득되는 입력 데이터에 대한 학습을 위한 복수 개의 레이어들을 포함하는 심층 신경망 모델 및 인스트럭션들을 저장하는 메모리;를 포함하고, 상기 인스트럭션들이 실행되는 경우, 상기 인스트럭션들은 상기 제어부가:상기 복수 개의 레이어들 중 각각의 서로 다른 레이어로부터 가중치가 유사한 제 1 커널 및 제 2 커널을 식별하도록 하고,상기 제 1 커널의 가중치와 제 2 커널의 가중치의 차분을 계산하고, 상기 계산된 차분을 저장하도록 하는, 전자 장치
|
