1 |
1
DNN(deep neural network)을 위한 전자 장치에 있어서, 인스트럭션들을 저장하도록 구성된 메모리; 및 프로세서를 포함하고, 상기 프로세서는, 상기 인스트럭션들을 실행할 시, 상기 DNN의 배치 정규화 레이어(batch normalization layer)로 입력되는 특징값들 중 최대값 및 최소값을 식별하고, 상기 특징값들의 평균값을 식별하고, 상기 특징값들, 상기 최소값, 상기 최대값, 및 상기 평균값에 기반하여 정규화된(normalized) 값들을 획득하도록 구성되는 전자 장치
|
2 |
2
청구항 1에 있어서, 상기 프로세서는, 상기 인스트럭션들을 실행할 시, 상기 특징값들, 상기 최대값과 상기 최소값 사이의 제1 차이값, 및 상기 평균값에 기반하여 상기 정규화된 값들을 획득하도록 구성되는 전자 장치
|
3 |
3
청구항 2에 있어서, 상기 프로세서는, 상기 인스트럭션들을 실행할 시, 상기 제1 차이값 및 상기 특징값들과 상기 평균 사이의 제2 차이값들에 기반하여 상기 정규화된 값들을 획득하도록 구성되는 전자 장치
|
4 |
4
청구항 3에 있어서, 상기 프로세서는, 상기 인스트럭션들을 실행할 시, 상기 제1 차이값에 하이퍼파라미터(hyperparameter)를 적용하고, 상기 하이퍼파라미터가 적용된 제1 차이값 및 상기 제2 차이값들에 기반하여 상기 정규화된 값들을 획득하도록 구성되며, 상기 하이퍼파라미터는, 0보다 크고 1 미만의 실수인 전자 장치
|
5 |
5
청구항 4에 있어서, 상기 하이퍼파라미터는, 상기 정규화된 값들의 분모를 구성하는 상기 제1 차이값의 크기를 감소시키기 위해 이용되는 전자 장치
|
6 |
6
청구항 5에 있어서, 상기 정규화된 값들 각각은, 아래의 수학식에 의해 획득되는 전자 장치
|
7 |
7
청구항 6에서, 는, 0
|
8 |
8
청구항 6에 있어서, 상기 정규화된 값들은, 상기 DNN의 트레이닝 단계를 위해 이용되는 전자 장치
|
9 |
9
청구항 6에 있어서, 상기 정규화된 값들은, 상기 DNN의 추론 단계를 위해 이용되는 전자 장치
|
10 |
10
청구항 1에 있어서, 상기 정규화된 값들은, 이미지로부터 얼굴을 인식하거나 이미지로부터 동작을 인식하기 위해 이용되는 전자 장치
|
11 |
11
DNN(deep neural network)을 위한 전자 장치를 동작하기 위한 방법에 있어서, 상기 DNN의 배치 정규화 레이어(batch normalization layer)로 입력되는 특징값들 중 최대값 및 최소값을 식별하는 동작과, 상기 특징값들의 평균값을 식별하는 동작과, 상기 특징값들, 상기 최소값, 상기 최대값, 및 상기 평균값에 기반하여 정규화된(normalized) 값들을 획득하는 동작을 포함하는 방법
|
12 |
12
청구항 11에 있어서, 상기 정규화된 값들을 획득하는 동작은, 상기 특징값들, 상기 최대값과 상기 최소값 사이의 제1 차이값, 및 상기 평균값에 기반하여 상기 정규화된 값들을 획득하는 동작을 포함하는 방법
|
13 |
13
청구항 12에 있어서, 상기 정규화된 값들을 획득하는 동작은, 상기 제1 차이값 및 상기 특징값들과 상기 평균 사이의 제2 차이값들에 기반하여 상기 정규화된 값들을 획득하는 동작을 포함하는 방법
|
14 |
14
청구항 13에 있어서, 상기 정규화된 값들을 획득하는 동작은, 상기 제1 차이값에 하이퍼파라미터(hyperparameter)의 값을 적용하는 동작과, 상기 하이퍼파라미터가 적용된 제1 차이값 및 상기 제2 차이값들에 기반하여 상기 정규화된 값들을 획득하는 동작을 포함하고, 상기 하이퍼파라미터는, 0보다 크고 1 미만의 실수인 방법
|
15 |
15
청구항 14에 있어서, 상기 하이퍼파라미터는, 상기 정규화된 값들의 분모를 구성하는 상기 제1 차이값의 크기를 감소시키기 위해 이용되는 방법
|
16 |
16
청구항 15에 있어서, 상기 정규화된 값들 각각은, 아래의 수학식에 의해 획득되는 방법
|
17 |
17
청구항 16에서, 는, 0
|
18 |
18
청구항 16에 있어서, 상기 정규화된 값들은, 상기 DNN의 트레이닝 단계를 위해 이용되는 방법
|
19 |
19
청구항 16에 있어서, 상기 정규화된 값들은, 상기 DNN의 추론 단계를 위해 이용되는 방법
|
20 |
20
비일시적 컴퓨터 판독가능 저장 매체에 있어서, DNN(deep neural network)을 위한 전자 장치의 하나 이상의 프로세서들에 의해 실행될 시, 상기 DNN의 배치 정규화 레이어(batch normalization layer)로 입력되는 특징값들 중 최대값 및 최소값을 식별하고, 상기 특징값들의 평균값을 식별하고, 상기 특징값들, 상기 최소값, 상기 최대값, 및 상기 평균값에 기반하여 정규화된(normalized) 값들을 획득하도록, 상기 전자 장치를 야기하는 인스트럭션들을 포함하는 하나 이상의 프로그램들을 저장하는 비일시적 컴퓨터 판독가능 저장 매체
|