| 1 |
1
복수의 프리-뉴런(pre-neuron); 상기 복수의 프리-뉴런과 각각 연결되는 복수의 시냅스 유닛 및상기 복수의 시냅스 유닛 중 활성화된 시냅스 유닛으로부터 출력되는 포스트-시냅틱 전류(post-synaptic current)를 수신하는 포스트-뉴런(post-neuron)을 포함하고, 상기 복수의 시냅스 유닛 각각은, 상기 복수의 프리-뉴런 중 대응되는 적어도 하나의 프리-뉴런으로부터 수신되는 입력 전압에 기초한 확률적인 상변화에 대응하여 활성화되는 드롭커넥트 신경망 시스템
|
| 2 |
2
제1항에 있어서, 상기 복수의 시냅스 유닛 각각은, 상기 입력 전압의 크기가 기설정된 세트 전압(set voltage) 이상인 경우에, 저전도성의 아몰퍼스(amorphous) 상과 고전도성의 나노크리스탈(nanocrystal) 상 중에서 어느 하나의 상으로 결정되고, 상기 결정된 어느 하나에 상에 대응하여 활성화되는 드롭커넥트 신경망 시스템
|
| 3 |
3
제2항에 있어서, 상기 복수의 시냅스 유닛이 구비된 기판을 통해 인가되는 게이트 전압의 크기 및 상기 게이트 전압의 펄스폭 중 적어도 하나를 기설정된 스위칭 천이 확률에 대응되는 값으로 조절하여, 상기 복수의 시냅스 유닛 중 상기 스위칭 천이 확률에 대응되는 개수의 시냅스 유닛을 활성화하는 시냅스 제어부를 더 포함하는 드롭커넥트 신경망 시스템
|
| 4 |
4
제3항에 있어서,상기 시냅스 제어부는, 상기 제1 시냅스 소자들과 상기 제2 시냅스 소자들 중 15%로 설정된 상기 스위칭 천이 확률에 대응되는 개수의 시냅스 유닛을 활성화하는 드롭커넥트 신경망 시스템
|
| 5 |
5
제1항에 있어서, 상기 복수의 시냅스 유닛 각각은, 양의 컨덕턴스 값을 갖는 제1 시냅스 소자와, 음의 컨덕턴스 값을 갖는 제2 시냅스 소자를 구비하고, 상기 제1 시냅스 소자와 상기 제2 시냅스 소자가 병렬 구조로 연결되는 드롭커넥트 신경망 시스템
|
| 6 |
6
제5항에 있어서, 상기 제1 시냅스 소자와 상기 제2 시냅스 소자의 컨덕턴스에 따라 상기 복수의 프리-뉴런과 상기 포스트-뉴런의 연결 강도(connection strength)가 결정되는 드롭커넥트 신경망 시스템
|
| 7 |
7
제1항에 있어서, 상기 포스트-뉴런은, 상기 활성화된 시냅스 유닛으로부터 출력되는 상기 포스트-시냅틱 전류를 합산하고, 상기 합산된 전류의 크기가 기설정된 임계 크기 이상이 되면 발화(firing)하는드롭커넥트 신경망 시스템
|
| 8 |
8
프리-뉴런 제어부에서, 입력 데이터에 대응하여 복수의 프리-뉴런 각각에 대한 입력 전압을 설정하고, 상기 입력 전압을 제1 시냅스 소자와 제2 시냅스 소자를 각각 구비하는 복수의 시냅스 유닛에 출력하도록 제어하는 단계;시냅스 제어부에서, 상기 복수의 시냅스 유닛 중 기설정된 스위칭 천이 확률에 대응되는 개수의 시냅스 유닛이 활성화 되도록 제어하는 단계 및상기 시냅스 제어부에서, 상기 입력 전압을 상기 활성화된 시냅스 유닛을 통해 각각 스케일링하고, 상기 스케일링의 결과로 상기 활성화된 시냅스 유닛 각각으로부터 출력되는 포스트-시냅틱 전류(post-synaptic current)를 포스트-뉴런(post-neuron)에 제공 하도록 제어하는 단계를 포함하고,상기 복수의 시냅스 유닛 각각은, 상기 복수의 프리-뉴런 중 대응되는 적어도 하나의 프리-뉴런으로부터 수신되는 입력 전압에 기초한 확률적인 상변화에 대응하여 활성화되는 드롭커넥트 신경망의 학습 방법
|
| 9 |
9
제8항에 있어서, 상기 활성화 되도록 제어하는 단계는, 상기 복수의 시냅스 유닛이 구비된 기판을 통해 인가되는 게이트 전압의 크기 및 상기 게이트 전압의 펄스폭 중 적어도 하나를 상기 스위칭 천이 확률에 대응되는 값으로 조절하여, 상기 스위칭 천이 확률에 대응되는 개수의 시냅스 유닛이 활성화 되도록 제어하는 드롭커넥트 신경망의 학습 방법
|
| 10 |
10
제8항에 있어서, 상기 복수의 시냅스 유닛에 출력하도록 제어하는 단계는, 상기 입력 데이터를 복수의 픽셀 데이터로 분할하고, 상기 복수의 픽셀 데이터 각각을 상기 복수의 프리-뉴런에 할당하며, 상기 복수의 프리-뉴런 각각에 대한 입력 전압은,상기 할당된 픽셀 데이터가 블랙 픽셀의 데이터인 경우 기설정된 크기의 음의 전압으로 설정되고, 상기 할당된 픽셀 데이터가 화이트 픽셀의 데이터인 경우 기설정된 크기의 양의 전압으로 설정되는드롭커넥트 신경망의 학습 방법
|
| 11 |
11
제10항에 있어서, 상기 복수의 시냅스 유닛에 출력하도록 제어하는 단계는, 상기 복수의 프리-뉴런 중 상기 기설정된 크기의 음의 전압을 출력하는 프리-뉴런에 대응되는 제1 시냅스 소자에는 기설정된 세트 전압(set voltage)이 적용되고, 상기 기설정된 크기의 음의 전압을 출력하는 프리-뉴런에 대응되는 제2 시냅스 소자에는 기설정된 리셋 전압(reset voltage)이 적용되며, 상기 복수의 프리-뉴런 중 상기 기설정된 크기의 양의 전압을 출력하는 프리-뉴런에 대응되는 제1 시냅스 소자에는 상기 기설정된 리셋 전압이 적용되고, 상기 기설정된 크기의 양의 전압을 출력하는 프리-뉴런에 대응되는 제2 시냅스 소자에는 상기 기설정된 세트 전압이 적용되는 드롭커넥트 신경망의 학습 방법
|
| 12 |
12
제8항에 있어서, 상기 포스트-뉴런에서, 상기 활성화된 시냅스 유닛으로부터 출력되는 포스트-시냅틱 전류를 합산하고, 상기 합산된 전류의 크기가 기설정된 임계 크기 이상이되면 발화(firing)하는 단계를 더 포함하는 드롭커넥트 신경망의 학습 방법
|
