| 1 |
1
컨볼루션 신경망(Convolutional Neural Network, CNN) 모델에 기초한 컴퓨팅 장치에 있어서,복수의 입력 뉴런을 포함하는 입력 계층, 은닉 계층 및 출력 계층을 포함하는 컨볼루션 신경망;상기 컨볼루션 신경망의 복수의 입력 뉴런에 대응하도록 복수 개 마련되고, 상기 복수의 입력 뉴런에 대응되는 가중치 커널을 저장하는 복수의 메모리 모듈;상기 컨볼루션 신경망의 입력 계층에 입력되는 입력 데이터 및 상기 복수의 메모리 모듈 각각에 저장된 상기 가중치 커널을 기초로 상기 입력 뉴런 각각에 대응하는 출력 데이터의 생성을 위한 연산을 수행하는 연산부; 및상기 출력 데이터에 기초하여 역전파(Back Propagation) 연산을 수행하고, 상기 역전파 연산의 결과를 기초로 상기 복수의 메모리 모듈에 기 저장된 상기 가중치 커널을 수정하는 가중치 커널 업데이트부,를 포함하고,상기 입력 데이터는 이미지 데이터이고,상기 컴퓨팅 장치는, 상기 이미지 데이터에 포함된 객체를 인식하거나 상기 이미지 데이터를 기 설정된 범주로 분류하되,상기 복수의 메모리 모듈은,상기 가중치 커널의 크기, 상기 가중치 커널과 연계된 행렬 성분, 스트라이드 값 및 바이어스 값을 저장하고,상기 가중치 커널 업데이트부는,상기 이미지 데이터에 대한 객체 인식 결과 또는 분류 결과의 정확도 정보에 기초하여 상기 크기, 상기 행렬 성분, 상기 스트라이드 값 및 상기 바이어스 값을 업데이트 하고,상기 복수의 메모리 모듈은,상기 컴퓨팅 장치에 구비된 단일 메모리로부터 분할된 것으로서, 분할 메모리의 수 및 각각의 메모리 할당량을 포함하는 상기 단일 메모리에 대한 분할 구조는 상기 복수의 입력 뉴런의 수에 기초하여 결정되어 상기 입력 계층과 연계하여 상기 가중치 커널을 저장하도록 상기 입력 계층의 연산 레벨과 동일한 레벨에 배치되고,상기 연산부는,상기 복수의 입력 뉴런 각각에 대한 컨볼루션 연산을 위하여 상기 복수의 메모리 모듈로부터 동시에 상기 가중치 커널을 조회하고,상기 가중치 커널 업데이트부는,상기 복수의 메모리 모듈에 기 저장된 상기 가중치 커널 각각을 랜덤 노이즈를 추가하여 동시에 수정하는 것인, 컴퓨팅 장치
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 연산부는,특징맵 생성을 위한 컨볼루션 연산, 활성화 함수 연산 및 풀링 연산 중 적어도 하나를 수행하는 것인, 컴퓨팅 장치
|
| 4 |
4
제3항에 있어서,상기 풀링 연산은,LeNet-5 네트워크 기반의 평균 풀링(mean pooling)인 것인, 컴퓨팅 장치
|
| 5 |
5
제1항에 있어서,상기 복수의 메모리 모듈은,STT(spin-torque transfer) 메모리 또는 비휘발성 이진 메모리를 포함하는 것인, 컴퓨팅 장치
|
| 6 |
6
삭제
|
| 7 |
7
컨볼루션 신경망(Convolutional Neural Network, CNN) 모델에 기초한 컴퓨팅 장치의 동작 방법에 있어서,상기 컨볼루션 신경망은 복수의 입력 뉴런을 포함하는 입력 계층, 은닉 계층 및 출력 계층을 포함하고,상기 컨볼루션 신경망의 복수의 입력 뉴런에 대응하도록 복수 개 마련되고, 상기 복수의 입력 뉴런에 대응되는 가중치 커널을 저장하는 복수의 메모리 모듈에 상기 가중치 커널의 초기값을 저장하는 단계;상기 컨볼루션 신경망의 입력 계층에 입력되는 이미지 데이터인 입력 데이터를 수신하는 단계;상기 복수의 메모리 모듈 각각에 저장된 상기 가중치 커널의 초기값을 조회하는 단계;상기 입력 데이터 및 상기 가중치 커널의 초기값을 기초로 상기 입력 뉴런 각각에 대응하는 출력 데이터의 생성을 위한 연산을 수행하여 상기 이미지 데이터에 포함된 객체를 인식하거나 상기 이미지 데이터를 기 설정된 범주로 분류하는 단계;상기 출력 데이터에 기초하여 역전파(Back Propagation) 연산을 수행하는 단계; 및상기 역전파 연산의 결과를 기초로 상기 복수의 메모리 모듈에 기 저장된 상기 가중치 커널의 초기값을 수정하는 단계,를 포함하고,상기 가중치 커널의 초기값을 저장하는 단계는,상기 가중치 커널의 크기, 상기 가중치 커널과 연계된 행렬 성분, 스트라이드 값 및 바이어스 값을 저장하고,상기 가중치 커널의 초기값을 수정하는 단계는,상기 이미지 데이터에 대한 객체 인식 결과 또는 분류 결과의 정확도 정보에 기초하여 상기 크기, 상기 행렬 성분, 상기 스트라이드 값 및 상기 바이어스 값을 업데이트 하고,상기 복수의 메모리 모듈은,상기 컴퓨팅 장치에 구비된 단일 메모리로부터 분할된 것으로서, 분할 메모리의 수 및 각각의 메모리 할당량을 포함하는 상기 단일 메모리에 대한 분할 구조는 상기 복수의 입력 뉴런의 수에 기초하여 결정되어 상기 입력 계층과 연계하여 상기 가중치 커널을 저장하도록 상기 입력 계층의 연산 레벨과 동일한 레벨에 배치되고,상기 조회하는 단계는,상기 복수의 입력 뉴런 각각에 대한 컨볼루션 연산을 위하여 상기 복수의 메모리 모듈로부터 동시에 상기 가중치 커널을 조회하고,상기 수정하는 단계는,상기 복수의 메모리 모듈에 기 저장된 상기 가중치 커널 각각을 랜덤 노이즈를 추가하여 동시에 수정하는 것인, 컴퓨팅 장치의 동작 방법
|
| 8 |
8
삭제
|
| 9 |
9
제7항에 있어서,상기 출력 데이터의 생성을 위한 연산을 수행하는 단계는,특징맵 생성을 위한 컨볼루션 연산을 수행하는 단계;상기 컨볼루션 연산 결과에 활성화 함수를 적용하는 단계; 및LeNet-5 네트워크 기반의 평균 풀링(mean pooling) 연산을 수행하는 단계,를 포함하는 것인, 컴퓨팅 장치의 동작 방법
|
| 10 |
10
제7항 또는 제9항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
