1 |
1
부동소수점 내적 연산을 수행하는 연산기의 구조로서,상기 부동소수점 내적 연산 수행의 대상이 되는 전체 데이터들의 분포에서, 지수값의 범위에 따라 n개(단, n은 2이상의 자연수)의 데이터 범위를 나누어, 각 데이터 범위에 따라 별도의 부동소수점 내적 연산을 수행하는 구조
|
2 |
2
제1항에 있어서,상기 전체 데이터들의 분포에서, n개의 데이터 범위를 분리하는 분리부;서로 다른 데이터 범위 중에서 최대 지수값을 각각 탐색하는 n개의 최대 지수 탐색부;각 데이터 범위에 대해 해당 최대 지수값을 기준으로 나머지 값들을 쉬프트(Shift)하여 지수값에 대한 소수점의 자리 이동(alignment)을 수행하는 n개의 부동소수점 연산부; 및각 부동소수점 연산부에서 처리된 데이터를 누적하여 전체 데이터들에 대한 부동소수점 내적 연산 결과를 출력하는 최종 누적 연산부;를 포함하는 구조
|
3 |
3
제2항에 있어서,상기 n개의 데이터 범위는 n-1개의 서로 다른 기준값에 따라 분리되며,상기 기준값은 기 설정되거나, 입력부를 통해 사용자에 의해 선택되는 구조
|
4 |
4
제2항에 있어서,딥러닝 신경망에서 사용되는 상기 전체 데이터들에 대한 부동소수점 내적 연산을 수행하는 구조
|
5 |
5
제2항에 있어서,상기 전체 데이터들은 가우시안 분포를 띄며,상기 n개의 데이터 범위는 상기 가우시안 분포에서 센터 영역을 포함하는 제1 데이터 범위와, 제1 데이터 범위의 주변에 분포하는 제2 데이터 범위를 각각 포함하는 구조
|
6 |
6
제5항에 있어서,상기 제1 데이터 범위는 상기 제2 데이터 범위보다 데이터의 양이 더 많은 구조
|
7 |
7
제2항에 있어서,상기 각 부동소수점 연산부는 전체 데이터들의 범위에서 처리하는 경우 보다 처리하는 지수 범위가 더 작은 구조
|
8 |
8
메모리; 및상기 메모리에 저장된 정보를 이용하여, 부동소수점 내적 연산을 수행하는 프로세서;를 포함하고,상기 프로세서는 상기 부동소수점 내적 연산을 위한 연산기를 포함하며,상기 연산기는,상기 부동소수점 내적 연산 수행의 대상이 되는 전체 데이터들의 분포에서, 지수값의 범위에 따라 n개(단, n은 2이상의 자연수)의 데이터 범위를 나누어, 각 데이터 범위에 따라 별도의 부동소수점 내적 연산을 수행하는 장치
|
9 |
9
제8항에 있어서,상기 연산기는,상기 전체 데이터들의 분포에서, n개의 데이터 범위를 분리하는 분리부;서로 다른 데이터 범위 중에서 최대 지수값을 각각 탐색하는 n개의 최대 지수 탐색부;각 데이터 범위에 대해 해당 최대 지수값을 기준으로 나머지 값들을 쉬프트(Shift)하여 지수값에 대한 소수점의 자리 이동(alignment)을 수행하는 n개의 부동소수점 연산부; 및각 부동소수점 연산부에서 처리된 데이터를 누적하여 전체 데이터들에 대한 부동소수점 내적 연산 결과를 출력하는 최종 누적 연산부;를 포함하는 장치
|
10 |
10
제9항에 있어서,상기 n개의 데이터 범위는 n-1개의 서로 다른 기준값에 따라 분리되며,상기 기준값은 기 설정되거나, 입력부를 통해 사용자에 의해 선택되는 장치
|
11 |
11
제9항에 있어서,상기 연산기는 딥러닝 신경망에서 사용되는 상기 전체 데이터들에 대한 부동소수점 내적 연산을 수행하는 장치
|
12 |
12
제9항에 있어서,상기 전체 데이터들은 가우시안 분포를 띄며,상기 n개의 데이터 범위는 상기 가우시안 분포에서 센터 영역을 포함하는 제1 데이터 범위와, 제1 데이터 범위의 주변에 분포하는 제2 데이터 범위를 각각 포함하는 장치
|
13 |
13
제12항에 있어서,상기 제1 데이터 범위는 상기 제2 데이터 범위보다 데이터의 양이 더 많은 장치
|
14 |
14
제9항에 있어서,상기 각 부동소수점 연산부는 전체 데이터들의 범위에서 처리하는 경우 보다 처리하는 지수 범위가 더 작은 장치
|