| 1 |
1
제1 입력 스파이크 신호를 생성하도록 구성된 축색 돌기 회로; 상기 제1 입력 스파이크 신호에 대응하는 제1 뉴런의 제1 발화 확률을 제1 임계 값으로 변환하도록 구성된 변환 테이블; 및확률적 연산기를 포함하되,상기 확률적 연산기는:상기 제1 입력 스파이크 신호가 제1 로직 레벨인 것에 기초하여, 난수 값을 생성하도록 구성된 난수 생성기;상기 제1 임계 값 및 상기 난수 값을 비교하여 제1 비교 신호를 생성하도록 구성된 난수 비교기; 및상기 제1 비교 신호가 상기 제1 로직 레벨인 것에 기초하여, 상기 제1 뉴런에 대응하는 출력 스파이크 신호를 생성하도록 구성된 스파이크 생성기를 포함하되,상기 제1 발화 확률은 상기 난수 값이 상기 제1 임계 값보다 크거나 같은 확률과 동일한 스파이크 뉴럴 네트워크 회로
|
| 2 |
2
제 1 항에 있어서,상기 확률적 연산기는 상기 축색 돌기 회로부터 상기 제1 입력 스파이크 신호가 수신되면, 상기 제1 로직 레벨을 갖는 제1 활성 신호를 생성하고, 그리고 상기 축색 돌기 회로부터 상기 제1 입력 스파이크 신호가 수신되지 않으면, 제2 로직 레벨을 갖는 상기 제1 활성 신호를 생성하도록 구성된 스파이크 감지기를 더 포함하는 스파이크 뉴럴 네트워크 회로
|
| 3 |
3
제 2 항에 있어서,상기 난수 비교기는 상기 제1 활성 신호가 상기 제1 로직 레벨이면 상기 제1 임계 값 및 상기 난수 값을 비교하여 상기 제1 비교 신호를 생성하고,상기 제1 활성 신호가 상기 제2 로직 레벨이면, 상기 제1 비교 신호를 생성하지 않도록 더 구성된 스파이크 뉴럴 네트워크 회로
|
| 4 |
4
제 2 항에 있어서,상기 축색 돌기 회로는 제2 입력 스파이크 신호를 생성하도록 더 구성되고,상기 변환 테이블은 상기 제2 입력 스파이크 신호에 대응하는 제2 뉴런의 제2 발화 확률을 제2 임계 값으로 변환하도록 더 구성되고,상기 난수 생성기는 상기 제1 입력 스파이크 신호 및 상기 제2 입력 스파이크 신호 중 적어도 하나가 상기 제1 로직 레벨인 것에 기초하여, 상기 난수 값을 생성하도록 더 구성되고,상기 스파이크 감지기는 상기 제2 입력 스파이크 신호가 수신되면 상기 제1 로직 레벨을 갖는 제2 활성 신호를 생성하고, 상기 제2 입력 스파이크 신호가 수신되지 않으면, 상기 제2 로직 레벨을 갖는 상기 제2 활성 신호를 생성하도록 더 구성되고,상기 난수 비교기는 상기 제2 임계 값 및 상기 난수 값을 비교하여 제2 비교 신호를 생성하도록 더 구성되고, 상기 스파이크 생성기는 상기 제1 비교 신호 및 상기 제2 비교 신호 중 적어도 하나가 상기 제1 로직 레벨인 것에 기초하여, 상기 출력 스파이크 신호를 생성하도록 더 구성되고, 그리고상기 제2 발화 확률은 상기 난수 값이 상기 제2 임계 값보다 크거나 같은 확률과 동일한 스파이크 뉴럴 네트워크 회로
|
| 5 |
5
제 4 항에 있어서,상기 제1 활성 신호 및 상기 제2 활성 신호의 논리곱 논리 연산에 대응하는 난수 생성기 활성 신호를 생성하도록 구성된 제1 논리 게이트; 및상기 제1 비교 신호 및 상기 제2 비교 신호의 상기 논리곱 논리 연산에 대응하는 스파이크 생성기 활성 신호를 생성하도록 구성된 제2 논리 게이트를 더 포함하는 스파이크 뉴럴 네트워크 회로
|
| 6 |
6
제 5 항에 있어서,상기 난수 생성기는 상기 난수 생성기 활성 신호가 상기 제1 로직 레벨이면 상기 난수 값을 생성하도록 더 구성되고, 상기 스파이크 생성기는 상기 스파이크 생성기 활성 신호가 상기 제1 로직 레벨이면 상기 출력 스파이크 신호를 생성하도록 더 구성되고, 그리고상기 제1 로직 레벨은 로직 하이 레벨인 스파이크 뉴럴 네트워크 회로
|
| 7 |
7
제 1 항에 있어서,상기 난수 비교기는 상기 난수 값이 상기 제1 임계 값보다 크거나 같으면 상기 제1 로직 레벨을 갖는 상기 제1 비교 신호를 생성하고, 상기 난수 값이 상기 제1 임계 값보다 작으면 제2 로직 레벨을 갖는 상기 제1 비교 신호를 생성하도록 더 구성되고, 상기 제1 로직 레벨은 로직 하이 레벨이고, 상기 제2 로직 레벨은 로직 로우 레벨인 스파이크 뉴럴 네트워크 회로
|
| 8 |
8
제 1 항에 있어서,상기 변환 테이블은 상기 제1 입력 스파이크 신호 및 상기 제1 뉴런에 대응하는 제1 시냅스에 대해 학습이 완료된 제1 가중치 값을 상기 제1 발화 확률로 변환하도록 더 구성되고, 그리고 상기 제1 발화 확률은 상기 제1 뉴런이 발화하는 확률인 스파이크 뉴럴 네트워크 회로
|
| 9 |
9
제 1 항에 있어서,상기 난수 생성기는 하한 값, 상한 값, 및 상기 하한 값 및 상기 상한 값 사이의 값들 중 하나의 값을 상기 난수 값으로서 출력하도록 더 구성되고, 그리고 상기 하한 값, 상기 상한 값, 및 상가 하한 값 및 상기 상한 값 사이의 값들 각각의 상기 난수 값으로서 출력될 확률들은 서로 동일한 스파이크 뉴럴 네트워크 회로
|
| 10 |
10
제1 입력 스파이크 신호를 생성하도록 구성된 축색 돌기 회로; 상기 제1 입력 스파이크 신호에 대응하는 제1 뉴런의 제1 발화 확률을 제1 임계 값으로 변환하고, 상기 제1 입력 스파이크 신호에 대응하는 제2 뉴런의 제2 발화 확률을 제2 임계 값으로 변환하도록 구성된 변환 테이블;제1 확률적 연산기; 및제2 확률적 연산기를 포함하되,상기 제1 확률적 연산기는:상기 제1 입력 스파이크 신호가 제1 로직 레벨인 것에 기초하여, 제1 난수 값을 생성하도록 구성된 제1 난수 생성기;상기 제1 임계 값 및 상기 제1 난수 값을 비교하여 제1 비교 신호를 생성하도록 구성된 제1 난수 비교기; 및상기 제1 비교 신호가 상기 제1 로직 레벨인 것에 기초하여, 상기 제1 뉴런에 대응하는 제1 출력 스파이크 신호를 생성하도록 구성된 제1 스파이크 생성기를 포함하고,상기 제2 확률적 연산기는:상기 제1 입력 스파이크 신호가 제1 로직 레벨인 것에 기초하여, 제2 난수 값을 생성하도록 구성된 제2 난수 생성기;상기 제2 임계 값 및 상기 제2 난수 값을 비교하여 제2 비교 신호를 생성하도록 구성된 제2 난수 비교기; 및상기 제2 비교 신호가 상기 제1 로직 레벨인 것에 기초하여, 상기 제2 뉴런에 대응하는 제2 출력 스파이크 신호를 생성하도록 구성된 제2 스파이크 생성기를 포함하고,상기 제1 발화 확률은 상기 제1 난수 값이 상기 제1 임계 값보다 크거나 같은 확률과 동일하고, 그리고상기 제2 발화 확률은 상기 제2 난수 값이 상기 제2 임계 값보다 크거나 같은 확률과 동일한 스파이크 뉴럴 네트워크 회로
|
| 11 |
11
제 10 항에 있어서,상기 제1 확률적 연산기는 상기 축색 돌기 회로부터 상기 제1 입력 스파이크 신호가 수신되면, 상기 제1 로직 레벨을 갖는 제1 활성 신호를 생성하고, 그리고 상기 축색 돌기 회로부터 상기 제1 입력 스파이크 신호가 수신되지 않으면, 제2 로직 레벨을 갖는 상기 제1 활성 신호를 생성하도록 구성된 제1 스파이크 감지기를 더 포함하고, 그리고상기 제2 확률적 연산기는 상기 축색 돌기 회로부터 상기 제1 입력 스파이크 신호가 수신되면, 상기 제1 로직 레벨을 갖는 제2 활성 신호를 생성하고, 그리고 상기 축색 돌기 회로부터 상기 제1 입력 스파이크 신호가 수신되지 않으면, 제2 로직 레벨을 갖는 상기 제2 활성 신호를 생성하도록 구성된 제1 스파이크 감지기를 더 포함하는 스파이크 뉴럴 네트워크 회로
|
| 12 |
12
제 10 항에 있어서,상기 제1 난수 비교기는 상기 제1 난수 값이 상기 제1 임계 값보다 크거나 같으면 상기 제1 로직 레벨을 갖는 상기 제1 비교 신호를 생성하고, 상기 제1 난수 값이 상기 제1 임계 값보다 작으면 제2 로직 레벨을 갖는 상기 제1 비교 신호를 생성하도록 더 구성되고, 상기 제2 난수 비교기는 상기 제2 난수 값이 상기 제2 임계 값보다 크거나 같으면 상기 제1 로직 레벨을 갖는 상기 제2 비교 신호를 생성하고, 상기 제2 난수 값이 상기 제2 임계 값보다 작으면 상기 제2 로직 레벨을 갖는 상기 제2 비교 신호를 생성하도록 더 구성되고, 그리고상기 제1 로직 레벨은 로직 하이 레벨이고, 상기 제2 로직 레벨은 로직 로우 레벨인 스파이크 뉴럴 네트워크 회로
|
| 13 |
13
제 10 항에 있어서,상기 변환 테이블은 상기 제1 입력 스파이크 신호 및 상기 제1 뉴런에 대응하는 제1 시냅스에 대해 학습이 완료된 제1 가중치 값을 상기 제1 발화 확률로 변환하고, 상기 제1 입력 스파이크 신호 및 상기 제2 뉴런에 대응하는 제2 시냅스에 대해 학습이 완료된 제2 가중치 값을 상기 제2 발화 확률로 변환하도록 더 구성되고, 상기 제1 발화 확률은 상기 제1 뉴런이 발화하는 확률이고, 그리고상기 제2 발화 확률은 상기 제2 뉴런이 발화하는 확률인 스파이크 뉴럴 네트워크 회로
|
