earticle

논문검색

기술 융합(TC)

Spiking Neural Networks(SNN) 구조에서 뉴런의 개수와 학습량에 따른 학습 성능 변화 분석

원문정보

An analysis of learning performance changes in spiking neural networks(SNN)

김용주, 김태호

피인용수 : 0(자료제공 : 네이버학술정보)

초록

영어

Artificial intelligence researches are being applied and developed in various fields. In this paper, we build a neural network by using the method of implementing artificial intelligence in the form of spiking natural networks (SNN), the next-generation of artificial intelligence research, and analyze how the number of neurons in that neural networks affect the performance of the neural networks. We also analyze how the performance of neural networks changes while increasing the amount of neural network learning. The findings will help optimize SNN-based neural networks used in each field.

한국어

인공지능 연구는 다양한 분야에 적용되며 발전하고 있다. 본 논문에서는 차세대 인공지능 연구 분야인 SNN(Spiking Neural Networks) 형태의 인공지능 구현 방식을 사용하여 신경망을 구축하고, 그 신경망에서 뉴런의 개수가 신경망의 성능에 어떠한 영향을 미치는지를 분석한다. 또한 신경망 학습량을 증가시키면서 신경망의 성능이 어떻게 바뀌는지를 분석한다. 해당 연구 결과를 통해 각 분야에서 사용되는 SNN 기반의 신경망을 최적화 할 수 있 을 것이다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 뉴런과 시냅스 모델
Ⅲ. Spike-Timing-Dependent Plasticity
Ⅳ. 신경망 구조
Ⅴ. 실험
1. 실험환경
2. 실험결과
Ⅵ. 결론
References

저자정보

  • 김용주 Yongjoo Kim. 정회원, 한국전자통신연구원 인공지능연구소 선임연구원
  • 김태호 Taeho Kim. 정회원, 한국전자통신연구원 인공지능연구소 책임연구원

참고문헌

자료제공 : 네이버학술정보

    함께 이용한 논문

      ※ 기관로그인 시 무료 이용이 가능합니다.

      • 4,000원

      0개의 논문이 장바구니에 담겼습니다.