첨부파일
첫번째는 인간의 뇌가 패턴을 인식하는 방식을 착안한 인공 뉴럴 네트워크(ANN : Artificial Neural Network) 혹은 딥 뉴럴 네트워크(DNN: Deep Neural Network)를 기반으로 하는 방식이다. 이 방식에서는 대규모 데이터 집합이 가지는 특성들을 효과적으로 모델링하기 위해 비선형 출력을 내는 노드들을 여러 층으로 쌓아 연결한다.
또다른 접근 방식은 뇌의 생물학적 특성을 직접적으로 모방해 보다 원천적인 사고 능력과 뇌의 활동을 구현하는 방식이다. 이 방식은 주로 스파이킹 뉴럴 네트워크(SNN: Spiking Neural Network)에 쓰이고 있다. <표1>은 DNN과 SNN 기술에 대한 주요 특징 비교를 보여준다. <표1>에서 볼수 있듯, SNN은 초 저전력, 강 인공지능을 구현할 것으로 기대되는 차세대 기술이다.
본에서는 활발하게 연구가 이루어져 실용저으로 사용할 만한 성능을 보여주기 시작하고 있는 DNN을 위한 뉴로모픽 소프트웨어 플랫폼에 대해 기술한다.
출처 - 한국전자통신연구원
추천 리포트
-
[코센리포트] 사이버전쟁에서의 기만적 방어
-
[코센리포트] 인공지능 구현을 위한 AI 반도체 기술의 개발 동향
-
[코센리포트] AI를 생성하는 자동화 AI 연구 및 기술 동향
-
[코센리포트] 강유전체 물질의 연구 동향
-
[코센리포트] 딥러닝 하드웨어 가속기에 대한 최근 기술 동향
-
[코센리포트] 설명 가능한 인공지능 기술(Explainable AI)에 의한 인공지능 응용 시장의 향후 변화
-
[코센리포트] 사용후핵연료의 수송
-
리포트 평점
해당 콘텐츠에 대한 회원님의 소중한 평가를 부탁드립니다. -
0.0 (0개의 평가)