논문스터디 | CarSNN | 2021.10.25

SNN : Spiking Neural Network

 

AI 기술의 대표격이었던 심층신경망의 라이벌

생체 뉴런이 스파이크 신호를 이용하는 것을 모방

 

DNN : 입력층과 출력층 사이 여러 개의 은닉층

 

DNN : 전체를 학습하는 방식

SNN : 신경세포 각각에 대해서 학습

 

DNN에는 없는 특징 3가지

1) 신호의 강도를 빈도/타이밍 등으로 표현 : 소비 전력이 작고, 잡음에 강함

2) 시계열 데이터 분석에 우수해 인과관계 유추 가능 - 시간, 공간 모두 활용

3) 뉴런 간 서로의 동작 제어 가능(DNN : 직접 민주제 , SNN : 간접 민주제)

 

STBP 학습 방법 

STBP : 시공간 역전파

- ANN과 같은 계층별 공간데이터 흐름 외 시간데이터 흐름이 존재

- SD, TD 정보를 결합하여 SNN 특성 이해

 

Loihi Neuromorphic Processor

Neuromorphic : 뇌형

-Neuromorphic Computing 주요 원칙

 1) 높은 성능

 2) 저전력

 3) 원칩으로 학습 가능

 

- 구성

  - 완전한 비동기식 자동 코어 메시

  13만개의 뉴런, 1억3천개의 시냅스 존재(인간의 뇌에는 1000억개의 뉴런 존재)

 

- 장점

 - 병력 연결 방식으로 속도가 빠르고 전력 소모가 낮음

 - 기존 CPU보다 연산 처리능력이 1000배 이상, 속도 100배 이상