최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.3 no.4, 2017년, pp.171 - 175
최세진 (서경대학교 컴퓨터공학과) , 정준모 (서경대학교 전자공학과)
Recently, Training of the convolutional neural network (CNN) entails many iterative computations. Therefore, a method of accelerating the training speed through parallel processing using the hardware specifications of GPGPU is actively researched. In this paper, the operations of the feature extract...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
CUDA의 기능은 무엇인가? | 본 논문에서는 NVIDIA GPGPU를 제어하는 CUDA를 이용하여 Convolution 및 Pooling layer에 대한 연산을 결합하여 학습 속도를 향상시키는 방법과 Fully connected layer를 병렬로 처리할 수 있는 방법을 제안한다. CUDA(Compute Unified Device Arcthiecture)는 GPGPU에서 수행하는 병렬 처리 알고리즘을 C 언어와 같은 산업 표준 연어를 사용하여 작성할 수 있도록 하는 프레임워크이다. 그림 1은 CUDA의 실행 모델이다. | |
CNN의 레이어는 어떻게 분류되는가? | CNN을 이용한 학습은 CNN의 구조가 확장됨에 따라 연산량 및 학습 시간이 비례하여 증가한다는 단점이 있다. CNN은 Convolution layer와 Pooling layer로 구성된 특징추출부와 Fully connected layer로 구성된 분류부로 나뉜다. 특히 특징추출부의 Convolution layer는 전체 학습 시간에서 차지하는 비중이 80~90% 이상이다. | |
CNN의 구조적 특성이 가져오는 단점을 극복하는 방안은 무엇인가? | CNN은 Convolution layer와 Pooling layer로 구성된 특징추출부와 Fully connected layer로 구성된 분류부로 나뉜다. 특히 특징추출부의 Convolution layer는 전체 학습 시간에서 차지하는 비중이 80~90% 이상이다.따라서 특징추출부에 대한 성능을 향상시키는 것을 통하여 학습 속도를 크게 향상 시킬 수 있다. 그림 1은 CNN에서 사용되는 Convolution 연산에 대한 의사 코드이다. |
G. Eason, B. Nobel, and I.N. Sneddon, "On certain integrals of Lipschitz-Hankel type involving products of Bessel functions", Phil. Trans. Roy. Soc. London, vol. A247, pp. 529-551, April 1955.
J. Clerk Maxwell, A Treatise on Electricity and Magnetism, 3rd ed., vol. 2. Oxford: Clarendon, 1892, pp.68-73.
I.S. Jacobs and C.P. Bean, "Fine particles, thin films and exchange anisotropy," in Magnetism, vol. III, G.T. Rado and H. Suhl, Eds. New York: Academic, 1963, pp. 271-350.
K. Elissa, "Title of paper if known," unpublished
R. Nicole, "Title of paper with only first word capitalized," J. Name Stand. Abbrev., in press.
Y. Yorozu, M. Hirano, K. Oka, and Y. Tagawa, "Electron spectroscopy studies on magneto-optical media and plastic substrate interface," IEEE Transl. J. Magn. Japan, vol. 2, pp. 740-741, August 1987 [Digests 9th Annual Conf. Magnetics Japan, p. 301, 1982].
M. Young, The Technical Writer's Handbook. Mill Valley, CA: University Science, 1989.
NVIDIA Corporations, CUDA C Programming GUIDE, January, 2017
LeCun, Yann, and Yoshua Bengio. "Convolutional networks for images, speech, and time series." The handbook of brain theory and neural networks 3361, no.10 1995
Nan-Ying Liang, Guang-Bin Huang, "A Fast and Accurate Online Sequential Learning Algorithm for Feedforward Networks," IEEE Transaction on Neural Networks, Vol. 17, Issue 6, pp. 1411-1423, Nov. 2016
Rongqiang Qian, Zhao Wang, Frans Coenen, "Robust Chinese Traffic Sign Detection and Recognition with Deep Convolutional Neural Network," 2015 11th International Conference on Natural Computation(ICNC), 791-796, 2015.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.