초록 ▼

현재의 신경망 연구 방법은 컴퓨터를 이용하여 신경망을 연구하는 소프트웨어적인 방법과 신경망의 일부를 하드웨어로 구현하고 이것과 프로그램을 병행하는 방법, 그리고, 신경망을 완전히 하드웨어로 구현하고 전적으로 이 하드웨어를 이용하는 방법으로 크게 나눌 수 있다. 비용이 가장 적게 들고 또한 쉽게 신경망 연구를 할 수 있는 방법은 소프트웨어적인 방법이다. 많은 경우 이 방법을 이용하여 신경망 연구를 하고 있으나, 시간이 많이 걸리고 대부분의 경우 시뮬레이션 되는 신경망의 크기가 제한된다는 단점을 가지고 있다. 이러한 단점을 보완하

현재의 신경망 연구 방법은 컴퓨터를 이용하여 신경망을 연구하는 소프트웨어적인 방법과 신경망의 일부를 하드웨어로 구현하고 이것과 프로그램을 병행하는 방법, 그리고, 신경망을 완전히 하드웨어로 구현하고 전적으로 이 하드웨어를 이용하는 방법으로 크게 나눌 수 있다. 비용이 가장 적게 들고 또한 쉽게 신경망 연구를 할 수 있는 방법은 소프트웨어적인 방법이다. 많은 경우 이 방법을 이용하여 신경망 연구를 하고 있으나, 시간이 많이 걸리고 대부분의 경우 시뮬레이션 되는 신경망의 크기가 제한된다는 단점을 가지고 있다. 이러한 단점을 보완하기 소프트웨어와 하드웨어를 병행하여 연구를 하기도 하지만, 여전히 소프트웨어를 이용하는데 따른 단점은 계속 남게 된다. 따라서 집적도가 높은 신경망의 연구에는 하드웨어의 구현이 절실히 요구된다. 신경망의 하드웨어는 아날로그 집적회로에 의한 구현과 디지털 집적회로로 구현하는 두가지 형태로 크게 나뉠 수 있다. 아날로그 집적회로의 경우 집적도 면에서 디지탈보다 유리한 장점이 있지만, 공정에 쉽게 변화를 받기 때문에 좋은 공정을 통해 집적회로를 얻어야 하는 부담이 있다. 디지탈의 경우, 그러한 공정에 따른 변화가 아날로그보다는 적지만, 신경망에 기본적으로 요구되는 많은 덧셈과 곱셈을 위한 덧셈기, 곱셈기의 구현에 따르는 면적소모가 큰 단점이 된다. 본 연구에서는 디지탈 신경회로망의 집적회로 구현에 따르는 단점을 보완하고자 난수열을 이용하는 신경망 모델에 대한 연구와 이를 집적회로로 구현하는 방법을 제안하고자 한다.

목차 Contents

• 주요 연구내용 및 결과...10
• 1 장. 서론...10
• 1.1 후반기 연구 과제의 연구 방향...10
• 1.2 후반기에 보다 자세히 다루었던 연구 방향...11
• 2장. 양극성 수 표현체계 신경회로망의 분석...12
• 2.1 도입...12
• 2.2 문제의 정의...16
• 2.3 과반수 함수의 성질...20
• 2.4 결 론...26
• 2.5 Lemma에 대한 증명들...27
• 3장. 양극성 수 표현체계를 이용한 신경회로망의 설계...33
• 3.1 전체적인 칩의 배치 및 사양...33
• 3.2 각 볼록의 설계...34
• 4장. 펄스열에서 펄스수의 비를 이용하는 확률연산...40
• 4.1 서 론...40
• 4.2 0과 1의 펄스비를 이용한 확률연산...41
• 4.3 신경회로망의 구현...46
• 4.4 신경회로망 실험 결과 및 오차 해석...48
• 4.5 확률연산을 이용한 신경당 프로세서의 설계...52
• 4.6 신경망 프로세서의 검증...61
• 4.7 결론...61
• 5장. 결론...63
• 참고 문헌...64
• 부록 A. 게재 예정인 논문...66
• 부록 B. 두확률 연산 신경 회로망의 레이아웃...84