• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06c
• /
• pp.222-225
• /
• 2008

신경계에서 뉴런은 다른 한 뉴런에 두 개 이상의 시냅스를 통해 연결되곤 한다. 이런 다중 시냅스 연결은 시냅스 가중치를 높이는 것과 마찬가지라고 보는 것이 일반적이다. 본 논문에서는 다른 가능성을 제시한다. 두 뉴런 사이의 다중 시냅스 연결이 시냅스전 (presynaptic) 뉴런으로부터 스파이크 (spike) 입력을 받는 한 시냅스후 (postsynaptic) 뉴런의 반응에 어떤 영향을 주는지 살펴보았다. 다중 시냅스 연결이 있는 경우, 단일 시냅스 연결만 있는 경우와는 다른 입력 패턴에 대해서 시냅스 후 뉴런이 반응했다. 다중 시냅스를 포함하는 경우끼리도 뉴런 상의 연결 위치가 달라지면 또 다른 입력 패턴에 대해서만 반응했다. 이 결과들은 다중 시냅스 연결이 가중치 증가와 다른 역할을 하고, 다중 시냅스 연결을 이루는 각 시냅스의 위치에 따라 신경망의 정보 처리 특성이 달라질 수도 있음을 암시한다.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2977-2979
• /
• 1999

본 논문에서는 MEBP(Modified Error Back-Propagation) 학습 규칙을 간단한 비선형 회로를 이용하여 구현하였다. 인공 신경 회로망(ANNs : Artificial Neural Networks)은 많은 수의 뉴런을 필요하기 때문에 표준 CMOS 기술을 이용하는 간단한 비선형 시냅스(synapse) 회로는 인공 신경 회로망 구현에 적합하다. 학습회로는 비선형 시냅스 회로. 시그모이드(sigmoid) 회로. 그리고 선형 곱셈기로 구성되어 있다. 학습 회로의 출력은 각 입력 패턴에 따라 유일한 값으로 결정되어진다. 제안한 학술회로를 $2{\times}2{\times}1$과 $2{\times}3{\times}1$ 다층 feedforward 신경 회로망 모델에 적용하였다. MEBP 하드웨어 구현은 HSPICE 회로 시뮬레이터를 이용하여 검증하였다. 제안한 학술 회로는 on-chip 학습회로를 포함한 대규모 신경회로망 구현에 매우 적합하리라 예상된다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1998.03a
• /
• pp.93-98
• /
• 1998

본 논문에서는 양자화 결합 네트워크의 시계열 패턴의 기억 특성을 뉴로-칩 상에서 검토하기 위하여, 결합 하중이 $\pm$1 및 0로프로그램 가능한 네트워크를 설계하고 집적화 하였다. 제작된 칩 사이즈는 2.2mm $\times$2.2mm이며 1.2um CMOS 설계기술을 이용하여 7개의 뉴런과 49개의 시냅스 회로를 내장한다. 측정 결과, 설계된 네트워크는 동적 패턴을 성공적으로 기억한다. 또한, 특정한 리미트사이클을 네트워크에 기억시킬 수 있는 결합 하중의 구성방법을 제안한다. 이 방법은 간단한 결합하중과 정밀도의 관점에서 하드웨어 구성에 유용하다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.118-121
• /
• 2000

본 논문에서는 FNNs(feedforwad neural networks)구현을 위한 새로운 학습 방안을 제안하였다. 제안된 방식은 온 칩 학습이 가능하도록 FNNs와 학습회로 사이에 스위칭 회로를 추가하여 단일패턴과 다중패턴 학습이 가능하도록 구현하였다. 학습 회로는 MEBP(modified error back-propagation) 학습 규칙을 적용하였고 간단한 비선형 시냅스 회로를 이용하여 구현하였다. 제안된 방식은 표준 CMOS 공정으로 구현되었고, MOSIS AMI $1.5\mu\textrm{m}$공정 HSPICE 파라메터를 이용하여 그 동작을 검증하였다. 제안된 학습방안 및 비선형 회로는 향후 학습 기능을 가진 대규모의 FNNs 구현에 매우 적합하리라 예상된다.

• Journal of Korean Ophthalmic Optics Society
• /
• v.18 no.4
• /
• pp.533-540
• /
• 2013

Purpose: To investigate the synaptic pattern of NMDA glutamate receptor subtype NMDA R1 on the dendritic arbors of ON-OFF direction-selective retinal ganglion cells (DS-RGSs) in developing [(5,10) days postnatal (PN)] mouse retina. Methods: ON-OFF DS-RGCs were injected with Lucifer yellow and the cells were identified by their characteristic morphology. To identify glutamatergic excitatory input from bipolar cell, we used a marker for the membrane traffic motor protein kinesin. Results: We identified DS-RGCs in P5, and P10 mouse retina. The immunofluorescence labeling of NMDA R1 was most prominent in the IPL. Our results showed that their presence upon the entire dendritic arbor of ON-OFF DS-RGCs is without any evidence of asymmetry, which would predict direction selectivity. Conclusions: The glutamatergic input from bipolar cell reveals symmetry pattern in all periods of P5, and P10. The results may suggest that direction selectivity not lies in the specific pattern of NMDA R1 receptors.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2974-2976
• /
• 1999

본 논문에서는 단일패턴과 다중패턴 학습이 가능한 FNNs(Feedforward Neural Networks)을 하드웨어로 구현하는데 필요한 학습방안을 제안한다. 제안된 학습방안은 기존의 하드웨어 구현에 이용되는 방식과는 전혀 다른 방식이며, 오히려 기존의 소프트웨어 학습방식과 유사하다. 기존의 하드웨어 구현에서 사용되는 방법은 오프라인 학습이나 단일패턴 온 칩(on-chip) 학습방식인데 반해, 제안된 학습방식은 단일/다중패턴은 칩 학습방식으로 다층 FNNs 회로와 학습회로 사이에 스위칭 회로를 넣어 구현되었으며, FNNs의 학습회로는 선형 시냅스 회로와 선형 곱셈기 회로를 사용하여MEBP(Modified Error Back-Propagation) 학습규칙을 구현하였다. 제안된 방식은 기존의 CMOS 공정으로 구현되었고 HSPICE 회로 시뮬레이터로 그 동작을 검증하였다 구현된 FNNs은 어떤 학습패턴 쌍에 의해 유일하게 결정되는 출력 전압을 생성한다. 제안된 학습방안은 향후 학습 가능한 대용량 신경망의 구현에 매우 적합하리라 예상된다.

• Electronics and Telecommunications Trends
• /
• v.32 no.2
• /
• pp.19-28
• /
• 2017

뇌파신호는 사람의 생각이나 감정을 가장 현실적인 방법으로 취득하여 해석하고 분석할 수 있는 유용한 정보원이다. 뇌파는 음성인식 이후에 사람과 사람, 사람과 사물, 사람과 컴퓨터 간에 편리하고 가장 자연스러운 초연결(Hyper-Connection) 접속과 통신을 가능하게 하는 유력하고 궁극적인 수단이다. 하지만 뇌파를 두뇌 활동 시 발생하는 신경세포와 신경세포 사이에 형성된 시냅스들의 화학적 활성화에 의한 전자기적 신호 평균의 총합으로만 해석하는 한, 뇌과학에서 이룩한 복잡한 사람의 생각과 감정 패턴과의 연결 해석이 불가능한 한계가 발생한다. 본고에서는 이를 극복하여 뇌파를 미래의 초연결 접속과 통신 수단으로 활용 가능하도록 하기 위한 기술적 가치와 가능성을 재발견하기 위하여 뇌과학에서 밝혀지고 있는 생각과 감정회로와 연동 해석하기 위한 뇌파신호의 처리, 해석 및 응용 기술 동향에 대해 기술한다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.10 no.5
• /
• pp.215-221
• /
• 2010

Hopfield networks have been proposed as a new computational tool for finding the shortest path of networks. Zhang and Ali studied the method of finding shortest path by expended neurons of Hopfield networks. Ali Algorithm is well known as the tool with the neurons of branch numbers. Where a network grows bigger, it needs much more time to solve the problem by Ali algorithm. This paper modifies the method to find the synapse matrix and the input bias vector. And it includes the eSPN algorithm after proper iterations of the Hopfield network. The proposed method is a tow-stage method and it is more efficient to find the shortest path.The proposed method is verified by three sample networks. And it could be more applicable then Ali algorithm because it's fast and easy. When the cost of brach is changed, the proposed method works properly. Therefore dynamic cost-varing networks could be used by the proposed method.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.2 no.2
• /
• pp.69-78
• /
• 1999

In this paper, a neural network approach to forecast Korean regional precipitation is presented. We first analyze the characteristics of the conventional models for time series prediction, and then propose a new model and its learning method for the precipitation forecast. The proposed model is a layered network in which the outputs of a layer are buffered within a given period time and then fed fully connected to the upper layer. This study adopted the dual connections between two layers for the model. The network behavior and learning algorithm for the model are also described. The dual connection structure plays the role of the bias of the ordinary Multi-Layer Perceptron(MLP), and reflects the relationships among the features effectively. From these advantageous features, the model provides the learning efficiency in comparison with the FIR network, which is the most popular model for time series prediction. We have applied the model to the monthly and seasonal forecast of precipitation. The precipitation data and SST(Sea Surface Temperature) data for several decades are used as the learning pattern for the neural network predictor. The experimental results have shown the validity of the proposed model.