BROWSE
Detail
Journal Article
DVS 데이터 처리를 위한 스파이킹 신경망에서 층별 감쇠배치의 정확도-활동량-에너지 트레이드오프 분석
Cited - time in 
Share 
Share
- Authors
- 박미정, 우성필, 이아현, 장수영
- Issue Date
- 2026-06
- Citation
- 전기전자학회논문지, v.30, no.2, pp.271-280
- ISSN
- 1226-7244
- Publisher
- 한국전기전자학회
- Language
- Korean
- Type
- Journal Article
- Abstract
- 다이내믹 비전 센서(DVS)는 희소한 비동기 이벤트로 저전력 비전에 유리하지만, SNN의 막전위 감쇠는 시간 통합, 스파이크 활동량, 강건성, 분석적 연산 에너지 추정값을 함께 바꾼다. 본 논문은 시간 빈으로 집계한 이벤트 프레임을 직접 학습하는 소형 합성곱SNN에서 층별 감쇠를 분석한다. N-MNIST와 DVS-Gesture 각각에서 103개 조합을 평가하였다. 검증 정확도 상위 조합은 대체로첫 스파이킹 층에 명시적 감쇠를 두고 후속 층에는 높은 β의 준-IF 동역학을 사용했다. 집중 비교에서 All-IF는 분석적 연산 에너지추정값이 가장 낮았고, Canonical Hybrid는 관측 내부 스파이크 수가 가장 낮았으며, All-LIF는 합성 Poisson 배경 활동(BA) 잡음이 주입된 N-MNIST 조건에서 평균 정확도가 가장 높았다. 따라서 층별 감쇠는 보편적 고정 패턴이 아니라 목표 지표에 따라 선택해야 한다.
- Keyword
- spiking neural network, dynamic vision sensor, neuromorphic computing, energy efficiency, event-based vision
- KSP Keywords
- Energy Efficiency(EE), Spiking Neural Network, dynamic vision sensor, event-based vision, neuromorphic computing