인공 신경망의 하향식 선택적 주의집중 트레이닝 방법

Abstract

본 발명은 인간의 두뇌에서 일어나는 선택적 주의 집중의 능력을 공학적으로 구현하고, 이를 인식기에 적용하여 정밀도를 임의로 높이기 위해 다층 퍼셉트론 네트워크 기반 인공 신경망의 학습 수행을 통해 획득된 시냅스별 연결 강도에 대응하는 복수의 가중치를 기설정된 가중치 값을 기반으로 고정하고, 다수의 뉴런으로 구성된 입력층에 훈련 패턴을 제시하여 훈련 패턴에 대응되는 인공 신경망 내의 연산 을 수행하고 복수의 도메인별 데이터에 대응하는 입력 벡터에 대한 출력을 산출한 후 산출된 출력을 통해 도메인별 정책 기반 데이터 인식률을 비교하여 인식률이 가장 높은 데이터의 해당 출력에 가중치를 부여하여 하향식(top-down) 선택적 주의집중 기반 시냅스별 트레이닝을 수행함으로써 복수의 후보자 클래스에 대하여 주의 집중의 정도를 새로운 인식 척도로 정의하여 기존의 하나의 후보자 클래스에 대한 인식시스템에 비하여 우수한 인식 결과를 출력 가능할 뿐만 아니라, 가중합을 통해 구현 가능한 최고 속도를 떨어뜨리지 않고 연산의 정밀도(precision)를 임의로 높일 수 있고, 이러한 하향식 선택적 주의 집중의 다층 퍼셉트론은 생물학적으로 선택적 주의집중의 메커니즘을 모델링하는 것과 동시에 이를 이용하여 대용량 범용 신경망 컴퓨터의 구현이 가능할 뿐만 아니라 소형 반도체에도 집적이 가능하여 다양한 인공 신경망 응용 분야에 적용 가능한 기술을 제공하고자 한다.