메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
박성수 (광운대학교) 최영석 (광운대학교)
저널정보
대한전자공학회 대한전자공학회 학술대회 2024년도 대한전자공학회 하계학술대회 논문집
발행연도
2024.6
수록면
2,380 - 2,384 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Spiking Neural Networks (SNNs), recognized as the third generation of neural networks, mimic human neural processes and are known for their exceptional energy efficiency. Unlike traditional artificial neural networks (ANNs) that compute through differential equations across all neurons, SNNs only activate neurons that fire based on spike events, significantly enhancing energy efficiency. This spike-based processing mirrors how humans efficiently manage vast amounts of data daily, converting sensory inputs into spikes for effective processing. Recent research in this area, known as "Neural Code," focuses on engineering how sensory organs translate information into spikes. The latency encoding proposed in this study adjusts the timing of spikes based on data intensity to optimize sensitivity and response time, improving on traditional latency sensitivity approaches. This study proposes an advanced spike coding technique that dynamically adjusts sensitivity to the intensity of input data, promising robust performance across diverse datasets.

목차

Abstract
Ⅰ. 서론
Ⅱ. 연구 방법
Ⅲ. 연구 결과
Ⅳ. 결론 및 향후 연구 방향
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0