예측 부호화를 통한 격자 세포 학습
예측 부호화 알고리즘은 생물학적으로 타당한 방식으로 격자 세포 표현을 학습할 수 있다.
광학 신경망의 3진 가중치를 이용한 어닐링 기반 학습
광학 신경망에서 3진 가중치를 사용하면 성능이 크게 향상되며, 이를 위한 어닐링 기반 학습 알고리즘을 제안하였다.
신경 회로 발달을 모방한 촉각 분류를 위한 지식 전이 가능한 발달형 스파이킹 신경망
발달형 스파이킹 신경망(BDNN)은 기존 역전파 기반 학습 방법의 한계를 극복하고, 빠르고 효율적인 학습을 가능하게 한다. BDNN은 뇌의 발달 과정을 모방하여 지식 전이와 동적 적응이 가능하며, 기존 방법에 비해 10배 이상 빠른 학습 속도를 보인다.
구조화된 순환 신경망에서 효율적인 순서 학습: ELiSe
구조화된 피라미드 뉴런으로 구성된 순환 신경망에서 국소적이고 항상 작동하는 가소성 규칙을 적용하여 복잡한 순서를 효율적으로 학습할 수 있다.
공간 임베딩이 낮은 엔트로피와 이질적인 스펙트럼 역학을 가진 특정 형태의 모듈성을 촉진한다
공간 임베딩은 낮은 엔트로피와 이질적인 스펙트럼 역학을 가진 특정 형태의 모듈성을 촉진한다.
연속 시간 신경망이 임의의 스파이크 열을 안정적으로 기억할 수 있음
연속 시간 순환 신경망은 일정 범위의 매개변수 내에서 임의의 스파이크 열을 안정적으로 기억하고 자율적으로 재현할 수 있다.
지역 안정성 조건을 이용한 순환 신경망 기반 제어 시스템의 안정성 분석
본 논문은 선형 행렬 부등식을 이용하여 일반적인 순환 신경망에 대한 새로운 전역 및 지역 안정성 분석 조건을 제안한다. 이러한 조건은 상태 피드백 제어 설계에도 활용될 수 있으며, H2 노름 최소화 문제를 정의한다. 제안된 이론적 결과는 수치 시뮬레이션을 통해 입증되며, 제시된 방법의 장단점을 보여준다.
정확하고 효율적인 광학 QAM 신경망: QAMNet
QAMNet은 기존 광학 신경망 대비 에너지 소비가 낮고 정확도가 높은 광학 신경망 하드웨어 및 아키텍처를 제안한다.
에너지 감쇠 신경망(EDeN): 일반화된 지능을 위한 새로운 접근법
이 논문은 기존 신경망 모델의 한계를 극복하고자 에너지 기반의 새로운 신경망 프레임워크인 EDeN을 제안한다. EDeN은 유전자 알고리즘과 생물학적 신경망의 원리를 활용하여 일반화된 지능을 달성하고자 한다.
다중 모달 감정 인식을 위한 계층적 초복소수 신경망
본 연구는 전기뇌파(EEG), 심전도(ECG), 피부전도도(GSR) 및 눈 데이터와 같은 다중 모달 생리학적 신호를 활용하여 감정 인식을 수행하는 계층적 초복소수 신경망 모델을 제안한다. 이 모델은 각 모달리티 내의 채널 간 상관관계를 학습하는 인코더와 모달리티 간 상관관계를 학습하는 초복소수 융합 모듈로 구성된다.