저번 주 금요일에는 이현종 연구원이 SNN의 STDP, 가중치 정규화, 인코딩, 그리고 디코딩 사이의 상호 작용에 대해 연구한 논문을 소개했습니다.
현재 SNN의 학습 규칙이나 인코딩 기법에 대한 연구는 많이 진행되어 있지만 디코딩 방식과의 상호 작용이 어떻게 이뤄지는지에 대해선 연구가 미비합니다.
때문에 인코딩, 디코딩, 학습 규칙, 가중치 정규화 방식에 따른 성능과 처리 속도의 변화를 분석한 해당 논문에 대해 공부하고 발표해봤습니다.
현재 SNN의 출력을 하나의 뉴런이 아닌 여러 개의 뉴런을 사용하여 새롭게 디코딩 하기 위한 방식을 제안하고자 하는데 이 논문에서 다루는 디코딩 방식들을 참고하여 새로운 디코딩 스킴을 제시할 수 있을 것 같습니다.
현재의 디코딩 방식은 뉴런 하나의 출력만을 사용하는 one-hot 방식으로 작동하고 있으며 이는 뉴런에서 생기는 오류에 대해 굉장히 취약한 형태입니다.
따라서 다수의 출력 뉴런을 사용하여 하나의 뉴런에서 오류가 생기더라도 이를 보정해주는 다른 출력 뉴런을 사용하여 제대로된 정답을 얻어내고자 합니다.