뇌정보처리 메커니즘에 기반한 인간행동 시스템 연구

1. 뇌신경 정보학 연구사업 뇌정보처리 메커니즘에 기반한인간행동 시스템 연구 중앙대학교, 서울대학교, 포항공대 전홍태, 최종호, 오세영

2. 연구개발의 목표 • 뇌 행동 기작 원리 규명 • 행동 기능의 인공적 구현 • 연구결과의 활용 뇌신경정보학 연구사업

3. 시 상 연구 배경 • 행동 기작을 발현하는 생물학적 뇌 구조 대뇌기능 대뇌기능 대뇌 대뇌 피질 피질 운동 운동 ( ( 안구 안구 등 등 ) ) 시 감각 감각 ( ( 시 시각 청각 등 등 ) ) 상 해마 해마 소 뇌 운동 운동 ( ( 몸체 몸체 ) ) 척 수 감각 감각 ( ( 근육센서 근육센서 ) ) 뇌신경정보학 연구사업

4. 추론 / 인지 기능 대뇌 피질 자율행동 및 다중 분산 감각 정보 학습 지능 감 각 해마 감각운동 연상기억 피 공간인식 및 외부 질 운동명령 환경 동작궤적 학습 및 생성 소뇌 고유수용의 모터제어 ( 자각궤환제어 ) 피질 척수 근육 신경계 행동시스템의 범위 연구 배경 • 뇌 행동 신경계의 기능적 구성 뇌신경정보학 연구사업

5. 연구 내용 • 연구체계 뇌신경정보학 연구사업

6. 연구 내용 • 세부 연구 내용 자율 학습 및 다중 분산 지능 모델 모듈 • 대뇌피질과 해마를 공학적으로 모델링하고, 자율 학습 및 다중 분산 지능 시스템을 구현하는 것을 최종 목표로 함. • 특히, 지능적 자율성, 학습 및 적응성, 협조적 분산 지능을 토대로 모듈화 된 신경회로망, 셀룰라 연상 메모리, 강화 행동학습 시스템을 연구 개발함. 감각 운동 학습 및 제어 모델 모듈 • 뇌의 시상-해마-소뇌-척수로 이어지는 뇌의 감각운동제어 기능의 규명 및 이에 기반으로 한 감각운동제어모델의 공학적 구현을 최종 목표로 함. 자율 주행 시스템 모듈 • 다양한 센서 융합과 환경인식 및 지능 알고리즘에 기반으로 한 주행 hardware / Software의 개발을 통하여 사회에 도움이 되는 가치를 창출할 수 있는 서비스 로봇의 개발을 최종 목표로 함. 뇌신경정보학 연구사업

7. 연구 내용 • 1차년도 연구 목표 뇌신경정보학 연구사업

8. 주관과제 :자율학습 및 다중분산 지능모델 연구 연구책임자 : 전홍태 (중앙대학교) 연구원 : 심귀보 (중앙대학교) 강 훈 (중앙대학교)

9. Behavior Decision Eye/Ear Eye/Ear Leg Leg Decision Tree Walk Standby Warning Stop Memory ART Gating Update by Network result Module 1 Module 2 청각정보 시각정보 크기 모양 색상 종류 Input 감각 정보 연구 내용 –주관기관 (중앙대) 보행자의 행동 판단 알고리즘 구현 대뇌피질 정보처리 메커니즘의 공학적 모델링 • 대뇌피질 정보처리 메커니즘의 공학적 모델링을 통한 기능별 모듈구성과 학습 알고리즘 개발 감각 정보의 처리 메커니즘을 Hierarchical Module구조를 통해 모델링하여 대뇌 피질에서의 행동 판단 구현 뇌신경정보학 연구사업

10. Sound Stop Stop Walk 연구 내용 - 주관기관 (중앙대) 학습 알고리즘 Walk/Stop Warning 학습 규칙 • If Signal shape(circle) & Red color & Low level Car sound, then Stop(standby). • If Train shape(rectangular) & Blue color & High level sound, then Stop. • If Train shape (rectangular) & Red color & Chime sound, then Warning(watch). • If Signal shape(circle) & Blue color & Chime sound, then Across(walk). 뇌신경정보학 연구사업

11. 시각 행동추론 시각에 의한 행동 판단 Color Detection Shape Detection 청각 청각에 의한 행동 판단 Sound Type Sound Level 연구 내용 - 주관기관 (중앙대) 입력 모듈 1 / 모듈 2 Decision Tree Behavior Command 감각정보 모듈별 행동 판단 최종 행동 결정 행동 명령 하달 시상 감각피질 연합피질 행동피질 운동계 대뇌피질 뇌신경정보학 연구사업

12. 연구 내용 - 주관기관 (중앙대) Modular Network Structure Behavior Decision Eye/Ear Eye/Ear Leg Leg Decision Tree Walk Standby Warning Stop • Module 1 : 신경망을 이용하여 시각정보 학습 • Module 2 : 신경망을 이용하여 청각정보 학습 • ART : 기억된 내용과 각 모듈의 출력을 분석하여 행동 추론 및 판단 • Decision Tree의 출력을 바탕으로 행동 기관에 행동 명령 하달 • Memory의 내용을 최종 결정된 행동에 의해 갱신, 저장 Memory ART Gating Update by Network result Module 1 Module 2 Inputs 뇌신경정보학 연구사업

13. 연구 내용 - 주관기관 (중앙대) 자율학습 및 다중분산 지능모델 연구 모델 구조 해마의 기억학습 및 연상작용 모델에 의한 셀룰라 신경회로망 자율학습 알고리즘 개발 감각 기관의 정보 기억 –해마 및 시상 감각/연합/운동 피질의 기능 - 대뇌피질 대뇌피질 정보처리 메커니즘의 공학적 모델링 협조 행동 및 강화 학습 - 대뇌피질 협조적 분산 지능의 강화 학습에 관한 연구 뇌신경정보학 연구사업

14. 연구 내용 - 주관기관 (중앙대) • 해마의 기억학습 및 연상작용 모델에 의한 셀룰라 신경회로망 자율학습 알고리즘 개발 AM with CNN 뇌신경정보학 연구사업

15. 연구 내용 - 주관기관 (중앙대) 뇌신경정보학 연구사업

16. global output final output 연구 내용 - 주관기관 (중앙대) 뇌신경정보학 연구사업

17. 연구 내용 - 주관기관 (중앙대) • 셀룰라 신경회로망을 이용하여 학습과 패턴매칭을 통한 영상의 분류와 인식 • 2진 이미지(숫자이미지)와 그레이 이미지(표지판 이미지)에서 적용 • Weight 선택을 통한 Hebb 학습 방법의 한계 극복 • 심하게 왜곡된 이미지 복원 가능 • 인간 두뇌의 기억 방법에 적용 가능 • 다수의 weight 선택으로 한글 문자인식 가능 뇌신경정보학 연구사업

18. 연구 내용 - 주관기관 (중앙대) • 협조적 분산 지능의 강화 학습에 관한 연구 인공면역계 기반 자율분산로봇시스템의 협조전략과 군행동 항원과 항체 정의 뇌신경정보학 연구사업

19. 연구 내용 - 주관기관 (중앙대) 자율분산로봇 시스템과 면역 시스템의 관계 로봇의 의견 조정을 위한 알고리즘 [단계 1]모든 행동 전략에 대한 항체의 자극, 농도를 초기화 [단계 2] 다른 항체에 비하여 농도가 높은 항체의 전략을 선택해서 실행 [단계 3]한 로봇이 다른 로봇을 만났을 때, 그들은 서로의 행동 전략에 대하여 자극 또는 억제 [단계 4]만약 한 로봇의 항체 중에서 가장 높은 농도가 상한치를 넘으면 이 로봇은 우수한 로봇이 된다. 만약 한 로봇의 모든 항체의 농도가 하한치보다 작으면 이 로봇은 열등한 로봇이 된다. [단계 5]만약 열등한 로봇이 우수한 로봇을 만나면 각 전략의 농도값을 전달받아 새롭게 갱신한다. 이것은 B-세포의 클론 선택을 모방한 것이다. [단계 6] t를 증가시키고 단계 2로 간다. 뇌신경정보학 연구사업

20. 연구 내용 - 주관기관 (중앙대) T-세포 및 B-세포 모델을 포함한 면역 네트워크 모델 뇌신경정보학 연구사업

21. 10(m)*10(m)의 작업공간에 직경이 50(mm)인 50대의 로봇이 흩어져 있으며, 시스템의 목적은 작업영역에 흩어져 있는 500개의 작업을 찾아 수행 • 작업의 밀도를 계산하기 위한 항원의 평가시간을 40초로 설정 • 이 때, 로봇은 1초동안 방향을 바꾸거나 25(mm)를 이동할 수 있으며, 1회의 통신을 할 수 있음 • 작업 하나의 수행시간은 15초 • 파라미터는 =0.3, =0.05, =0.002로 설정 • Ab0 : 집합, Ab1 : 탐색, Ab2 : 확산, Ab3 : 귀향 등의 행동 전략을 선택 연구 내용 - 주관기관 (중앙대) 실험 조건 실험 결과 1 : B-세포 모델(only) 실험 결과 2 : B-세포 및 T-세포 모델 뇌신경정보학 연구사업

22. 연구 내용 - 주관기관 (중앙대) 실험 결과 3 : 환경 변화 경우 (B-세포 모델 only) 실험 결과 4 : 환경 변화 경우 (B-세포 및 T-세포 모델) 결 론 • T-세포 모델이 추가된 면역알고리즘이 환경변화에 대한 적응성을 개선 • 실제의 적용문제에 있어서 로봇의 적응 능력이 바로 시스템 성능의 개선으로 나타난다면 제안한 알고리즘은 큰 효과를 거둘 수 있을 것으로 기대됨 • 로봇의 다양한 적용분야에서 다수의 소형 마이크로 로봇에 의한 오염물질의 정화와 같은 군집형 로봇 행동의 경우, 로봇 집단의 효율적인 의견 조정 및 관리를 위해서는 자율적인 로봇의 판단과 집단 전체의 의견을 조정할 수 있는 알고리즘이 필요 뇌신경정보학 연구사업

23. 제 2 공동과제 :감각운동 학습 및 제어모델 연구 연구책임자 : 최종호 (서울대학교) 연구원 : 최진영 (서울대학교) 이종호 (인하대학교) 김남균 (전북대학교)

24. 연구 내용 –공동기관1 (서울대) 감각 운동 학습 및 제어모델 연구 • 감각-운동 협응의 인지적 실험에 대한 연구 인지실험 연구 • 감각정보 특징 추출 및 목표물 감지방법 연구 인공 모델링 • 시공간적 상황정보 학습모델 연구 • 동작궤적의 학습 및 기억방법 연구 • 두발로봇 제작 • 캐처로봇 제작 -고속 신경망 칩 응용 구현 뇌신경정보학 연구사업

25. A/D Converter Amplifier Terminal Board Sensor (Electrode) Computer Data Acquisition Interface card Semicircular board 연구 내용 –공동기관1 (서울대) • 감각-운동 협응의 인지적 실험에 대한 연구 인지실험 연구 기존연구의 문제점 기존연구 • 대부분의 인지 실험은 단순 반응시간 및 EEG의 주파수 분석만을 행함. • 감각 운동 협응의 정확한 측정 방법의 부재 • 기존 주파수 분석의 인지 측정의 부정확함 • 3차원 공간상의 단순 지시 및 반응 운동 외 인지의 측정 방법의 어려움 연구목표 • 다양한 색 자극 제시 후 인간의 반응시간 및 ERP에 관한 연구 • 3차원 공간에서 시청각 자극 제시 후 SOA 및 cue에 따른 반응 시간 측정 • 자극 제시 후 ERP 연구에 따른 자극별 인지 영역의 검출 뇌신경정보학 연구사업

26. 향후 연구계획 연구 내용 –공동기관1 (서울대) 연구결과 • 3차원 색 자극 장치 구축 • 반응시간 측정 장치 개발 • ERP 검출 및 분석 시스템 • 마무리 작업 • 실험 시스템의 완성 • 피험자를 대상으로 다양한 색 자극 제시 후 반응시간 및 ERP에 관한 • 실험 뇌신경정보학 연구사업

27. + + -W1,N+1C W x1 u1 f1 -WM,N+1C W1C xM uM fM xM+1 uM+1 WMC xN uN c uN+1 1 연구 내용 –공동기관1 (서울대) • 감각정보 특징 추출 및 목표물 감지방법 연구 인공 모델링 기존연구의 문제점 기존연구 • 기존의 얼굴인식을 위한 • 특징 추출 방법: • PCA (Eigenface), • LDA (Fisherface) • Orthogonal한 특징만을 추출 • PCA: Class label을 이용하지 않음 • LDA: Mean-difference가 큰 • Gaussian 분포에만 적용 연구목표 • 분류 문제를 위한 특징 추출 방법 제시 및 얼굴 인식에의 적용 • Higher order statistics를 이용 • Supervised learning • 기존의 ICA 알고리즘 이용 • 높은 분류 성능 뇌신경정보학 연구사업

28. 연구 내용 –공동기관1 (서울대) 연구결과 • ICA-FX (Feature Extraction based on ICA) 알고리즘 제시 • Yale database 향후 연구계획 • Multi-class 에 대한 ICA-FX의 이론적 뒷받침 • 자동으로 얼굴부분을 감지하고 인식하는 전반적인 시스템의 구축 뇌신경정보학 연구사업

29. Experienced case (Learned case) : New case 1 : New case 2 : 연구 내용 –공동기관1 (서울대) • 시공간적 상황정보 학습모델 연구 인공 모델링 기존연구의 문제점 기존연구 기존의 학습 방법은 주어진 개별적인 상황을 학습하는 데에 적합함 이전 학습에서 얻어지는 정보(경험)를 활용하지 않음 • 다수의 상황을 학습하는 경우에 • 비효율적 • 공통된 상황을 반복해서 학습 • 많은 수의 자료와 학습시간이 • 필요 연구목표 • 다수의 상황을 학습하는 경우에 • 효율적인 학습방법 개발 • 이전 학습에서 얻어지는 정보를 • 재활용함 • 이전에 얻어진 정보를 분해, • 재결합하여 새로운 정보를 학습 • 하는 데에 이용 뇌신경정보학 연구사업

30. 연구 내용 –공동기관1 (서울대) 연구결과 • 학습 알고리듬을 부분적으로 개발 • 간단한 경우에 대해 실험 • 낮은 자유도를 가진 단순한 이족로봇의 Stand-up motion학습 실험 • : 다수의 넘어진(fall-down) 상태가 존재 • : 개별적인 경우 각각에 대해 일어서는 방법을 학습하기 곤란 • 적은 수의 경우에 대해 학습하고, 학습된 경험을 재사용하여 다양한 경우의 stand-up motion task를 학습 향후 연구계획 • 부분적으로 개발된 학습 알고리듬을 통합 • 궤적생성 알고리듬 연구와의 결합 시도 뇌신경정보학 연구사업

31. 연구 내용 –공동기관1 (서울대) 참고자료 • Example of learning good sequences • Step 1: 2) Select the best from neighbor states 2) Generate randomly an order sequence 1) Select the best * criterion 뇌신경정보학 연구사업

32. bad good good good Past sequence Merge : New sequence Split : 연구 내용 –공동기관1 (서울대) 참고자료 • Example of learning good sequences • Step 2: 뇌신경정보학 연구사업

33. 연구 내용 –공동기관1 (서울대) • 동작궤적의 학습 및 기억방법 연구 인공 모델링 기존연구의 문제점 기존연구 • 정확한 수학적 모델이 필요 • 기구학이 복잡할수록 수학적 • 모델이 부정확함 • 실시간 궤적생성이 어려움 • (기억의 부재) • 대부분의 기존 연구에서 • 궤적은 역기구학에 기반 • 하여 생성됨. Permanent Storage Phase Demonstration Phase Demonstration Information xtask 연구목표 + • 학습에 의한 동작궤적의 기억 • 및 생성 모델 제시 • 역기구학을 계산할 필요없음 • 적은 수의 궤적을 학습하여 • 다양한 궤적을 생성함 • 실시간 동작 궤적 교정이 • 가능한 모델 xtask Long-term MTM xpace Short-term MTM Controller clock Time Scaling Correction information Correction Phase 뇌신경정보학 연구사업

34. 연구 내용 –공동기관1 (서울대) 연구결과 • 동작궤적메모리 구조 제시 • 크기가 다른 글자를 쓰기 위한 궤적의 학습 및 생성 실험 1) 크기 0.6과 1.2에 대해 학습 2) 크기 0.75, 0.9, 1.05에 대한 결과 Size=0.75 Size=0.9 Size=1.05 Size=0.6 Size=1.2 3) ST-MTM에 의한 수정 LT-MTM은 여러 크기의 글자를 쓸 수 있는 궤적을 생성 Size=0.75 Size=0.9 Size=1.05 향후 연구계획 • 시공간적 상황정보 학습 모델과의 연동 연구 • 다양한 task에 적용가능하도록 task coding 방법을 연구 뇌신경정보학 연구사업

35. 연구 내용 –공동기관1 (서울대) • 두발 로봇 제작 구 현 기존연구의 문제점 기존연구 • COG, ZMP를 이용하여 안정성 판단 • 보행, 계단 오르기 • 로봇의 하드웨어 구조에 의존적 • 로봇의 정확한 수학적 모델 필요 • 복잡한 모델로 인한 속도 향상의 한계 연구목표 • 두발 로봇 제어 시스템의 구축 • 연구되고 있는 감각운동 학습 및 • 제어 모델의 적용 • 두발 로봇의 안정적 보행 뇌신경정보학 연구사업

36. 연구 내용 –공동기관1 (서울대) 연구결과 • 로봇의 설계/제작 (로봇, 실험하는 곳 전체 사진) • PICARD를 이용한 실시간 제어 시스템 구축 (pice화면 캡처) • 로봇의 보행 실험 ( 로봇 사진, 동영상 ) 향후 연구계획 • 센서정보를 이용하여 로봇의 기구학 모델을 보정하는 방법 연구 • 실시간으로 기구학 모델을 보정하며 정적보행 뇌신경정보학 연구사업

37. 연구 내용 –공동기관1 (서울대) 참고자료 • 2000년 • 2001년~ • 구성 : 상체가 없는 10 자유도 ( height : 25cm ) • 구동 actuator : 서보 모터(HS-615M)를 이용 • 모터 제어 : 196 controller를 이용 • 인터페이스 : PC와 serial interface • 보행 방법 : 정적 보행 • 구성 : 상체가 없는 10 자유도 ( height : 50cm ) • 구동 actuator : DC-micro motor(minimotor 2224)를 이용 • 모터 제어 : PC-based control • 인터페이스 : PCI-8136 board(DI,DO,AD,DA,Counter) PCL727(DA), PCL833(Counter), PCL815(AD)를 이용 • 보행 방법 : 정적 보행 뇌신경정보학 연구사업

38. 연구 내용 –공동기관1 (서울대) 참고자료-동영상 뇌신경정보학 연구사업

39. - 빠른 처리 필요 - 고성능 신경망 칩을 이용하여 구현 연구 내용 –공동기관1 (서울대) • 캐처로봇 제작 -고속 신경망 칩 응용 구 현 • 학습 알고리듬 구현에 사용하게 될 hardware의 성능 시연 위치 계산 Camera 궤적 학습 및 생성 알고리듬 이용 ball 제어명령 생성 Catcher robot 뇌신경정보학 연구사업

40. 연구 내용 –공동기관1 (서울대) 연구 배경 • 디지털신경망을 위한 Neuron 기본구조 • 적용분야에 구애받지 않는 구조 • 변경이 가능한 FPGA 기반의 • 디지털신경망의 유용성 • 대용량 칩의 필요(영상 처리등) • 실시간의 고속처리 Neuron Cell & Processing Element Weight In Data In 2bit Serial Multiplier m-bit Serial Summation Block Activation Function Generator 2bit Serial Multiplier Output 연구 목표 m … 2bit Serial Multiplier • 실시간 공간 위치 인식 시스템을 위한 디지털신경회로망의 설계 -대규모로 확장 가능하며,On-Chip학습이 가능한 고속 영상처리용 신경회로망 칩의 설계 • - 2차원 위치인식 시스템 모델 설계 • 2D 실시간 공간 위치 인식 시스템 구조 CoordinateOutput ObjectInput NeuralNetwork DataConversion Pre-processing Camera 뇌신경정보학 연구사업

41. Neuron Part : 1 bit Neuron Data Path : 1 bit Weight Input & Output : 1 bit Hidden Layer Output Input Layer(8) Hidden Layer(4) Output Layer(3) 연구 내용 –공동기관1 (서울대) 연구결과 • 공간위치인식 시스템 설계(16X16Pixel 규모의 Processing Element의 설계=>출력 값을 Neuron의 학습패턴으로 사용) • 신경회로망 하드웨어 설계(확장가능, Off-chip학습,FPGA기반) • Specification of Block Matching PE - Search Window Size : 31*31 Pixel - Pixel Depth / Structure : 8 Bit / Pipeline Structure - No. of PEs / Detect Range : 16 EA / -8~7 - Maximum Searching Time : 270 Clock(1 window) • Implementation Result - Target Device : Xilinx FPGA Virtex 800 - Number of External GCLKIOBs 2 out of 4 50% - Number of External IOBs 16 out of 166 9% - Number of SLICEs 405 out of 9408 4% - Number of GCLKs 2 out of 4 50% 향후 연구계획 • 공간 위치 인식을 위한 네트워크구조의 재설계 • On-Chip학습의 하드웨어 & 병렬 Block Matching을 위한 대규모 시스템의 설계 • Preprocessing 및 Data Conversion 알고리즘 개발 뇌신경정보학 연구사업

42. Single Camera PCI연결 Input 이동경로 NN Chip을 내장한 Computer Object Serial Out (RS-232C) 연구 내용 –공동기관1 (서울대) 1차년도 목표를 위한 실험 환경 • 2D 좌표상의 움직이는 물체에 대한 Real-time 공간 위치인식 뇌신경정보학 연구사업

43. 연구 내용 –공동기관1 (서울대) System Diagram • Neural Network을 이용한 공간위치인식방법 • 16x16의 입력을 갖는 Neuron을 16x16개 사용하여 256x256의 영상에 대한 실시간 Visual Tracking • 기존의 Block Matching보다 빠른 출력 제공 예상 Neuron Neural Network Camera 16 Pixels 16 Pixels 16(256Pixels) 16(256 Pixels) 뇌신경정보학 연구사업

44. 연구 내용 –공동기관1 (서울대) 현재까지 연구 개발 내용 • Neural Network Hardware • 사용 가능한 Digital Neuron Model의 조사 • 확장 가능한 Digital Neuron 설계 (Verilog Coding) • 외부 학습 기반의 BP(error Back Propagation) MLP(Multi Layer Perceptron) 신경회로망의 설계 • FPGA를 기반으로 하여 구조의 변경이 가능함 • 공간 위치 인식 시스템 • 16x16 Pixel 규모의 Block Matching 전용 Processing Element의 설계 및 구현 (Verilog Coding) • Processing Element를 이용한 공간위치인식에 대한 FPGA 설계 • PE의 출력 값을 Neuron의 학습 패턴으로 사용 뇌신경정보학 연구사업

45. Neuron Cell & Processing Element Weight In Data In m-bit Serial Summation Block 2bit Serial Multiplier Activation Function Generator 2bit Serial Multiplier Output m … 2bit Serial Multiplier 연구 내용 –공동기관1 (서울대) Digital Neuron Model 1 • Neuron 구조 • Neuron의 기본구성요소인 Synapse, Sigma Unit, Activation Function을 그대로 구성 • 모든 데이터 표현형은 16bit serial Fixed point • Serial Data Adder, Multiplier를 이용하여 구성 뇌신경정보학 연구사업

46. 16bit Shift Register D_in W_in D_Out 16bit Shift Accumulator 연구 내용 –공동기관1 (서울대) Digital Neuron Model 2 • Synapse Multiplier • Weight 값은 LSB 부터 입력되고 Neuron Data는 MSB부터 입력 • 일반적인 Serial Multiplier의 경우 n-bit의 Data의 곱셈에 대해서 데이터 입력 완료후 2n clock(총 3n clock)이 걸리지만 제안된 구조는 데이터 입력과 동시에 연산이 종료(총 n clock) • Latency 16:clock Throughput :16 Clock 뇌신경정보학 연구사업

47. Out[4:0] D[15:0] Output Reg 16 Input 1 bit Sum_block 2 Input 4bit Adder Start clk Carry[3:0] Initializer 4bit Reg 연구 내용 –공동기관1 (서울대) Digital Neuron Model 3 • Summation Unit • n-bit Serial Adder를 m개의 data에 대해 확장 • 최대 31개의 16bit의 데이터를 덧셈 • 31개 이내에서는 개수에 대해서 연산시간이 영향을 받지 않음 • Latency : 16clock Throughput : 1clock(Pipeline) 뇌신경정보학 연구사업

48. D_in 16bit Shift Register sgn Complement Logic -1 adder sgn int frac (Barrel Shift) +1 Adder Complement Logic D_out 연구 내용 –공동기관1 (서울대) Digital Neuron Model 4 • Activation Function Generator • 입력된 Summation Data에 대한 Sigmoid Approximation값 계산 • Shifter와 Adder를 이용한 구성 • 전체 계산 소요시간 n+2 clock 뇌신경정보학 연구사업

49. 제 2 공동과제 :자율 주행 시스템의 구현 연구책임자 : 오세영 (포항공대) 연구원 : 이진수 (포항공대)

50. 서 론 연구 내용 –공동기관2 (포항공대) • 내용1 : Image Based Visual Servoing • 내용2 : 주행환경 기반 Neural Network Controller의 Cooperative Coordination 기법 • 내용3 : Hierarchical Fuzzy Architecture (FCDM, Fuzzy Cooperative Decision Module)를 이용한 주행 알고리즘 • 내용4 : Multi-Thread 진화 연산(MEP)에 기반한 FCDM 의 최적화 뇌신경정보학 연구사업