ANN-to-SNN 변환을 위한 단일 스파이크 위상 코딩 및 바이오 신호 응용

Single-Spike Phase Coding for ANN-to-SNN Conversion and Biomedical Signal Applications

연구 내용

ANN-to-SNN 변환에서 인코딩 손실을 줄이기 위해 single-spike phase coding을 기반으로 임계치 보정과 base manipulation을 수행하고, 이를 생체 신호 처리 플랫폼으로 확장하는 연구

본 분야는 spiking neural network가 event-driven 특성을 갖는다는 점에 기반해 ANN-to-SNN conversion 과정에서 발생하는 변환 손실을 줄이는 연구입니다. 단일 스파이크 기반 위상 코딩에서 근사 오차로 인한 encoding error를 완화하기 위해 threshold shift와 base manipulation을 적용합니다. 추가 재학습이나 ANN 구조 제약 없이 CNN과 GCN 모델을 SNN으로 변환하는 방향을 목표로 합니다. 또한 신경망 모델을 이용한 고주파 생체 신호 복원과 전자뇌 기반 최소침습 인공지능 플랫폼으로 응용을 확장합니다.

관련 프로젝트

2건

연구 흐름

초기에는 spiking neural network의 학습 제약을 고려하여 ANN을 SNN으로 옮길 때 핵심이 되는 인코딩 문제를 정식화했습니다. 이후 single-spike phase coding을 적용하되, 임계치 변화와 base 조작을 통해 단일 스파이크 근사에서의 오차를 줄이는 변환 메커니즘을 구성했습니다. 다음 단계에서는 CNN 중심 결과를 확장해 GCN 변환까지 검증하며 변환 손실을 관리하는 범위를 넓혔습니다. 최근에는 신경망 기반 생체 신호 복원과 최소침습 전자뇌 프로젝트와 연결해 실제 의료 신호 처리 관점의 응용 방향을 병행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

ANN-to-SNN 변환 파이프라인
이벤트 기반 저전력 추론
스파이크 인코딩 기반 정확도 유지
신경망 임계치 보정 기법
위상 코딩 기반 스파이크 전송
그래프 신경망의 SNN 변환
고주파 생체 신호 복원
전자뇌 기반 신경보철 제어
의료 신호 denoising 및 보정
임플란터블 AI 전처리 모듈