학습 시스템에 의해 수행되는 이진 인공신경망 학습 방법에 있어서, 시냅스 어레이에서 시냅스 소자들 간의 전도성 상태 정보를 이용하여 수행된 벡터 행렬곱 연산의 결과를 획득하는 단계; 상기 획득된 결과에 기초하여 역전파 연산을 수행하여 시냅스 소자별 가중치 변화량을 출력하는 단계; 및 상기 출력된 시냅스 소자별 가중치 변화량을 경계값과 비교하여 시냅스 소자의 가중치 상태에 대한 업데이트 여부를 결정하는 단계를 포함하고,상기 획득하는 단계는, 이진 인공신경망을 구성하는 뉴런들의 시냅스 가중치 및 바이어스를 초기화하고, 시냅스 소자들을 높은 저항 상태(High Resistance State; HRS) 또는 낮은 저항 상태(Low Resistance State; LRS)로 설정하고, 입력 신호를 인가하고, 상기 시냅스 소자들의 높은 전도성 상태와 낮은 전도성 상태를 포함하는 전도성 차이 정보를 이용하여 벡터 행렬곱 연산이 수행됨에 따라 벡터 행렬곱 연산의 결과를 획득하는 단계 를 포함하고,상기 결정하는 단계는,상기 출력된 시냅스 소자별 가중치 변화량의 부호와 크기를 경계값과 비교함에 따라 상기 출력된 시냅스 소자별 가중치 변화량의 부호와 크기가 상기 경계값을 초과한 경우, 시냅스 소자에 대한 가중치 상태를 1 또는 -1로 업데이트하는 단계를 포함하는 이진 인공신경망 학습 방법.

삭제

삭제

삭제

제1항에 있어서,상기 출력하는 단계는,이진 인공신경망에 구성된 입력 뉴런을 통해 멤리스터 시냅스 어레이에서 데이터가 수신됨에 따라 전류가 옴의 법칙 및 키르히호프의 전류 법칙에 의해 입력 전압 또는 시냅스 전도성의 행렬곱 연산의 결과가 이진 인공신경망에 구성된 출력 뉴런을 통해 출력 뉴런별 신호들로 합산되고, 상기 합산된 출력 뉴런별 신호들을 전달받는 단계를 포함하는 이진 인공신경망 학습 방법.

제5항에 있어서, 상기 출력하는 단계는,상기 출력 뉴런에서 차동 증폭기를 통해 시냅스 소자들의 전도성 차이 정보를 이용하여 상기 시냅스 소자별 가중치를 구현하는 단계를 포함하는 이진 인공신경망 학습 방법.

삭제

제1항에 있어서, 상기 결정하는 단계는,음의 방향으로 상기 경계값 이하의 크기를 가진 가중치 변화량에 기초하여 시냅스 소자의 가중치를 -1로 업데이트하고, 양의 방향으로 상기 경계값 이상의 크기를 가진 가중치 변화량에 기초하여 시냅스 소자의 가중치를 1로 업데이트하는 단계를 포함하는 이진 인공신경망 학습 방법.

이진 인공신경망 학습을 위한 학습 시스템에 있어서, 시냅스 어레이에서 시냅스 소자들 간의 전도성 상태 정보를 이용하여 수행된 벡터 행렬곱 연산의 결과를 획득하는 연산 결과 획득부;상기 획득된 결과에 기초하여 역전파 연산을 수행하여 시냅스 소자별 가중치 변화량을 출력하는 가중치 변화량 출력부; 및 상기 출력된 시냅스 소자별 가중치 변화량을 경계값과 비교하여 시냅스 소자의 가중치 상태에 대한 업데이트 여부를 결정하는 업데이트 결정부를 포함하고,상기 연산 결과 획득부는,이진 인공신경망을 구성하는 뉴런들의 시냅스 가중치 및 바이어스를 초기화하고, 시냅스 소자들을 높은 저항 상태(High Resistance State; HRS) 또는 낮은 저항 상태(Low Resistance State; LRS)로 설정하고, 입력 신호를 인가하고, 상기 시냅스 소자들의 높은 전도성 상태와 낮은 전도성 상태를 포함하는 전도성 차이 정보를 이용하여 벡터 행렬곱 연산이 수행됨에 따라 벡터 행렬곱 연산의 결과를 획득하는 것을 포함하고,상기 업데이트 결정부는,상기 출력된 시냅스 소자별 가중치 변화량의 부호와 크기를 경계값과 비교함에 따라 상기 출력된 시냅스 소자별 가중치 변화량의 부호와 크기가 상기 경계값을 초과한 경우, 시냅스 소자에 대한 가중치 상태를 1 또는 -1로 업데이트하는 학습 시스템.