연상 메모리 기능을 수행하는 셀룰라 신경망의 설계 방법론 = A Design Methodology for CNN-based Associative Memories

국문 초록 (Abstract)

본 논문에서는 연상 메모리 기능을 수행하는 셀룰라 신경망(Cellular Neural Network)의 설계를 위한 새로운 방법론을 제안한다. 먼저, 셀룰라 신경망 모델의 기본적 특성들을 소개한 후, 최적 성능을 가지고 이진 원형 패턴들을 저장할 수 있는 셀룰라 신경망 모델의 설계 방법을 제약 조건이 가해진 최적화 문제로 공식화한다. 다음으로 이 문제의 제약 조건을 선형 행렬 부등식(Linear Matrix Inequalities) 을 포함하는 부등식의 형태로 변환시킬 수 있음을 관찰한다. 마지막으로 셀룰라 신경망 최적 설계 문제를 내부점 방법(interior point method)에 의해 효율적으로 풀릴 수 있는 일반화된 고유값 문제(Genaralized EigenValue Problem)로 변환한다. 본 논문에서 제시하는 셀룰라 신경망 설계 방법론은 공간 변형 형판 셀룰라 신경망과 공간 불변 형판 셀룰라 신경망 설계에 모두 적용될 수 있다. 설계 예제를 통해 제안된 방법의 유효성을 검증한다.

다국어 초록 (Multilingual Abstract)

In this paper, we consider the problem of realizing associative memories via cellular neural network(CNN). After introducing qualitative properties of the CNN model, we formulate the synthesis of CNN that can store given binary vectors with optimal performance as a constrained optimization problem. Next, we observe that this problem's constraints can be transformed into simple inequalities involving linear matrix inequalities(LMIs). Finally, we reformulate the synthesis problem as a generalized eigenvalue problem(GEVP), which can be efficiently solved by recently developed interior point methods. Proposed method can be applied to both space varying template CNNs and space-invariant template CNNs. The validity of the proposed approach is illustrated by design examples.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 셀룰라 신경망 연상 메모리
• 3. 셀룰라 신경망 연상 메모리 설계 문제를 풀기 위한 GEVP 방법
• 4. 공간 불변 형판 셀룰라 신경망 설계 최적화
• 5. 모의 실험 및 분석
• 6. 결론
• 참고문헌
• 저자소개