템포럴 코딩과 레이트 코딩을 이용한 Spiking Neural Network 의 RF 신호 탐지 및 분류 성능 분석

摘要: Spiking Neural Networks (SNNs)는 3세대 인공신경망으로 많은 연구자들의 주목을 받고 있다. SNN은 정보를 처리하기 위해 이산적인 스파이크와 막 전위가 임계치를 넘어야 정보를 전달하는 스파이킹 뉴런을 사용한다. 이로인해 SNN은 다른 인공신경망들보다 에너지 효율성이 더 좋으며 순차적 데이터에 처리에 좋은 성능을 보인다고 알려져 있다. 하지만 현재 SNN의 응용 분야는 기존 인공신경망들이 자주 응용되는 분야인 이미지 분석에 국한되어 있으며 다른 응용 분야에서는 널리 쓰이지 못하고 있다. 따라서 본 논문에서는 SNN을 Radio Frequency (RF) 신호 탐지 및 분류에 사용하여 그 성능을 측정했다. 또한, RF 신호 스파이크 변환 인코딩에 레이트 코딩과 템포럴 코딩을 적용해서 각 코딩 방식의 성능과 계산 복잡도를 측정하여 Signal-to-Noise Ratio (SNR)에 따른 효율적인 신호 인코딩 방식을 제안한다.