IoT 응용을 지원하기 위한 뉴로모픽 하드웨어 기반 지능형 컴포넌트 설계

초록

최근 각광을 받는 기계학습은 많은 데이터 처리를 위하여 높은 전력 소모를 요구하며 배터리 기반의 단말 기기에서 동작 시 자원의 제약이 존재한다. 이를 극복하기 위하여 낮은 전력으로 높은 컴퓨팅을 제공하는 뉴로모픽 하드웨어인 FPGA 보드를 연동한 연구가 주목받고 있다. 하지만 뉴로모픽 하드웨어를 지원하는 IoT 응용을 개발하기에는 생물학적 뉴런의 구조와 하드웨어의 특성을 모두 이해해야 하는 어려움이따른다. 본 논문에서는 뉴로모픽 하드웨어 기반의 응용을 쉽게 개발할 수 있도록 지능형 컴포넌트 설계기법을 제안한다. 제안된 연구는 SNN 모델을 GUI 기반 NADesigner 프레임워크에 범용데이터를 적용하여 다양한 SNN 모델을 생성할 수 있도록 데이터 전처리 컴포넌트와 SNN 모델 생성기 컴포넌트를 설계한다. 데이터 전처리 컴포넌트는 이미지 데이터를 입력받아 크기를 재조정 후 하나의 파일로 데이터 셋을 생성한다. 특히 이미지의 크기 재조정 시 소실을 방지하기 위하여 Convolution 필터를 사용하여 특징점을 추출한다. SNN 모델 생성기 컴포넌트는 데이터 전처리 컴포넌트에서 생성된 데이터 셋과 간단한 파라미터 입력을 통해 HostPC와 하드웨어의 통신이 가능한 다양한 SNN 모델 구조의 컴포넌트 생성을 지원한다. 설계된 컴포넌트들은 뉴로모픽 아키텍처 기반 지능형 응용 통합개발환경인 NAIDE에 적용가능하며, 이를 이용하여 다양한 IoT 서비스를 개발하고자 한다.