201301094 김수연 Capstone Design Realization Cost Reduction through Deep Artificial Neural Network Analysis.

Presentation on theme: "201301094 김수연 Capstone Design Realization Cost Reduction through Deep Artificial Neural Network Analysis."— Presentation transcript:

1 201301094 김수연 Capstone Design Realization Cost Reduction through Deep Artificial Neural Network Analysis

2 Contents 1. 작품유형 논문 / 개별과제 2. 작품제목 : Realization Cost Reduction through Deep Artificial Neural Network Analysis ( 심층 인공신경망 분석을 통한 구현비용 절감 ) 3. 제작자 학번성명연락처담임교수 201301094 김수연 010-3129-4089 정재용 교수님

3 Contents  주제 선정 및 배경  적용 사례  연구 내용 및 구상  소요 예산  팀 구성  추진 일정  참고 문헌

4 Selected background  What is Deep Neural Networks(DNN)?  입력 계층 (input layer) 과 출력 계층 (output layer) 사이에 복수개의 은닉 계 층 (hidden layer) 들로 이뤄진 인공신경망 (Artificial Neural Network, ANN) 으 로 기계학습 (machine learning) 의 대표적인 알고리즘이다.

5 Selected background  Application image recognition speech recognition

6 Selected background  Deep Neural Network(DNN) – Image recognition

7 Selected background

8  Convolutional Neural Networks(CNNs)  Convolutional Neural Network(CNN) 은 가중치 (Weight) 와 통합 계층 (pooling layer) 들을 추가로 활용하므로 2 차원 구조의 입력 데이터를 충분히 활용할 수 있다.  다른 feedforward 인공신경망 보다 training 이 쉽고, 적은 수의 parameter 를 사용한다. Selected background

9  역전파 알고리즘 (backpropagation algorithm) 을 통해 training 되며, 영상, 음 성 분야 모두에서 좋은 성능을 보인다.  Convolutional Neural Networks(CNNs)

10 Selected background 1.Feedforward : 입력이 최종 출력까지 전달되고 최종 출련단에서 error 와 cost function 을 구한다. 2.Backpropagation : 최종단에서 구한 기대 출력과 실제 출력간의 차 (error) 를 반대 방향으로 전파시키면서 각각의 뉴런의 가중치 (weight) 와 바이어스 (bias) 값을 갱신한다.  Convolutional Neural Networks(CNNs)

11 Selected background  Problem & Topic selection

12 DNN Example  With visual data (e.g., images, videos) Image Captioning [Stanford] Object Detection [Faster R-CNN] Medical Apps [Lunit Inc] Paint [Ne uralArt] Drive cars [Nvidia]

13 Research plan  Topic : Realization Cost Reduction by Deep Artificial Neural Network Analysis  Plan Convolutional Neural Networks(CNNs) Analysis Idea 1 Idea 2 Idea 3 simulation Verification & Improvement select! X X

14 Necessary tool/budget ToolBudget Develop environment -Ubuntu (Linux) -Python (numPy) no plan

15 Team organization 김수연 자료 수집 이론 분석 연구 진행 결과 분석 오류 수정 논문작성 및 수정

16 Time table 목차 3/9~3/233/23~4/54/6~4/194/20~5/35/4~5/175/18~5/316/1~6/146/14~6/18 자료수집 이론분석 연구진행 결과분석 결과검증 논문작성 & 수정

17 Reference  Peter U. Diehl, Daniel Neil, Jonathan Binas, Matthew Cook, Shih-Chii Liu, Michael Pfeiffer, “Fast-classifying, high-accuracy spiking deep networks through weight and threshold balancing”  http://esc.inu.ac.kr/~chung/CNN/Lecture_01.pdf http://esc.inu.ac.kr/~chung/CNN/Lecture_01.pdf  http://blog.naver.com/2011topcit/220580613076 http://blog.naver.com/2011topcit/220580613076  http://www.rsipvision.com/exploring-deep-learning/ http://www.rsipvision.com/exploring-deep-learning/

18 Thank You !