KR102188044B1 - 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템 - Google Patents

뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템 Download PDF

Info

Publication number
KR102188044B1
KR102188044B1 KR1020190157670A KR20190157670A KR102188044B1 KR 102188044 B1 KR102188044 B1 KR 102188044B1 KR 1020190157670 A KR1020190157670 A KR 1020190157670A KR 20190157670 A KR20190157670 A KR 20190157670A KR 102188044 B1 KR102188044 B1 KR 102188044B1
Authority
KR
South Korea
Prior art keywords
component
components
intelligent
neuromorphic
iot
Prior art date
Application number
KR1020190157670A
Other languages
English (en)
Inventor
윤영선
정진만
김서연
박지수
Original Assignee
한남대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한남대학교 산학협력단 filed Critical 한남대학교 산학협력단
Priority to KR1020190157670A priority Critical patent/KR102188044B1/ko
Application granted granted Critical
Publication of KR102188044B1 publication Critical patent/KR102188044B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/20—Software design
    • G06F8/24—Object-oriented
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/36—Software reuse
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Neurology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)

Abstract

본 발명은 뉴로모픽 아키텍쳐 기반 지능형 응용 개발을 위한 프레임워크 시스템에 있어서, 컴포넌트 정보를 입력받는 입력장치, 상기 입력장치에서 입력된 컴포넌트 정보를 구분하는 프로세서 및 상기 프로세서에서 분류된 컴포넌트 정보를 저장하는 기억장치를 포함하며, 상기 프로세서는, 입력된 컴포넌트 정보를, IoT 컴포넌트(I-Component), ANN(Artificial Neural Network)을 지원하는 지능형 컴포넌트(X-Component), SNN(Spiking Neural Network)을 지원하는 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component)로 구분하여 관리하는 프레임워크 시스템에 관한 것이다.

Description

뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템{FRAMEWORK SYSTEM FOR INTELLIGENT APPLICATION DEVELOPMENT BASED ON NEUROMORPHIC ARCHITECTURE}
본 발명은 IoT 플랫폼에서 다양한 지능형 컴포넌트를 연계하여 사용할 수 있는 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템에 관한 것이다.
대부분의 IoT(Internet of Things) 플랫폼은 장치 관리, 데이터 처리, 통신, 센서 데이터 분석, 시각화, 스마트 솔루션 제공과 같은 핵심 기능을 제공한다. 이때 IoT 플랫폼은 IoT 네트워크에서 수집된 데이터로부터 더 높은 수준의 지능형 서비스를 제공하기 위해 AI기술과의 유연한 통합을 지원하도록 설계되어야 한다. 또한 새로운 IoT 패러다임으로 에지 장치가 지능적 데이터 처리의 전부 또는 일부를 처리할 수 있는 에지 IoT 실현을 위해서도 뉴로모픽 아키텍처 지원이 더욱 시급하다. 하지만 기계학습 및 AI 기능의 지원을 통합적으로 제공하거나 뉴로모픽 아키텍처를 지원하는 IoT 통합개발환경은 전무하여 개발자들은 IoT 프로그램 개발 시 복잡한 인지 기능을 적용하는데 어려움이 있었다.
이에 대해서 부연 설명하자면, IoT 플랫폼에서 기계학습은 지도, 비지도 및 강화 학습을 필요로 하는 복잡한 추론 작업을 구현하기 위한 중요 도구로서 그 수요가 증가하고 있다. 여기서 ANN(Artificial Neural Network)을 기반으로 한 기계학습의 알고리즘들은 매우 높은 정확도를 보여주고 있으며, SNN(Spiking Neural Network)과 같은 알고리즘은 에너지 효율적으로 동작하는 인간의 두뇌를 모사하여 시간 영역에서 스파이크(spike) 정보를 인코딩하고 처리하는 3세대 인공 뉴런 모델로 현재 개시되어 있다.
뉴로모픽 아키텍처 하드웨어는 대규모의 뉴런과 시냅스를 모형화 할 수 있도록 하드웨어를 많은 수의 코어로 구성하여 기존 Von Neumann 아키텍처의 병목 현상을 해결하고 SNN을 효율적으로 구현하기 위해 개발되었다. 이때 생물학적인 뉴런의 비선형 및 선형 동적 특성을 모사하여 효과적으로 대규모 뉴런 모델을 구성하기 위해 시뮬레이션이 가능한 소프트웨어 도구인 PACMAN, Neural ENGineering Objects(Nengo), Pynn 등이 현재 개시되어 있다. 하지만 기존 뉴런 모델 시뮬레이션 도구들은 대부분 뇌과학 영역에서 인간 두뇌를 모형화하여 동작 메커니즘을 분석하고 이해하는데 초점이 맞춰져 뉴로모픽 아키텍처를 지원하는 IoT 응용을 위해서는 한계가 있다.
위와 같이 IoT 플랫폼과 AI 기술을 결합하여 지능형 IoT 프로그램을 작성하기 위해서는 third-party 프레임워크를 적용해야 하나 이를 적용하고 통합하는데 어려움이 있다. 특히 3세대 뉴런모델인 SNN(Spiking Neural Network)이 동작하는 뉴로모픽 아키텍처 하드웨어에서 지능형 기능을 통합적으로 제공하는 IoT 통합개발환경은 현재 전무한 실정이다.
한국공개특허공보 제10-2017-0096888호(“RESTful 웹사이트 및 애플리케이션 연동 프레임워크”) 한국공개특허공보 제10-2017-0096890호(“사물인터넷(IoT) 환경에서 비콘(Beacon)을 이용한 위치서비스 프레임워크”)
본 발명은 상기한 바와 같은 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 뉴로모픽 아키텍처 환경을 포함한 지능형 컴포넌트들이 다양한 하드웨어 환경에서 NA-CAL(Component Abstract Layer)의 지원으로 동작할 수 있도록, 경량 기계학습, ANN, SNN 모델 등을 컴포넌트화하여 관리하는 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템을 제공하는 것이다.
상기한 바와 같은 목적을 달성하기 위해 본 발명은, 뉴로모픽 아키텍쳐 기반 지능형 응용 개발을 위한 프레임워크 시스템에 있어서, 컴포넌트 정보를 입력받는 입력장치; 상기 입력장치에서 입력된 컴포넌트 정보를 구분하는 프로세서; 및 상기 프로세서에서 분류된 컴포넌트 정보를 저장하는 기억장치;를 포함하며, 상기 프로세서는, 입력된 컴포넌트 정보를, IoT 컴포넌트(I-Component), ANN(Artificial Neural Network)을 지원하는 지능형 컴포넌트(X-Component), SNN(Spiking Neural Network)을 지원하는 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component)로 구분할 수 있다.
또한, 상기 프로세서는 컴포넌트 관리자, 컴포넌트 컨넥터 및 패키지 번역기를 포함하는 복수의 연산/제어 장치를 포함할 수 있다.
또한, 상기 컴포넌트 관리자는, 상기 입력장치에서 입력된 컴포넌트 정보를 추상화하여 PCF(Primitive Component Format)으로 정의하되, IoT 컴포넌트(I-Component), ANN(Artificial Neural Network)을 지원하는 지능형 컴포넌트(X-Component), SNN(Spiking Neural Network)을 지원하는 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component)로 구분하며, 상기 IoT 컴포넌트(I-Component), 지능형 컴포넌트(X-Component), 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component) 중 일부는 NA-CAL(Component Adaptation Layer)을 통해 PCF의 구성이 다르도록 형성될 수 있다.
또한, 상기 컴포넌트 관리자는, 상기 IoT 컴포넌트(I-Component), 지능형 컴포넌트(X-Component), 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component) 중 둘 이상의 컴포넌트에 대한 Id, Type 및 Name 정보를 매니패스트 파일로 상기 기억장치에 저장할 수 있다.
또한, 상기 컴포넌트 컨넥터는, 상기 컴포넌트 관리자에서 구분된 각 컴포넌트의 연결정보를 생성하고, 복수의 컴포넌트를 연결하여 응용프로그램을 구성하여 CCF(Complex Component Format) 구조를 생성할 수 있다.
또한, 상기 패키지 번역기는, 상기 컴포넌트 컨넥터에 의해 생성된 CCF 형태의 IoT 프로그램에 대해서 하드웨어/시뮬레이션의 설정(Environment Configuration)과 실험 설정(Experiment Configuration)을 통해 환경에 맞는 실행코드를 생성하되, 상기 CCF를 구성하는 컴포넌트의 PCF 중 Model과 Neuron 모델을 설정된 실행 환경에 맞게 Native 실행 코드로 생성하여 APF(Application Package Format)로 변환할 수 있다.
상기와 같은 구성에 의한 본 발명의 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템은, 서로 이질적인 특성을 갖는 IoT 컴포넌트, 지능형 컴포넌트 및 뉴로모픽 컴포넌트를 상호 연동하기 위해 컴포넌트 추상화 모델로 메타파일 형태인 PCF 구조로 기억장치에 저장 및 관리하고, 블랙보드 시스템의 형태로 프로그램 구성단위로서 컴포넌트들을 연결하여 사용함으로써, NA-CAL과 NA-HAL 계층 구조를 Ocean, Node-RED, ThingsBoard 등 다양한 개방형 IoT 프레임워크에 적용하여 뉴로모픽 아키텍처 기반 지능형 응용 개발도 지원이 가능한 장점이 있다.
아울러, 본 발명은 IoT 환경에서 뉴로모픽 모듈, 딥러닝 모듈, 경량 기계학습 모듈 등 지능형 컴포넌트를 연계하여 사용할 수 있는 뉴로모픽 아키텍처 기반의 프레임워크를 지원하고 IoT 프로그래밍 통합 개발환경을 제공하는 장점이 있다.
도 1은 본 발명에 따른 프레임워크 시스템의 구성요소를 도시한 도면.
도 2는 본 발명에 따른 컴포넌트 추상 모델과 PCF 구조를 도시한 도면.
도 3은 본 발명에 따른 CCF 구조와 Native 코드 변환을 도시한 도면.
이하 첨부한 도면들을 참조하여 본 발명에 따른 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템을 상세히 설명한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
이때 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다.
도 1은 본 발명인 뉴로모픽 아키텍쳐 기반 지능형 응용 개발을 위한 프레임워크 시스템에 관한 것으로, 도 1은 프레임워크 시스템의 구성요소를 도시한 도면을 나타낸다.
본 발명은 컴포넌트 정보를 입력받는 입력장치; 상기 입력장치에서 입력된 컴포넌트 정보를 구분하는 프로세서; 및 상기 프로세서에서 분류된 컴포넌트 정보를 저장하는 기억장치;를 포함하는 뉴로모픽 아키텍쳐 기반 지능형 응용 개발을 위한 프레임워크 시스템에 관한 것이다.
상기 프로세서는, 입력된 컴포넌트 정보를, IoT 컴포넌트(I-Component), ANN(Artificial Neural Network)을 지원하는 지능형 컴포넌트(X-Component), SNN(Spiking Neural Network)을 지원하는 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component)로 구분할 수 있다.
도 1을 참조하면, NAIDE 뉴로모픽 아키텍처 기반 IoT 통합개발환경은 컴포넌트 관리자, 컴포넌트 컨넥터 및 패키지 번역기로 크게 구분될 수 있다.
상기 프로세서는 컴포넌트 관리자, 컴포넌트 컨넥터 및 패키지 번역기를 포함하는 복수의 연산/제어 장치를 포함할 수 있다.
이때 상기 컴포넌트 관리자는 IoT 컴포넌트, 지능형 컴포넌트 및 뉴로모픽 아키텍처 지원 지능형 컴포넌트 간의 상이한 특성을 지원하기 위해 컴포넌트를 추상화하여 PCF(Primitive Component Format)으로 정의하고 시스템 내 기억장치인 컴포넌트 저장소에 저장하여 관리한다. 컴포넌트들은 일반 IoT 컴포넌트(I-Component), ANN을 지원하는 지능형 컴포넌트(X-Component), SNN(Spiking Neural Network)을 지원하는 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component)로 구분될 수 있으며, NA-CAL(Component Adaptation Layer)을 통해 그 형태에 따라 PCF의 구성이 다르도록 설계할 수 있다.
상기 IoT 컴포넌트(I-Component), 지능형 컴포넌트(X-Component), 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component) 중 일부는 NA-CAL(Component Adaptation Layer)을 통해 PCF의 구성이 다를 수 있다.
여기서, 지능형 컴포넌트는 네트워크 구조와 하이퍼 파라미터 정보가 요구되며, SNN(Spiking Neural Network) 모델 개발 시 뉴런 정의 및 네트워크 설계가 가능한 별도의 Neuron 모델이 필요할 수도 있다. 모든 컴포넌트는 기본적으로 Id, Type, Name 등의 컴포넌트 기본 정보가 매니패스트(.json) 파일 등으로 저장될 수 있다.
상기 컴포넌트 관리자는, 상기 IoT 컴포넌트(I-Component), 지능형 컴포넌트(X-Component), 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component) 중 둘 이상의 컴포넌트에 대한 Id, Type 및 Name 정보를 매니패스트 파일로 상기 기억장치에 저장할 수 있다.
또한 기본 정보가 매니패스트 파일로 저장되는 경우, 각 컴포넌트의 입출력 데이터의 형태는 매니패스트의 In-Port, Out-Port로 저장될 수 있다.
도 2 및 도 3은 본 발명인 뉴로모픽 아키텍쳐 기반 지능형 응용 개발을 위한 프레임워크 시스템에 관한 것으로, 도 2는 컴포넌트 추상 모델과 PCF 구조를 도시한 도면을, 도 3은 CCF 구조와 Native 코드 변환을 도시한 도면을 나타낸다.
도 2를 참조하면, 상기 컴포넌트 컨넥터는 웹 기반의 GUI 에디터 프로그램에서 컴포넌트의 연결을 통해 컴포넌트 편집, 모델 다이어그램 생성 등을 지원할 수 있다. 아울러 도 3과 같이 3개의 컴포넌트 연결을 통해 응용프로그램을 구성하며 메타 결과물로서 CCF(Complex Component Format) 구조가 생성될 수 있다. 상기 CCF는 컴포넌트의 연결 정보로서 [.json]파일로 저장될 수 있으며, 각 컴포넌트의 PCF 정보(Manifest, Function, Model, Neuron)들을 포함할 수 있다.
여기서, IoT 컴포넌트(I-Component) 및 지능형 컴포넌트(X-Component) 의 입출력 데이터 형태는 정수, 실수 또는 범주형 값인데 반해, 뉴로모픽 컴포넌트(NA-Component)의 입출력 데이터 형태는 시간 영역에서 정의된 스파이크 또는 스파이크 트레인 형태로 구성될 수 있다. 이때 컴포넌트 연결 시 비율 변환 등의 호환 가능한 형태로 변환이 필요하므로 본 발명의 프레임워크 시스템에서는 매니패스트의 In-Port, Out-Port에 저장되어 있는 입출력 데이터 형태를 고려하여 동적 변환이 가능한 NA-CAL API를 통해 입출력 동적 변환 모듈이 Function(.js)에 포함될 수도 있다.
상기 패키지 번역기는 컴포넌트 컨넥터에 의해 생성된 CCF(Complex Component Format) 형태의 IoT 프로그램을 하드웨어/시뮬레이션의 설정(Environment Configuration)과 실험 설정(Experiment Configuration)을 통해 환경에 맞는 실행코드가 생성되도록 한다. 변환 과정에서 CCF를 구성하는 모든 지능형 컴포넌트들의 PCF 중 Model, Neuron 모델을 설정된 실행 환경에 맞게 Native 실행 코드로 생성되어 APF(Application Package Format)로 변환한다. 이때 실행코드는 다양한 뉴로모픽 아키텍처 하드웨어 또는 시뮬레이터에서 실행을 추상화하고 동적 변환을 지원하는 NA-HAL(Hardware Adaptation Layer) API를 통해 생성된다. 또한, 다른 프레임워크에서도 수행될 수 있도록 ONNX(Open Neural Network Exchange) 모델로의 변환도 가능하다.
이상과 같이 본 발명에서는 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 일 실시예에 한정되는 것이 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술되는 특허 청구 범위뿐 아니라 이 특허 청구 범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (6)

  1. 뉴로모픽 아키텍쳐 기반 지능형 응용 개발을 위한 프레임워크 시스템에 있어서,
    컴포넌트 정보를 입력받는 입력장치;
    상기 입력장치에서 입력된 컴포넌트 정보를 구분하는 프로세서; 및
    상기 프로세서에서 분류된 컴포넌트 정보를 저장하는 기억장치를 포함하며,
    상기 프로세서는
    입력된 컴포넌트 정보를, IoT 컴포넌트(I-Component), ANN(Artificial Neural Network)을 지원하는 지능형 컴포넌트(X-Component), SNN(Spiking Neural Network)을 지원하는 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component)로 구분하고,
    상기 프로세서는
    컴포넌트 관리자, 컴포넌트 컨넥터 및 패키지 번역기를 포함하는 복수의 연산/제어 장치를 포함하며,
    상기 컴포넌트 관리자는
    상기 입력장치에서 입력된 컴포넌트 정보를 추상화하여 PCF(Primitive Component Format)으로 정의하되, IoT 컴포넌트(I-Component), ANN(Artificial Neural Network)을 지원하는 지능형 컴포넌트(X-Component), SNN(Spiking Neural Network)을 지원하는 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component)로 구분하며,
    상기 IoT 컴포넌트(I-Component), 지능형 컴포넌트(X-Component), 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component) 중 일부는 NA-CAL(Component Adaptation Layer)을 통해 PCF의 구성이 다른 것을 특징으로 하는 프레임워크 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 컴포넌트 관리자는,
    상기 IoT 컴포넌트(I-Component), 지능형 컴포넌트(X-Component), 뉴로모픽 컴포넌트(NA-Component) 및 시뮬레이션 컴포넌트(SIM-Component) 중 둘 이상의 컴포넌트에 대한 Id, Type 및 Name 정보를 매니패스트 파일로 상기 기억장치에 저장하는 것을 특징으로 하는 프레임워크 시스템.
  5. 제1항에 있어서,
    상기 컴포넌트 컨넥터는,
    상기 컴포넌트 관리자에서 구분된 각 컴포넌트의 연결정보를 생성하고,
    복수의 컴포넌트를 연결하여 응용프로그램을 구성하여 CCF(Complex Component Format) 구조를 생성하는 것을 특징으로 하는 프레임워크 시스템.
  6. 제5항에 있어서,
    상기 패키지 번역기는,
    상기 컴포넌트 컨넥터에 의해 생성된 CCF 형태의 IoT 프로그램에 대해서 하드웨어/시뮬레이션의 설정(Environment Configuration)과 실험 설정(Experiment Configuration)을 통해 환경에 맞는 실행코드를 생성하되,
    상기 CCF를 구성하는 컴포넌트의 PCF 중 Model과 Neuron 모델을 설정된 실행 환경에 맞게 Native 실행 코드로 생성하여 APF(Application Package Format)로 변환하는 것을 특징으로 하는 프레임워크 시스템.
KR1020190157670A 2019-11-29 2019-11-29 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템 KR102188044B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190157670A KR102188044B1 (ko) 2019-11-29 2019-11-29 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190157670A KR102188044B1 (ko) 2019-11-29 2019-11-29 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템

Publications (1)

Publication Number Publication Date
KR102188044B1 true KR102188044B1 (ko) 2020-12-07

Family

ID=73791234

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190157670A KR102188044B1 (ko) 2019-11-29 2019-11-29 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템

Country Status (1)

Country Link
KR (1) KR102188044B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230055056A (ko) 2021-10-18 2023-04-25 한남대학교 산학협력단 뉴로모픽 아키텍처 기반 자율형 IoT 응용 통합개발시스템
KR20230089495A (ko) 2021-12-13 2023-06-20 한남대학교 산학협력단 Gui 기반 통합 개발환경의 스파이킹 신경망 입력데이터 처리시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101238511B1 (ko) * 2005-02-01 2013-02-28 마이크로소프트 코포레이션 펌웨어 컴포넌트의 상태 공고 및 펌웨어 컴포넌트의 갱신
KR101706245B1 (ko) * 2015-09-14 2017-02-14 동아대학교 산학협력단 디지털 오일필드에서 인공신경망을 이용한 생산량 제어방법
KR20180007657A (ko) * 2016-07-13 2018-01-23 삼성전자주식회사 뉴럴 네트워크를 위한 방법 및 그 방법을 수행하는 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101238511B1 (ko) * 2005-02-01 2013-02-28 마이크로소프트 코포레이션 펌웨어 컴포넌트의 상태 공고 및 펌웨어 컴포넌트의 갱신
KR101706245B1 (ko) * 2015-09-14 2017-02-14 동아대학교 산학협력단 디지털 오일필드에서 인공신경망을 이용한 생산량 제어방법
KR20180007657A (ko) * 2016-07-13 2018-01-23 삼성전자주식회사 뉴럴 네트워크를 위한 방법 및 그 방법을 수행하는 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
한국공개특허공보 제10-2017-0096888호("RESTful 웹사이트 및 애플리케이션 연동 프레임워크")
한국공개특허공보 제10-2017-0096890호("사물인터넷(IoT) 환경에서 비콘(Beacon)을 이용한 위치서비스 프레임워크")

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230055056A (ko) 2021-10-18 2023-04-25 한남대학교 산학협력단 뉴로모픽 아키텍처 기반 자율형 IoT 응용 통합개발시스템
KR102611529B1 (ko) * 2021-10-18 2023-12-06 한남대학교 산학협력단 뉴로모픽 아키텍처 기반 자율형 IoT 응용 통합개발시스템
KR20230089495A (ko) 2021-12-13 2023-06-20 한남대학교 산학협력단 Gui 기반 통합 개발환경의 스파이킹 신경망 입력데이터 처리시스템

Similar Documents

Publication Publication Date Title
Roberts et al. An overview of object-oriented simulation
Amir et al. Cognitive computing programming paradigm: a corelet language for composing networks of neurosynaptic cores
Jalving et al. A graph‐based computational framework for simulation and optimisation of coupled infrastructure networks
Mittal et al. Simulation-based complex adaptive systems
KR102188044B1 (ko) 뉴로모픽 아키텍처 기반 지능형 응용 개발을 위한 프레임워크 시스템
Derrick et al. A comparison of selected conceptual frameworks for simulation modeling
Houstis et al. Future problem solving environments for computational science
Gajewski et al. A prototype object-oriented finite element method program: Class hierarchy and graphic user interface
Qiao et al. Analysis of Evolutionary Model of DIKW Based on Cloud Resource Allocation Management
Salter Nova: A modern platform for system dynamics, spatial, and agent-based modeling
Rizzoli et al. Chapter seven integrated modelling frameworks for environmental assessment and decision support
Deng et al. Darwin-s: a reference software architecture for brain-inspired computers
Gorecki et al. Including Co-Simulation in modeling and Simulation tool for supporting risk management in industrial context
Nie et al. The developments and applications of brain-like computing chips
Guo Software reuse through re-engineering the legacy systems
Tignor et al. Object Oriented Design Patterns and System Dynamics Components
Walch Knowledge Engineering and Machine Learning for Design and Use in Cyber-Physical Environments.
Tao et al. Computer-assisted simulation analysis
Martín et al. Cloud-Based M&S for Cyber-Physical Systems Engineering
Fishwick et al. Core Research Areas
Giese et al. An ontology for multi-paradigm modelling
Rutle et al. Scalable and user-friendly simulation
Tommelein Expert Systems for Civil Engineers: Integration Issues
Chen Psychological assessment data processing model based on neural network theory
Wang et al. Expert systems: present and future

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant