뉴로모픽 컴퓨팅과 계층형 시간 메모리 기술동향
본문 목차
제1장 뉴로모픽 컴퓨팅의 개요와 인지컴퓨터
1. 뉴로모픽 칩과 뉴로모픽 컴퓨팅
1-1. 인공지능과 뉴로모픽 칩의 개요
1-1-1. 인지과학의 형성 배경 및 개요
가. 인간의 뇌
나. 인지과학의 형성 배경
다. 인지과학의 개요
1-1-2. 인지기술
가. 컴퓨터 비전(Computer Vision)
나. 기계학습(machine learning)
다. 자연어 처리(Natural language processing)
라. 로봇공학(Robotics)
마. 음성인식(Speech recognition)
1-1-3. 인공지능과 딥러닝(Deep Learning)
1-1-4. 뉴로모픽(Neuromorphic)의 개념과 특징
가. 뉴로모픽의 개념
나. 뉴로모픽 기술의 등장 배경
다. 뉴로모픽 칩(neuromorphic chip)의 구조
라. 뉴로모픽 기술 특징
마. 뉴로모픽과 딥러닝
제2장 뉴로모픽(Neuromorphic) 및 뇌-기계 인터페이스(BCI·Brain-Computer Interface) 기술 동향
1. 뉴로모픽 컴퓨팅(Neuromorphic Computing)의 기술 동향
1-1. 뉴로모픽 컴퓨팅의 기술 개요 및 특징
1-1-1. 뉴로모픽 컴퓨팅 기술의 개요
1-1-2. 뉴로모픽 컴퓨팅(Neuromorphic Computing) 기술의 특징
가. 뉴로시냅틱 칩(Neuromorphic Chip) 기술
나. 교차 모달리티 기술
다. 지식 확장형 인지기술
1-1-3. 시냅스 모방소자 기술 동향
가. SRAM 시냅스 모방소자
나. 멤리스터(memristor) 시냅스 모방소자(RRAM)
다. FET 기반 시냅스 모방 소자
2. 뇌-기계인터페이스 기술 동향(BCI·Brain-Computer Interface)
2-1. 뇌-기계인터페이스(BCI·Brain-Computer Interface) 기술 개요 및 특징
2-1-1. 뇌-기계인터페이스(BCI) 기술 개요
가. 뇌과학
가-1. 뇌신경생물학
가-2. 뇌신경계질환
가-3. 뇌인지
가-4. 뇌공학
가-5. 뇌융합
나. 뇌파(腦波) 기술
나-1. 감각 운동 리듬(Sensorimotor rhythm, 이하 SMR)
나-2. P300
나-3. 정상상태시각유발전위(Steady State Visually Evoked Potentials, SSVEP)
2-1-2. 뇌-기계 인터페이스 기술 특징
2-2. 뇌-기계인터페이스 기술 동향
2-2-1. 뇌파 측정 부위
가. 침습형 방식(Invasive)
나. 비침습형 방식(Non-Invasive)
나-1. 뇌전도(electro encephalo graphy, EEG)
나-2. 뇌자도(magneto encephalo graphy, MEG)
나-3. 기능적 자기공명영상(functional magnetic resonance imaging, fMRI)
나-4. 근적외선 분광법(near infrared spectroscopy, NIRS)
2-2-2. BCI 응용 분야
가. 신체기능 보조/대체 : 의료, 재활, 헬스케어
나. 편의성 제고
다. 엔터테인먼트
라. 정보·지식 전달, 교류
3. 최근 인공지능 기술 동향
3-1. 고전적 인공지능
3-2. 딥러닝의 기반 인공지능
3-2-1. 딥러닝의 개요
3-2-2. 딥러닝의 동작 원리
3-2-3. 딥러닝 응용 분야
3-3. 생체신경망의 기반 인공지능
3-1-1. 계층형 시간 메모리(Hierarchical Temporal Memory, HTM)의 개요 및 특징
가. 계층형 시간 메모리(HTM) 개요
나. 신피질(Neocortex)
다. 계층형 시간 메모리의 구조
라. 계층형 시간 메모리(HTM)의 특징
마. HTM 네트워크
바. HTM의 학습 알고리즘
바-1. 학습(Learning)
바-2. 추론(Inference)
바-3. 예측(Prediction)
제3장 뉴로모픽 기술의 산업동향 및 기술 전망
1. 뉴로모픽 기술의 산업동향
1-1. 뉴로모픽 기술의 국내외 추진 현황
1-1-1. 국내 추진현황
가. 키위브레인(Korea Integrative Wikibrain) 프로젝트
나. 뇌과학 발전전략
1-1-2. 해외 추진현황
가. 미국
가-1. SyNAPSE(System of Neuromorphic Adaptive Plastic Scalable Electronics) 프로젝트
가-2. BRAIN Initiative 프로젝트
나. EU
나-1. Blue Brain 프로젝트
나-2. Human Brain Project(HBP)
다. 일본
라. 중국
1-2. 뉴로모픽 기술의 국내외 산업동향
1-2-1. 국내
1-2-2. IBM
가. 트루노스(TrueNorth) 칩
나. NS16e 컴퓨터
1-2-3. 퀄컴의 제로스(Zeroth)
1-2-4. HP
1-2-5. 휴즈연구소(Hughes Research Laboratory, HRL)
2. 뉴로모픽 시장 전망
2-1. 시장 전망
표 목차
[표 1] 뉴런의 구조
[표 2] 뇌의 신호 전달
[표 3] 인지과학
[표 4] 기계학습의 응용 분야
[표 5] 기계학습 알고리즘 방법
[표 6] 자연어 처리 구성 및 처리 단계
[표 7] 자연 언어의 계층적 구조
[표 8] 글로벌 기업들의 로봇 투자 현황
[표 9] 음성인식의 기술
[표 10] 음성인식 기술의 현재와 미래
[표 11] 4차 산업혁명의 주요기술
[표 12] 폰 노이만 구조와 뉴로모픽 칩 처리 능력 비교
[표 13] 구현언어 모델
[표 14] 뉴로모픽 컴퓨터 역사
[표 15] 뇌의 구조와 기능
[표 16] 뇌 연구 분야
[표 17] 뇌신경 기능
[표 18] 뇌인지 융합기술의 주요 연구분야
[표 19] 국내외 주요 뇌연구 성과
[표 20] 뇌파의 종류
[표 21] 뇌파의 장점과 단점
[표 22] BCI 응용기술(application)
[표 23] BCI 기술 분류와 특징
[표 24] 뇌 영상 기술
[표 25] 뇌파 응용 생활용품
[표 26] 4차 산업혁명
[표 27] 국가별 4차 산업 전략 비교
[표 28] 인공지능 직업 대체 비율
[표 29] 인공지능에 의한 새로운 시장
[표 30] 인간과 인공지능의 대결 역사
[표 31] 인공지능의 역사
[표 32] 몬테카를로 트리 서치
[표 33] 컴퓨터의 세대별 특징 정리
[표 34] 해외 뉴로모픽 칩 관련 주요 연구 결과
[표 35] 관련 분야의 주요 지원 과제 현황
[표 36] 뇌지도 관련기술 국내 연구현황
[표 37] 주요 선진국의 뇌과학 연구 프로젝트
[표 38] 중국과 미국의 특허보유 비교
[표 39] 중국 인터넷 기업 인공지능 투자 현황
[표 40] 인공지능 관련 M&A
[표 41] 뉴로모픽 컴퓨팅의 향후 활용 전망과 문제점
그림 목차
[그림 1] 뇌의 3층 구조
[그림 2] 인간의 뇌 구조
[그림 3] 시냅스 정보 교환 과정
[그림 4] 인지지능 시스템 구조
[그림 5] 지능형 컴퓨터의 구성
[그림 6] 컴퓨터비전 시스팀의 구성도
[그림 7] 컴퓨터 비전 처리 과정
[그림 8] 인간의 신경망을 모방한 인공지능 신경망
[그림 9] 전통적 프로그래밍(연역법)과 기계학습(귀납법) 패러다임 비교
[그림 10] 자연어 처리 기술
[그림 11] 문장분류에 대한 CNN 구조
[그림 12] 세계 최고 재난구조 로봇 휴보
[그림 13] 음성인식 시스템
[그림 14] 음성인식 기술의 원리
[그림 15]
[그림 16] University of California, Berkeley에서 개발한 CASA 음성인식 시스템 개략도
[그림 17] 이동통신 시스템 체계에서 음성인식이 수행되는 구조
[그림 18] 시기별 자연어 처리 번역과 대화형 서비스 내용
[그림 19] 신경회로망과 신경세포의 구조
[그림 20] 인공신경망
[그림 21] 딥러닝에 의한 자가습득형 인공지능
[그림 22] 딥러닝 사물 인식 과정(그림 조정할 것)
[그림 23] 인공지능의 자가학습과 성장모델
[그림 24] 시냅스(SyNAPSE)에서 정보가 전달되는 과정
[그림 25] 뉴로모픽 칩의 개요
[그림 26] 폰 노이만 컴퓨팅 기술과 인간 뇌의 전력 효율성 비교
[그림 27] 인공 시냅스
[그림 28] SyNAPSE Architectural Concept
[그림 29] IBM의 뉴로모픽 칩
[그림 30] 뉴로모픽 칩의 응용
[그림 31] 신경망과 하드웨어
[그림 32] 뉴로모픽 컴퓨팅을 위한 컨볼루션 네트워크
[그림 33] 신경회로망의 구조와 기능을 수리적으로 모사하는 뉴로모픽 인공두뇌 모델링 방법
[그림 34] 뉴로모픽 칩 작동 방법
[그림 35] 뉴로모픽 컴퓨팅 아키텍처
[그림 36] Neuromorphic Architecture
[그림 37] 신경 네트워크의 최적화된 CPU 데이터 경로
[그림 38] SRAM 시냅스 모방소자
[그림 39] 멤리스터
[그림 40] 삼성전자가 개발한 RRAM 구조
[그림 41] ReRAM의 셀 구조
[그림 42] PCRAM의 기본 구조
[그림 43] CMOS기반 뉴런 회로 및 신호 분석
[그림 44] 뇌 영상 기법
[그림 45] BCI 기술 동작 프로세스
[그림 46] 두정엽의 기능
[그림 47] 인간의 신경망을 모방한 인공지능 신경망
[그림 48] 줄기세포 획득과정
[그림 49] 뇌-뇌 접속 기기 개념
[그림 50] 뇌공학 기술의 발전 전망
[그림 51] 뇌융합 챌린지 프로젝트
[그림 52] 뇌파 기술 개요
[그림 53] BCI 시스템의 작동 과정과 구성요소
[그림 54] P300 뇌파를 이용한 프레임워크
[그림 55] BMI 기술을 위한 SSVEP 패러다임
[그림 56] 뇌-컴퓨터 인터페이스 시스템의 구성 요소
[그림 57] 뇌파 측정 방법
[그림 58] 뇌의 전자기적 측정 방법
[그림 59] ECoG를 활용한 BCI 개념도
[그림 60] 뇌와 다리 근육을 잇는 와이파이 시스템 개요
[그림 60] 침습형
[그림 61] 비침습적 방법
[그림 62] 센서 부착
[그림 63] 시냅스 후 뉴런전위
[그림 64] 뇌전도의 측정
[그림 65] 뇌자도 신호 측정
[그림 66] Real-time fMRI processing
[그림 67] 근적외선 분광계
[그림 68] 뇌-기계 인터페이스 시스템의 응용(스펠러, 게임, 휠체어)
[그림 69] 비침습성 BCI를 이용한 정보전달
[그림 70] BBI(Brain to Brain interface) 시스템
[그림 71] 튜링 기계 개념
[그림 72] 딥러닝 개요
[그림 73] 인공신경망
[그림 74] 인공지능의 역사 및 딥러닝의 혁신
[그림 75] 뉴럴 네트워크 구조
[그림 76] 딥러닝의 구조
[그림 77] 깊은 신경망 인식과정
[그림 78] HTM 네트워크 알고리즘
[그림 79] 뉴런과 계층형 시간 메모리(HTM)가 모방한 인공신경망
[그림 80] 신피질의 구조
[그림 81] 계층적으로 배열 된 3개의 HTM 영역
[그림 82] 공간 풀러 검증 프로세스
[그림 83] 계층형 시간 메모리(HTM)
[그림 84] 학습 및 인식을 위한 계층형 시간 메모리 방식
[그림 85] HTM 피질 학습 알고리즘
[그림 86] 일시적 풀링 구현
[그림 87] 전극 메모리 소자
[그림 88] 뉴런을 집적한 뉴로모픽 칩
[그림 89] 엑소브레인 SW 개념
[그림 90] 엑소브레인 SW의 산업화 로드맵
[그림 91] 키위브레인 프로젝트의 주요 개념
[그림 92] 뇌과학 발전전략- 뇌지도 구축
[그림 93] SyNAPSE 프로젝트 로드맵
[그림 94] 미국 정부의 BRAIN Initiative Overview
[그림 95] Inspiration from visual cortex
[그림 96] Blue Brain Project에 의한 쥐 신피질의 뉴로모픽 모델
[그림 97] Human Brain
[그림 98] 인간의 두뇌와 트루노스 칩 비교
[그림 99] IBM의 뉴로시냅틱 코어
[그림 100] IBM에서 개발한 뉴로시냅틱 칩 TrueNorth의 구조
[그림 101] TrueNorth data set samples.
[그림 102] Neural Processing Units(NPUs)-A new class of processors mimicking human perception and cognition
[그림 103] HRL에서 구축한 멤리스터(memristor) 크로스바 배열
[그림 104] 인공지능 시스템 시장 전망
