SNN은 인공 신경망 (Artificial Neural Network)의 한 종류로, 실제 뇌에서 정보를 처리하는 방식을 모방하여 만든 신경망 모델이다
기존의 뉴럴넷은 실수형(float) 데이터를 주고받는 것에 비해, SNN은 Spike가 발생했는지에 대한 Binary 정보들을 주고 받음
아래그림을 예로 들면
- (upper) pre-neuron은 3번의 Spike를 발생
- (middle) post-neuron의 활동 전위(action potential) → 파란색 선
- Spike가 생성될 때, 특정 값만큼 강해지고, 시간이 지날수록 서서히 약해짐
- (lower) 활동전위는 역치($threshold$) $\mu_{th}$ 를 넘게 되면 post-neuron에서 Spike를 생성하고 활동 전위는 0으로 초기화
간단한 연산 방식으로 인한 낮은 전력 소모를 가진다는 장점과 실제 생물학적인 관점을 유지한다는 모델이라는 장점이 있음
하지만, 연산 방식이 간단화됨으로 인해서, 필연적으로 학습 성능이 낮다는 단점이 존재 (적절한 학습 방법 부재)
- STDP
- ReSuMe
- Dopamine-modulated
- …
