[2020년 전담-박남욱개발자] Flex/VQ-BNN
ㆍ주요경력
2011 ~ 연세대학교 글로벌융합공학(빅데이터) 석박사 통합과정
ㆍ전문분야
인공지능, 빅데이터
ㆍ활동 커뮤니티
2019 공개SW 미니해커톤 멘토, 2019 공개SW 컨트리뷰톤 멘토, 라 스칼라 코딩단, 케라스 코리아 밋업 발표 등
ㆍ활동 프로젝트 분야
인공지능, 빅데이터
ㆍ프로젝트명
Flex, VQ-BNN
ㆍ프로젝트 개요
딥러닝은 광범위한 분야에서 가장 우수한 성능을 내는 접근 방법이다. 하지만, 아직까지 딥러닝은 사람과 다른 몇 가지 중요한 한계점을 안고 있다.
- 불확실성 추정 불가능: 딥러닝은 자신이 틀릴 가능성을 고려하지 않는다. 따라서 위양성/위음성 확률이 중요한 의료 시스템이나, 자율 주행같이 오류가 일어나면 큰 피해가 일어나는, 리스크 관리가 중요한 분야에 딥러닝을 적용하기에 충분히 안전하지 않다.
- 파괴적인 망각(catastrophic forgetting): 딥러닝은 한 가지를 학습시킨 뒤 다른 일을 학습시키면 이전에 학습시켰던 일을 잊어버린다. 하지만, 사람은 새로운 일을 학습하더라도 이전의 일을 쉽게 떠올릴 수 있다.
- 대량의 학습 데이터 요구: 딥러닝을 학습시키기 위해서는 많은 데이터가 필요하다. 이는 학습 시간이 길어지게 만들며, 학습 데이터를 생성하기 어렵거나 많은 비용이 드는 경우 딥러닝을 적용시킬 수 없다.
이 한계를 극복하기 위해 최근 학계에서 베이지안 뉴럴 네트워크(Bayesian neural network; BNN)라고 하는 확률론적인 딥러닝이 제안되었다 하지만, 현재 제공되는 TensorFlow와 같은 딥러닝 프레임워크로 BNN을 프로그래밍한다면, 전통적인 딥러닝에 비해 추론 속도가 수십 배 느리다는 한계가 있다.
Flex는 이 한계를 극복한 BNN을 위한 딥러닝 프레임워크다. Flex를 사용한 베이지안 뉴럴 네트워크(BNN)는 TensorFlow를 사용한 전통적인 딥러닝과 동일한 데이터 처리 속도를 가지면서도, 동시에 다양한 상황에서 더 높은 정확도를 기록하며 전통적인 뉴럴 네트워크의 여러 한계점을 극복하는 차세대 딥러닝 방법론이다.
ㆍ프로젝트 특징
- 확률 프로그래밍을 위한 모듈
- VQ-BNN 이론을 사용한 빠른 추론 속도의 딥러닝 프로그래밍 모듈
- TensorFlow와 JVM(Java, Scala) API
ㆍ프로젝트 목표
- 확률론적 딥러닝(BNN)을 위한 프레임워크
- JVM(Java, Scala)을 위한 딥러닝 프레임워크
| 번호 | 제목 | 분야 | 작성 |
|---|---|---|---|
| 144 | [2020년 전담-조현영개발자] ReactGo | 정보시스템 | 2020-07-24 |
| 143 | [2020년 전담-이인제 개발자] StickyBoard | 빅데이터 | 2020-07-24 |
| 142 | [2020년 전담-김희동개발자] Kameleon.io | 사물인터넷 | 2020-07-24 |
| 141 | [2020년 전담-임도현개발자] devspoons [Docker/Tizen/Iot] | 사물인터넷 | 2020-07-23 |
| 140 | [2020년 전담-박남욱개발자] Flex/VQ-BNN | 인공지능(AI) | 2020-07-23 |
| 139 | [5기 채창기 개발자] KoNLpy | 인공지능(AI) | 2019-08-08 |
| 138 | [5기 고병권 개발자] Chromium/Blink | 기타 | 2019-08-08 |
| 137 | [5기 권우찬 개발자] 하나부터 | 사물인터넷 | 2019-08-08 |
| 136 | [5기 오재웅 개발자] 1)Propose 2)Uni | 모바일 | 2019-08-08 |
| 135 | [5기 황희선 개발자] 1)Appium 2)UrQA | 모바일 | 2019-08-08 |
0개 댓글