일반기술

컨커런트 서포트 벡터 머신 프로세서

본 발명은 계산속도가 빠른 커널 계산부를 내장형으로 만들어서 한 하드웨어에서 SVM의 모든 과정이 수행되는 통합기능을 구현한 컨커런트 SVM(Concurrent Support Vector Machine) 프로세서로서, 공유 데이터 버스에 병렬 연결되어 동시에 학습 샘플에 대한 커널 연산을 행하고, 공유 데이터 버스에 연결되어 KA, KP 알고리즘에 따라 소정의 파라미터를 학습 종료 조건이 만족할 때까지 갱신하고, 각종 제어신호를 생성하여 각 SVE 모듈 및 학습모듈의 동작 제어를 행하고, SVE 모듈의 출력으로부터 학습 샘플의 클래스 판단을 위한 마진값을 출력하여 SVM의 모든 과정인 커널 계산, 학습, 재현 과정이 수행되는 기술이다종래의 디지털 SVM 하드웨어인 디지털 SVM은 하드웨어에 적합한 학습 알고리즘을 제안하고 학습까지 이루어지는 디지털 SVM 하드웨어를 구현하였으나 이 디지털 하드웨어는 커널 연산 부분은 칩 상에서 동작하지 않음으로 인하여 시간 소모가 많은 커널 연산 과정에 의하여 처리 시간상 병목 현상이 발생하게 되며, 또한 칩만의 독자적 연산 수행(Stand-Alone Operation)이 불가능하다는 문제점을 해결한 특징이 있다.본 발명은 병렬 구조와 공유 데이터 버스를 이용한 컨커런트(Concurrent) 동작으로 빠른 SVM 연산이 가능하고, 특히 고차원의 데이터의 분류 문제에 적합하며, 많은 계산을 요구하여 지금까지 호스트 컴퓨터에서 오프-라인으로 수행하던 SVM의 커널 연산을 하드웨어 위에서 공유 데이터 버스를 이용하여 빠르게 처리할 수 있으며, 커널 연산을 포함한 SVM에서 필요한 모든 연산이 CSVM 하드웨어 위에서 한 번에 빠르게 이루어지므로 온라인, 독립적인 수행(Stand-Alone)이 요구되는 적용분야에 사용 가능하고, 데이터의 차원이 높은 수중 음파(Sonar) 데이터 분류 문제, 백혈병 환자 데이터 분류 문제, 실시간 처리가 요구되는 비선형 통신 채널 문제에 적용할 경우 보다 우수한 결과를 보이며, 커널 스케일링 방법은 많은 데이터의 특징을 요구하는 바이오인포매틱스 분야의 패턴분류문제에 효율적인 특징이 있다.