범용적인 이벤트 기반 데이터 증강 방법

Abstract

본 논문에서는 뉴로모픽 데이터세트에서 데이터의 부족으로 인한 과적합 문제를 해결하기 위해 새로운 이 벤트 스트림 혼합 증강 기법을 제안한다 이. 방법은 프레임으로 변환되지 않은 이벤트 스트림을 직접 혼합하 는 방식으로 이벤트 데이터의 다양한 표현 방식에 적용할 수 있다 제안된 . 방법은 혼합 비율과 위치에 따라 다양하게 이벤트 데이터를 증강할 수 있다. Deep spiking neural network의 학습을 통해 제안하는 방법의 성능을 평가하였다 학습 . 결과를 바탕으로 성능 향상 및 효율성을 비교하고 혼합 비율과 혼합 위치에 따른 차이를 고찰한다 이를 . 통해 범용적인 이벤트 기반 데이터의 실효성을 확인했으며 향, 후 다양한 표현 방식에 서의 적용 가능성을 논의한다.