최근 인공지능에 대중의 관심으로 인해, 인공신경망을 사용한 의료영상 처리가 학계와 산업계에서 관심이 커져가고 있다. 딥러닝을 이용한 컨볼루션 신경망은 영상을 효과적으로 표현할 수 있는 것으로 증명되었다. 그러나 학습을 위해서는 고성능 H/W 플랫폼이 요구된다. 따라서 고차원의 많은 학습 샘플을 저사양 H/W 플랫폼에서 학습하는 것은 매우 도전적인 문제이다. 본 논문에서는 온라인 인공 신경망을 사용해 라즈베리파이에서 동작할 수 있는 실시간 신경망 알고리즘을 제안하고자 한다. 다양한 실험 결과를 통해 제안된 방법은 실시간 학습이 가능함을 보여주었다.

Due to the popularity of artificial intelligent, medical image processing using artificial neural network is increasingly attracting the attention of academic and industry researches. Deep learning with a convolutional neural network has been proved to very effective representation of images. However, the training process requires high performance H/W platform. Thus, the realtime learning of a large number of high dimensional samples within low-power devices is a challenging problem. In this paper, we attempt to establish this possibility by presenting a realtime neural network method on Raspberry pi using online sequential extreme learning machine. Our experiments on high-dimensional dataset show that the proposed method records an almost real-time execution.

ABSTRACT
 Ⅰ. INTRODUCTION
 Ⅱ. BACKGROUND
 Ⅲ. ANALYSIS
  1. 은닉 계층 출력
  2. 출력 계층의 가중치 합습
 Ⅳ. RESULT
  1. 은닉 계층의 크기에 따른 학습 시간 실험
  2. 학습 샘플의 크기에 따른 학습 시간 실험
  3. 클래스 수에 따른 학습 시간 실험
  4. 온라인 학습에 따른 학습 시간 실험
 Ⅴ. CONCLUSION
 Reference
 요 약

• Kwontaeg Choi(Division of Computer Media Engineering , Kangnam University) | 최권택 Corresponding Author