인공신경망 썸네일형 리스트형 구글 AI, 순환신경망 기반 연결체학(connectomics) 해석 혁신...딥러닝 대비 10배 개선 원글 :사이언스모니터 # ‘연결체학(Connectomics)’ 은 두뇌 작동을 이해하기 위해 뇌 신경망의 구조를 포괄적으로 매핑하는 것을 목표로 한다. 브레인 매핑(brain mapping)에서 난제는 거대하고 복잡한 데이터를 해석하는 작업을 자동화하는 것이었다. 구글은 막스 플랑크 신경생물학연구소 연구진과 공동으로 ‘네이처 메소드(Nature Methods)’지에 '플러드 필링 네트워크를 사용한 뉴런의 고정밀 자동화 재구성'이란 연구를 발표했다. 이 연구 결과는 새로운 유형의 순환신경망 (RNN)을 사용하면 기존의 딥러닝 기법과 비교했을 때 자동화된 연결체 데이터 해석 정확도가 10배 이상 크게 개선될 수 있다는 사실을 보여 준다. 28일 서울 역삼동 강남 파이넨셜센터에 위치한 구글코리아 20층 G-c.. 더보기 [구글 AI 포럼] AI 혁신과 뇌 과학 연결체학(Connectomics) 노트 원글 : 사이언스모니터 연결체학(Connectomics), 10배 이상 크게 개선되다‘연결체학(Connectomics)’ 분야는 뇌가 어떻게 작동하는지 더 잘 이해하기 위해 신경계에서 찾을 수 있는 신경망의 구조를 포괄적으로 매핑하는 것을 목표로 한다. 이를 위해서는 먼저 나노미터 해상도로 뇌 조직의 3D 이미지를 생성한 다음 (이 과정에는 일반적으로 전자 현미경이 사용된다), 그 결과로 얻어진 이미지 데이터를 분석하여 뇌의 신경돌기를 추적하고 각 시냅스가 어떻게 연결되어 있는지 파악한다. 이미지의 높은 해상도 때문에 단 1 입방밀리미터의 뇌 조직당 1,000TB 이상의 데이터가 생성될 수 있다. 이러한 이미지에 포함되어 있는 구조는 매우 복잡하다. 브레인 매핑(brain mapping)에서 난제는 데이.. 더보기 이전 1 다음
