평형 상태로의 수렴을 보장하는 병렬 Hopfield 신경망

본 논문에서는 대세 프로토콜이라 불리는 새로운 상태 변경 법칙을 갖는 병렬 Hopfield 신경망 모델을 제안한다. 기존의 Hopfield 신경망은 병렬로 작동할 경우 진동할 수 있다는 문제점을 가지고 있다. 그러나 본 논문에서 제안한 병렬 Hopfield 신경망은 대세 프로토콜의 특성으로 인해 평형 상태로의 수렴을 보장한다. 대세 프로토콜에 의해 동작하는 신경망의 상태 변경이 있을 때면 언제나 신경망의 consensus가 단조 증가함을 보임으로서 제안한 모델의 평형 상태로의 수렴 성질을 수학적으로 증명하였다. 대세 프로토콜의 유용성을 보이기 위해 Hopfield 신경망에 잘 알려진 최적화 문제를 적용해 순차적 처리를 하는 컴퓨터와 실제의 병렬 컴퓨터상에서 시뮬레이션한다. 시뮬레이션 결과 대세 프로토콜을 갖고 병렬로 동작하는 새로운 Hopfield 모델은 기존의 Hopfield 모델의 해의 최적도를 유지하면서 빠르게 평형 상태로 수렴함을 알 수 있다.