메인내용

회로의 동작이 연속하여 반복됨으로써 이루어지는 스위칭 회로. 일반적으로 동적 회로는 신호를 유지하기 위하여 여진을 필요로 한다.

특정 주파수를 구입한 다음 이를 실수요자에게 팔거나 임대해 주는 사업자. 실수요자가 직접 해당 주파수를 보유하기에는 적합하지 않고 해당 주파수를 단기간에 사용할 때 효과적이다. 주파수 대역이 상대적으로 큰 블록 단위로 판매되는 경우에 일부 애플리케이션의 개인 사용자는 작은 블록만을 원할 수도 있는데, 이때에는 대역 관리 사업자가 이러한 사용자를 대신하여 큰 주파수 대역을 구입하여 재분배도 가능하다.

문서를 연달아 송신하는 것. 기본형 데이터 전송 제어 절차에서 동일한 정보 전송 단계 중에 복수의 문서를 송신하는 것을 말한다.

펄스 부호 변조(PCM) 및 디지털 전송에서 간격이 모두 같지 않은 양자화.

중앙 처리 장치(CPU) 이외의 시스템 자원이 모두 할당된 실행 단위(태스크 등)가 중앙 처리 장치의 사용권이 주어지는 것을 기다리고 있는 상태.

사람 또는 동물 두뇌의 신경망에 착안하여 구현된 컴퓨팅 시스템의 총칭. 기계 학습(machine learning)의 세부 방법론 중 하나로, 신경 세포인 뉴런(neuron)이 여러 개 연결된 망의 형태이다. 구조 및 기능에 따라 여러 종류로 구분되며, 가장 일반적인 인공 신경망은 한 개의 입력층과 출력층 사이에 다수의 은닉층(hidden layer)이 있는 다층 퍼셉트론(multi-layer perceptron)이다. 인공 신경망은 하드웨어로 구현될 수도 있으나, 주로 컴퓨터 소프트웨어로 구현된다. 인공 신경망은 기초 컴퓨팅 단위인 뉴런 여러 개가 가중된 링크(weighted link)로 연결된 형태이다. 가중된 링크(weighted link)는 주어진 환경에 적응할 수 있도록 가중치를 조정할 수 있다. 자기 조직화 지도(SOM: Self-Organizing Map), 순환 신경망(RNN: Recurrent Neural Network), 콘볼루션 신경망(CNN: Convolutional Neural Network)과 같은 다양한 모델에 대한 총칭으로 인공 신경망을 사용하며, 그 종류는 수십 가지에 이른다. 최초의 인공 신경망 모델은 1943년 워렌 맥컬로치(Warren McCulloch)와 월터 피츠(Walter Pitts)에 의해 제안되었으며, 1958년 프랑크 로젠블라트(Frank Rosenblatt)는 지도형 기계학습(supervised learning)이 가능한 퍼셉트론(perceptron) 모델을 개발하였다. 당시 컴퓨터의 낮은 성능과 단층 퍼셉트론(single-layer perceptron)의 한계 등으로 인해 쇠퇴했던 인공 신경망에 대한 연구는 1970년대 군집 분석을 위한 자기 조직화 지도 등의 모델이 연구되며 그 명맥을 이었고, 1986년 다층 퍼셉트론(multi-layer perceptron)의 지도 학습을 위한 역전파 알고리즘(backpropagation algorithm)이 재발견되며, 다시 활성화되었다. 2010년대에는 컴퓨터 하드웨어 및 학습 알고리즘의 발달로 수십 개의 은닉층(hidden layer)이 있는 심층 신경망(DNN: Deep Neural Network)이 널리 사용되게 되었다. 바둑을 비롯해 이미지 및 자연어 처리, 음성 인식 등의 분야에서 기존의 기계 학습 방법의 성능을 뛰어 넘는 결과를 보이고 있다.