본 논문은 계산 비용이 높은 심층 합성곱 신경망(CNN)의 문제를 해결하기 위해 열대 합성곱 신경망(TCNN)의 두 가지 새로운 변형인 복합 TCNN(cTCNN)과 병렬 TCNN(pTCNN)을 제안합니다. cTCNN과 pTCNN은 기존의 합성곱 커널을 열대 min-plus와 max-plus 커널의 조합으로 대체하여 곱셈 연산을 줄이고 효율성과 성능 간의 균형을 맞춥니다. 다양한 데이터셋에서의 실험 결과, cTCNN과 pTCNN은 다른 CNN 방법들과 동등하거나 그 이상의 성능을 보였으며, 기존 CNN과 결합하여 더 깊은 아키텍처를 구성하면 성능이 더욱 향상됨을 확인했습니다. 향후 연구에서는 매개변수와 곱셈 연산을 최소한의 정확도 손실로 줄이는 단순화된 TCNN 아키텍처를 탐색하여 효율적이고 효과적인 모델을 구축하는 것을 목표로 합니다.
