본 발명은 인공 신경망의 학습 시에 역전파되는 손실에 대해 입력 데이터 또는 가중치 데이터의 각 원소에 대해 개별적으로 클리핑 데이터와 이산화 데이터 사이의 차에 대응하도록 손실 이산화 미분값과 손실 양자화 미분값을 서로 상이하게 설정하는 원소별 그래디언트 스케일링을 적용하여 손실 역전파를 수행함으로써, 양자화 오차로 인해 발생할 수 있는 학습 불안전성을 최소화할 수 있어 인공 신경망의 학습 속도를 향상시킬 수 있을 뿐만 아니라 더욱 정확하게 학습을 수행할 수 있는 인공 신경망을 위한 양자화기 및 손실 역전파 방법을 제공할 수 있다.
