1 |
1
각각 하나 이상의 노드를 포함하며 서로 가중치에 의해 연관되어 있는 입력층, 은닉층, 및 출력층을 포함하는 학습모델을 이용하여 사람의 위치를 예측하는 방법으로서, 상기 입력층에는 확정적인 시간값과 상기 사람의 인성요인값이 입력되면, 상기 출력층에서는 상기 시간값에 대응하여 상기 사람이 특정 장소에 위치할 확률값이 출력되도록 되어 있는,위치예측방법
|
2 |
2
제1항에 있어서, 상기 은닉층에 포함된 노드의 개수는 상기 입력층에 포함된 노드의 개수 및 상기 출력층에 포함된 노드의 개수와 동일한, 위치예측방법
|
3 |
3
제1항에 있어서, 상기 학습모델은 신경망회로(Neural Network)인, 위치예측방법
|
4 |
4
제1항에 있어서, 상기 인성요인값은, 경험에 대한 개방성(Openness to experience), 성실성(Conscientiousness), 외향성(Extroversion), 친화성(Agreeableness) 및 신경증(Neuroticism) 중 어느 하나 이상으로 구성되는 값인 것을 특징으로 하는, 위치예측방법
|
5 |
5
제1항에 있어서, 상기 출력층에 포함된 각 출력노드는 서로 다른 장소에 대응되고, 상기 입력층에 포함된 각 입력노드에는 상기 확정적인 시간값을 2개 이상의 파라미터로 분리하여 표현한 값이 입력되도록 되어 있는, 위치예측방법
|
6 |
6
각각 하나 이상의 노드를 포함하며 서로 가중치에 의해 연관되어 있는 입력층, 은닉층, 및 출력층을 포함하는 학습모델을 학습시키는 방법으로서,확정적인 시간값들 및 사람의 인성요인값을 포함하는 학습용 입력데이터세트를 상기 입력층에 입력하는 제1입력단계; 및상기 각 시간값에 대응하는 값으로서 상기 사람이 특정 장소에 위치할 확률값들을 포함하는 학습용 출력데이터세트를 입력하는 제2입력단계;를 포함하며,상기 제1입력단계와 상기 제2입력단계를 반복하여 수행함으로써 상기 가중치를 학습시키도록 되어 있는,학습모델 학습방법
|
7 |
7
제6항에 있어서, 상기 인성요인값은, 경험에 대한 개방성(Openness to experience), 성실성(Conscientiousness), 외향성(Extroversion), 친화성(Agreeableness) 및 신경증(Neuroticism) 중 어느 하나 이상으로 구성되는 값인 것을 특징으로 하는, 학습모델 학습방법
|
8 |
8
제6항에 있어서, 상기 출력층에 포함된 각 출력노드는 서로 다른 장소에 대응되고, 상기 입력층에 포함된 각 입력노드에는 상기 확정적인 시간값을 2개 이상의 파라미터로 분리하여 표현한 값이 입력되도록 되어 있는, 학습모델 학습방법
|