1 |
1
가중치가 있는 링크에 의해 서로 연관되어 있는 노드들로 각각 구성된 입력층, 은닉층, 및 출력층을 포함하는 학습모델을 이용하여 제1 대상의 위치를 예측하는 방법으로서, 상기 입력층의 제1군의 입력노드, 제2군의 입력노드, 및 제3군의 입력노드에 각각 (1) 시간값, (2) 상기 시간값에서 복수 개의 대상이 특정 장소에 존재할 평균적인 가능성을 나타내는 척도(scale), 및 (3) 상기 제1 대상의 제1 특성값이 입력되면, 상기 출력층에서는 상기 제1 대상이 상기 특정 장소에 위치할 제1 확률값이 출력되도록 되어 있고,상기 제3군의 입력노드에 상기 복수 개의 대상 각각의 특성값들의 평균값인 제2 특성값을 입력함으로써, 상기 제2 특성값을 갖는 가상의 대상 또는 실제의 대상이 상기 특정 장소에 위치할 제2 확률값을 출력하는 단계; 및상기 제1 확률값과 상기 제2 확률값을 서로 비교함으로써, 상기 제1 특성값과 상기 제2 특성값의 차이가 상기 특정 장소에 위치할 확률에 주는 영향을 수치로 제시하는 단계를 포함하는, 위치예측방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서, 상기 제1 확률값은 상기 제1 특성값에 의한 영향이 반영된 것인, 위치예측방법
|
4 |
4
제1항에 있어서, 상기 제1 대상은 특정인 또는 상기 특정인이 소지한 사용자 기기이고, 상기 제1 특성값은 상기 특정인의 인성에 관한 파라미터을 포함하는, 위치예측방법
|
5 |
5
제4항에 있어서, 상기 척도는 상기 특정인이 소지한 사용자 기기에 의해 수집된 정보를 이용하여 획득한 것이거나, 미리 제공된 것인, 위치예측방법
|
6 |
6
제1항에 있어서, 상기 학습모델은 신경망회로(Neural Network)인, 위치예측방법
|
7 |
7
데이터 획득부 및 처리부를 포함하는 위치예측 컴퓨팅 장치로서,상기 처리부는, 가중치가 있는 링크에 의해 서로 연관되어 있는 노드들로 각각 구성된 입력층, 은닉층, 및 출력층을 포함하는 학습모델을 이용하여 제1 대상의 위치를 예측하도록 되어 있고,상기 처리부는, 상기 입력층의 제1군의 입력노드, 제2군의 입력노드, 및 제3군의 입력노드에 각각, (1) 시간값, (2) 상기 시간값에서 복수 개의 대상이 특정 장소에 존재할 평균적인 가능성을 나타내는 척도(scale), 및 (3) 상기 제1 대상의 제1 특성값이 입력되면, 상기 출력층에서는 상기 제1 대상이 상기 시간값이 나타내는 시각에 상기 특정 장소에 위치할 제1 확률값을 출력하도록 되어 있으며,상기 데이터 획득부는 상기 시간값, 상기 척도, 및 상기 제1 특성값을 획득하여 상기 처리부에 제공하도록 되어 있는,위치예측 컴퓨팅 장치
|
8 |
8
제7항에 있어서,상기 처리부는, 상기 제3군의 입력노드에 상기 복수 개의 대상 각각의 특성값들의 평균값인 제2 특성값을 입력함으로써, 상기 제2 특성값을 갖는 가상의 대상 또는 실제의 대상이 상기 특정 장소에 위치할 제2 확률값을 출력하는 단계; 및상기 제1 확률값과 상기 제2 확률값을 서로 비교함으로써, 상기 제1 특성값과 상기 제2 특성값의 차이가 상기 특정 장소에 위치할 확률에 주는 영향을 수치로 제시하는 단계를 수행하도록 되어 있는, 위치예측 컴퓨팅 장치
|
9 |
9
제8항에 있어서, 상기 제1 대상은 특정인 또는 상기 특정인이 소지한 사용자 기기이고, 상기 제1 특성값은 상기 특정인의 인성에 관한 파라미터를 포함하는, 위치예측 컴퓨팅 장치
|
10 |
10
데이터 획득부 및 처리부를 포함하는 위치예측 컴퓨팅 장치로 하여금,상기 처리부가, 가중치가 있는 링크에 의해 서로 연관되어 있는 노드들로 각각 구성된 입력층, 은닉층, 및 출력층을 포함하는 학습모델을 이용하여 제1 대상의 위치를 예측하도록 하기 위하여,상기 처리부가, 상기 입력층의 제1군의 입력노드, 제2군의 입력노드, 및 제3군의 입력노드에 각각, (1) 시간값, (2) 상기 시간값에서 복수 개의 대상이 특정 장소에 존재할 평균적인 가능성을 나타내는 척도(scale), 및 (3) 상기 제1 대상의 제1 특성값이 입력되면, 상기 출력층에서는 상기 제1 대상이 상기 시간값이 나타내는 시각에 상기 특정 장소에 위치할 제1 확률값을 출력하는 단계를 수행하고,상기 데이터 획득부가 상기 시간값, 상기 척도, 및 상기 제1 특성값을 획득하여 상기 처리부에 제공하는 단계를 수행하도록 하는프로그램을 기록한 컴퓨터로 읽을 수 있는 매체
|
11 |
11
가중치가 있는 링크에 의해 서로 연관되어 있는 노드들로 각각 구성된 입력층, 은닉층, 및 출력층을 포함하는 학습모델을 이용하여 제1 대상의 위치를 예측하는 방법에 있어서, 상기 학습모델을 학습시키는 방법으로서,상기 입력층의 제1군의 입력노드, 제2군의 입력노드, 및 제3군의 입력노드에 각각 (1) 시간값, (2) 상기 시간값에서 복수 개의 대상이 특정 장소에 존재할 평균적인 가능성을 나타내는 척도(scale), 및 (3) 상기 제1 대상의 제1 특성값을 입력하는 단계;상기 출력층에 상기 제1 대상이 상기 시간값이 나타내는 시각에 상기 특정 장소에 존재할 가능성을 나타내는 값을 입력하는 단계; 및상기 가중치를 교정하는 단계;를 포함하는, 학습모델의 학습방법
|
12 |
12
데이터 획득부 및 처리부를 포함하며, 가중치가 있는 링크에 의해 서로 연관되어 있는 노드들로 각각 구성된 입력층, 은닉층, 및 출력층을 포함하는 학습모델을 이용하여 제1 대상의 위치를 예측하기 위하여 상기 학습모델을 학습시키는, 컴퓨팅 장치로서,상기 처리부는, 상기 입력층의 제1군의 입력노드, 제2군의 입력노드, 및 제3군의 입력노드에 각각 (1) 시간값, (2) 상기 시간값에서 복수 개의 대상이 특정 장소에 존재할 평균적인 가능성을 나타내는 척도(scale), 및 (3) 상기 제1 대상의 제1 특성값을 입력하는 단계;상기 출력층에 상기 제1 대상이 상기 시간값이 나타내는 시각에 상기 특정 장소에 존재할 가능성을 나타내는 값을 입력하는 단계; 및상기 가중치를 교정하는 단계;수행하도록 되어 있고,상기 데이터 획득부는, 상기 시간값, 상기 척도, 및 상기 제1 특성값을 획득하여 상기 처리부에 제공하도록 되어 있는,컴퓨팅 장치
|