1 |
1
펄스 상세 정보(PDWs, Pulse Descriptor Words)를 구성하는 각각의 구성요소에 대하여, 독립 딥 신경망 토폴로지를 생성하는 신호별 딥 신경망 학습부; 상기 독립 딥 신경망 토폴로지를 융합하는 레이어를 딥 신경망으로 구성하는, 융합 딥 신경망 토폴로지를 생성하는 융합 딥 신경망 학습부; 및 상기 독립 딥 신경망 토폴로지와 융합 딥 신경망 토폴로지의 학습결과를 초기 값으로, 학습을 재 수행하는 독립 토폴로지 신경망 학습부;를 포함하며,상기 신호별 딥 신경망 학습부는, 상기 펄스 상세 정보(PDWs)를 구성하는 각각의 구성요소에 대하여, 추출된 특징을 상기 독립 딥 신경망 토폴로지의 입력으로 하여 복수의 히든 레이어를 딥으로 구성하고, 기 설정된 알고리즘을 이용한 학습을 수행하여, 상기 각각의 구성요소에 대한 초기 학습 웨이트를 생성하는 것을 특징으로 하는 딥 신경망 학습장치
|
2 |
2
제1항에 있어서, 상기 펄스 상세 정보(PDWs)를 구성하는 구성요소는, 주파수(Frequency), 펄스의 반복 구간(PRI: pulse repetition interval), 펄스의 폭(PW: pulse width), Scan 신호 중 적어도 하나를 포함하는 것을 특징을 하는 딥 신경망 학습장치
|
3 |
3
제1항에 있어서, 학습에 필요한 대용량 학습데이터와 상기 학습데이터에 대한 정답을 데이터 베이스(DB)로부터 메모리로 로딩하는 학습 데이터 제어부;를 포함하는 것을 특징으로 하는 딥 신경망 학습장치
|
4 |
4
삭제
|
5 |
5
제1항에 있어서, 상기 융합 딥 신경망 학습부는, 상기 독립 딥 신경망 토폴로지의 출력 노드 값을 융합하는 레이어를 딥 신경망으로 구성하는 융합 딥 신경망 토폴로지를 생성하여, 강화학습을 수행하는 것을 특징으로 하는 딥 신경망 학습장치
|
6 |
6
제5항에 있어서, 상기 독립 딥 신경망 토폴로지의 출력과 상기 융합 딥 신경망 토폴로지의 출력 각각을, 상기 독립 토폴로지 신경망 학습부의 초기 학습 웨이트로 전달하는 학습 모델 제어부;를 포함하는 것을 특징으로 하는 딥 신경망 학습장치
|
7 |
7
제6항에 있어서, 상기 독립 토폴로지 신경망 학습부는, 상기 초기 학습 웨이트에 근거하여, 최종 학습 웨이트를 산출하는 것을 특징으로 하는 딥 신경망 학습장치
|
8 |
8
제7항에 있어서, 상기 신경망 학습부의 학습 재 수행 과정에서 산출되는 학습 웨이트들의 학습률과 인식률을 자동으로 측정하여, 최적의 학습 웨이트를 동적으로 선택하는 최종 학습 모델 생성부;를 포함하는 것을 특징으로 하는 딥 신경망 학습장치
|
9 |
9
(a) 신호별 딥 신경망 학습부에 의해, 펄스 상세 정보(PDWs, Pulse Descriptor Words)를 구성하는 각각의 구성요소에 대하여, 독립 딥 신경망 토폴로지를 생성하는 단계; (b) 융합 딥 신경망 학습부에 의해, 상기 독립 딥 신경망 토폴로지를 융합하는 레이어를 딥 신경망으로 구성하는, 융합 딥 신경망 토폴로지를 생성하는 단계; 및 (c) 독립 토폴로지 신경망 학습부에 의해, 상기 독립 딥 신경망 토폴로지와 융합 딥 신경망 토폴로지의 학습결과를 초기 값으로, 학습을 재 수행하는 단계;를 포함하며, 상기 (a) 단계는, 상기 신호별 딥 신경망 학습부에 의해, 상기 펄스 상세 정보(PDWs)를 구성하는 각각의 구성요소에 대하여, 추출된 특징을 상기 독립 딥 신경망 토폴로지의 입력으로하여 복수의 히든 레이어를 딥으로 구성하고, 기 설정된 알고리즘을 이용한 학습을 수행하여, 상기 각각의 구성요소에 대한 초기 학습 웨이트를 생성하는 단계;를 포함하는 것을 특징으로 하는 딥 신경망 학습방법
|
10 |
10
제9항에 있어서, 상기 펄스 상세 정보(PDWs)를 구성하는 구성요소는, 주파수(Frequency), 펄스의 반복 구간(PRI: pulse repetition interval), 펄스의 폭(PW: pulse width), Scan 신호 중 적어도 하나를 포함하는 것을 특징을 하는 딥 신경망 학습방법
|
11 |
11
제9항에 있어서, 상기 (a) 단계는, 학습 데이터 제어부에 의해, 학습에 필요한 대용량 학습데이터와 상기 학습데이터에 대한 정답을 데이터 베이스(DB)로부터 메모리로 로딩하는 단계;를 포함하는 것을 특징으로 하는 딥 신경망 학습방법
|
12 |
12
삭제
|
13 |
13
제9항에 있어서, 상기 (b) 단계는, 상기 융합 딥 신경망 학습부에 의해, 상기 독립 딥 신경망 토폴로지의 출력 노드 값을 융합하는 레이어를 딥 신경망으로 구성하는 융합 딥 신경망 토폴로지를 생성하여, 강화학습을 수행하는 단계;를 포함하는 것을 특징으로 하는 딥 신경망 학습방법
|
14 |
14
제13항에 있어서, 상기 (b) 단계는, 학습 모델 제어부에 의해, 상기 독립 딥 신경망 토폴로지의 출력과 상기 융합 딥 신경망 토폴로지의 출력 각각을, 상기 독립 토폴로지 신경망 학습부의 초기 학습 웨이트로 전달하는 단계;를 포함하는 것을 특징으로 하는 딥 신경망 학습방법
|
15 |
15
제14항에 있어서, 상기 (c) 단계는, 상기 독립 토폴로지 신경망 학습부에 의해, 상기 초기 학습 웨이트에 근거하여, 최종 학습 웨이트를 산출하는 단계;를 포함하는 것을 특징으로 하는 딥 신경망 학습방법
|
16 |
16
제15항에 있어서, 상기 (c) 단계는, 최종 학습 모델 생성부에 의해, 상기 신경망 학습부의 학습 재 수행 과정에서 산출되는 학습 웨이트들의 학습률과 인식률을 자동으로 측정하여, 최적의 학습 웨이트를 동적으로 선택하는 단계;를 포함하는 것을 특징으로 하는 딥 신경망 학습방법
|