1 |
1
제1 타입을 갖고, 타겟 시점의 이전 시간에 대응되는 제1 시계열 데이터를 수신하는 네트워크 인터페이스; 상기 제1 시계열 데이터에 기초하여, 제2 타입을 갖고, 상기 타겟 시점의 이전 시간에 대응되는 제2 시계열 데이터를 생성하는 데이터 생성기;상기 제1 시계열 데이터 및 상기 제2 시계열 데이터에 기초하여, 상기 타겟 시점의 이후 시간에 대응되는 예측 데이터를 생성하는 예측기; 및상기 데이터 생성기 및 상기 예측기를 제어하는 프로세서를 포함하는 시계열 데이터 처리 장치
|
2 |
2
제1 항에 있어서,상기 제1 시계열 데이터는 상기 타겟 시점 이전의 복수의 시점들에서 생성된 그룹화된 전자 의무 기록이고, 상기 데이터 생성기는, 상기 전자 의무 기록에 기초하여, 가상의 개인 건강 기록에 대응되는 상기 제2 시계열 데이터를 생성하는 시계열 데이터 처리 장치
|
3 |
3
제1 항에 있어서,상기 데이터 생성기는, 상기 제1 타입을 갖는 제3 시계열 데이터 및 상기 제2 타입을 갖는 제4 시계열 데이터에 의하여 학습된 생성 모델에 기초하여, 상기 제2 시계열 데이터를 생성하고,상기 네트워크 인터페이스는, 상기 제1 시계열 데이터를 수신하기 이전에 상기 제3 및 제4 시계열 데이터를 수신하는 시계열 데이터 처리 장치
|
4 |
4
제3 항에 있어서,상기 데이터 생성기는,상기 제3 및 제4 시계열 데이터에 기초하여, 상기 제2 타입을 갖는 제5 시계열 데이터를 생성하는 생성기; 및상기 제5 시계열 데이터가 상기 생성기로부터 생성된 데이터인지 여부를 판단하는 판별기를 포함하는 시계열 데이터 처리 장치
|
5 |
5
제4 항에 있어서,상기 판별기가 상기 제5 시계열 데이터를 상기 생성기로부터 생성된 데이터로 판단하지 않을 때까지, 상기 생성 모델의 가중치가 조절되는 시계열 데이터 처리 장치
|
6 |
6
제3 항에 있어서,상기 데이터 생성기는,상기 제3 시계열 데이터 및 상기 제4 시계열 데이터 각각을 서로 동일한 타입을 갖도록 변환하는 임베더를 포함하고,상기 생성 모델은, 상기 변환된 제3 및 제4 시계열 데이터에 기초하여 학습되는 시계열 데이터 처리 장치
|
7 |
7
제6 항에 있어서,상기 임베더는, 상기 변환된 제3 및 제4 시계열 데이터와 동일한 타입을 갖도록, 상기 제1 시계열 데이터를 변환하고,상기 생성 모델은, 상기 변환된 제1 시계열 데이터에 기초하여 상기 제2 시계열 데이터를 생성하는 시계열 데이터 처리 장치
|
8 |
8
제1 항에 있어서,상기 제1 시계열 데이터는 수치 데이터인 제1 특징 데이터 및 비수치 데이터인 제2 특징 데이터를 포함하고,상기 데이터 생성기는, 상기 제2 특징 데이터를 수치 데이터로 변환하고, 상기 제1 특징 데이터 및 상기 수치 데이터로 변환된 상기 제2 특징 데이터에 기초하여 상기 제2 시계열 데이터를 생성하는 시계열 데이터 처리 장치
|
9 |
9
제1 항에 있어서,상기 제2 시계열 데이터는, 일정한 기준 시간 간격을 갖는 시계열 데이터인 시계열 데이터 처리 장치
|
10 |
10
전자 의무 기록에 대응되는 제1 시계열 데이터를 수집하는 수집 장치; 및상기 제1 시계열 데이터에 기초하여, 가상의 개인 건강 기록에 대응되고 기준 시간 간격을 갖는 제2 시계열 데이터를 생성하고, 상기 제1 시계열 데이터 및 상기 제2 시계열 데이터에 기초하여, 미래 시점의 예측 데이터를 생성하는 의료 데이터 처리 장치를 포함하는 건강 예측 시스템
|
11 |
11
제10 항에 있어서,상기 의료 데이터 처리 장치는,상기 제1 시계열 데이터에 기초하여 상기 제2 시계열 데이터를 생성하는 개인 건강 기록 생성기; 및상기 제1 및 제2 시계열 데이터에 기초하여, 상기 미래 시점의 상기 전자 의무 기록을 생성하는 건강 예측기를 포함하는 건강 예측 시스템
|
12 |
12
제11 항에 있어서,상기 건강 예측기는,시간에 대한 상기 제1 시계열 데이터의 변화 추이 및 상기 제2 시계열 데이터의 변화 추이를 병렬로 분석하는 예측 모델에 기초하여, 상기 미래 시점의 전자 의무 기록에 대응되는 상기 예측 데이터를 생성하는 건강 예측 시스템
|
13 |
13
제10 항에 있어서,제2 전자 의무 기록에 대응되는 제3 시계열 데이터 및 개인 건강 센서로부터 측정된 개인 건강 기록에 대응되는 제4 시계열 데이터를 수집하는 제2 수집 장치를 더 포함하고,상기 의료 데이터 처리 장치는, 상기 제3 및 제4 시계열 데이터에 기초하여 생성 모델을 학습하고, 상기 생성 모델에 상기 제1 시계열 데이터를 입력하여 상기 제2 시계열 데이터를 생성하는 건강 예측 시스템
|
14 |
14
제13 항에 있어서,상기 의료 데이터 처리 장치는, 상기 생성 모델에 상기 제3 및 제4 시계열 데이터를 입력하여 가상의 개인 건강 기록에 대응되는 제5 시계열 데이터를 생성하고, 상기 제5 시계열 데이터가 상기 가상의 개인 건강 기록인지 상기 측정된 개인 건강 기록인지 판별되지 않을 때까지 상기 생성 모델을 학습하는 건강 예측 시스템
|
15 |
15
제13 항에 있어서,상기 의료 데이터 처리 장치는, 상기 제3 시계열 데이터 및 상기 제4 시계열 데이터 각각을 서로 동일한 타입을 갖도록 변환하여 상기 생성 모델에 입력하는 건강 예측 시스템
|
16 |
16
프로세서에 의하여 수행되는 시계열 데이터 처리 장치의 동작 방법에 있어서,과거 시점들에서 제1 타입을 갖도록 생성된 제1 시계열 데이터를 네트워크 인터페이스를 통하여 수신하는 단계;상기 제1 시계열 데이터를 임베딩하여 입력 데이터를 생성하는 단계;상기 입력 데이터를 생성 모델에 입력하여, 기준 시간 간격을 갖는 과거 시점들에 대응되고 제2 타입을 갖는 제2 시계열 데이터를 생성하는 단계; 및상기 제1 시계열 데이터 및 상기 제2 시계열 데이터에 기초하여 미래 시점의 예측 데이터를 생성하는 단계를 포함하는 방법
|
17 |
17
제16 항에 있어서,상기 제1 시계열 데이터를 수신하는 단계 이전에, 상기 제1 타입을 갖도록 수집된 제3 시계열 데이터 및 상기 제2 타입을 갖도록 수집된 제4 시계열 데이터에 기초하여, 상기 생성 모델을 학습하는 단계를 더 포함하는 방법
|
18 |
18
제17 항에 있어서,상기 생성 모델을 학습하는 단계는,상기 제3 및 제4 시계열 데이터를 상기 네트워크 인터페이스를 통하여 수신하는 단계;상기 제3 및 제4 시계열 데이터를 서로 동일한 타입을 갖도록 임베딩하여, 학습 데이터를 생성하는 단계;상기 학습 데이터를 상기 생성 모델에 입력하여, 상기 기준 시간 간격을 갖는 과거 시점들에 대응되고 상기 제2 타입을 갖는 제5 시계열 데이터를 생성하는 단계;상기 제5 시계열 데이터가 상기 네트워크 인터페이스를 통하여 수신된 시계열 데이터인지 상기 생성 모델로부터 생성된 시계열 데이터인지 판별하는 단계를 포함하는 방법
|
19 |
19
제18 항에 있어서,상기 생성 모델을 학습하는 단계는,상기 제5 시계열 데이터가 상기 생성 모델로부터 생성된 시계열 데이터로 판별되는 경우, 상기 생성 모델의 가중치를 조절하는 단계를 더 포함하는 방법
|
20 |
20
제16 항에 있어서,상기 예측 데이터를 생성하는 단계는,시간에 대한 상기 제1 시계열 데이터의 변화 추이에 기초하여 제1 중간 데이터를 생성하는 단계;시간에 대한 상기 제2 시계열 데이터의 변화 추이에 기초하여 제2 중간 데이터를 생성하는 단계; 및상기 제1 중간 데이터 및 상기 제2 중간 데이터에 기초하여, 상기 예측 데이터를 계산하는 단계를 포함하는 방법
|