1 |
1
컴퓨터 장치가 외부 데이터를 기반으로 데이터 뉴런 및 라벨 뉴런을 구축하는 단계;상기 컴퓨터 장치가 상기 데이터 뉴런의 출력값을 기반으로 숨겨진 뉴런을 구축하는 단계; 및상기 컴퓨터 장치가 상기 숨겨진 뉴런의 출력값을 기반으로 상기 데이터 뉴런 및 상기 라벨 뉴런을 재구축하는 단계를 포함하되,상기 컴퓨터 장치는 아래 수식을 이용하여 상기 라벨 뉴런과 상기 숨겨진 뉴런 사이의 가중치에 대한 수정치(ΔUi,j)를 결정하는 추론을 위한 제한된 볼츠만 머신 구축 방법
|
2 |
2
제1항에 있어서,상기 컴퓨터 장치가 상기 재구축된 데이터 뉴런의 출력값을 기반으로 상기 숨겨진 뉴런을 재구축하는 단계를 더 포함하는 추론을 위한 제한된 볼츠만 머신 구축 방법
|
3 |
3
제1항에 있어서,상기 컴퓨터 장치는 재구축 전의 숨겨진 뉴런을 기준으로 상기 라벨 뉴런과 상기 숨겨진 뉴런 사이의 가중치에 대한 수정치를 결정하는 추론을 위한 제한된 볼츠만 머신 구축 방법
|
4 |
4
삭제
|
5 |
5
컴퓨터 장치가 데이터 뉴런, 라벨 뉴런 및 숨겨진 뉴런을 포함하는 ClassRBM(Classification Restricted Boltzmann Machine)을 학습하는 단계; 및상기 컴퓨터 장치가 입력 데이터를 상기 학습된 ClassRBM에 입력하여 결과값을 생성하는 단계를 포함하되,상기 학습하는 단계에서 상기 컴퓨터 장치는 제어 신호의 모드에 따라 상기 데이터 뉴런만을 사용하여 상기 숨겨진 뉴런을 재구축하고, 상기 재구축된 숨겨진 뉴런을 기반으로 상기 데이터 뉴런과 상기 라벨 뉴런을 재구축하는 추론을 위한 제한된 볼츠만 머신 운용 방법
|
6 |
6
제5항에 있어서,상기 학습하는 단계에서 상기 컴퓨터 장치는 상기 재구축된 데이터 뉴런의 출력값을 기반으로 상기 숨겨진 뉴런을 재구축하는 단계를 더 포함하는 추론을 위한 제한된 볼츠만 머신 운용 방법
|
7 |
7
제5항에 있어서,상기 학습하는 단계에서 상기 컴퓨터 장치는 재구축 전의 숨겨진 뉴런을 기준으로 상기 라벨 뉴런과 상기 숨겨진 뉴런 사이의 가중치에 대한 수정치를 결정하는 추론을 위한 제한된 볼츠만 머신 운용 방법
|
8 |
8
제5항에 있어서,상기 학습하는 단계에서 상기 컴퓨터 장치는 아래 수식을 이용하여 상기 라벨 뉴런과 상기 숨겨진 뉴런 사이의 가중치에 대한 수정치 (ΔUi,j)를 결정하는 추론을 위한 제한된 볼츠만 머신 운용 방법
|
9 |
9
훈련 데이터를 입력받는 입력 장치;데이터 뉴런, 라벨 뉴런 및 숨겨진 뉴런을 포함하는 학습된 ClassRBM(Classification Restricted Boltzmann Machine)을 저장하는 저장 장치; 및상기 훈련 데이터를 이용하여 상기 데이터 뉴런 및 상기 라벨 뉴런을 구축하고, 상기 데이터 뉴런의 출력값을 기반으로 숨겨진 뉴런을 구축하고, 상기 숨겨진 뉴런의 출력값을 기반으로 상기 데이터 뉴런 및 상기 라벨 뉴런을 재구축하여 상기 학습된 ClassRBM을 마련하는 연산 장치를 포함하되,상기 연산 장치는 아래 수식을 이용하여 결정되는 상기 라벨 뉴런과 상기 숨겨진 뉴런 사이의 가중치에 대한 수정치 (ΔUi,j)를 이용하여 상기 학습된 ClassRBM을 마련하는 추론을 위한 제한된 볼츠만 머신을 탑재한 컴퓨터 장치
|
10 |
10
제9항에 있어서,상기 연산 장치는 상기 재구축된 데이터 뉴런의 출력값을 기반으로 상기 숨겨진 뉴런을 재구축하여 상기 학습된 ClassRBM을 마련하는 추론을 위한 제한된 볼츠만 머신을 탑재한 컴퓨터 장치
|
11 |
11
제9항에 있어서,상기 연산 장치는 재구축 전의 숨겨진 뉴런을 기준으로 결정된 상기 라벨 뉴런과 상기 숨겨진 뉴런 사이의 가중치에 대한 수정치를 이용하여 상기 학습된 ClassRBM을 마련하는 추론을 위한 제한된 볼츠만 머신을 탑재한 컴퓨터 장치
|
12 |
12
삭제
|