| 1 |
1
3D 프린터 제조사 별 3D 프린터의 주요 파라미터로서 노즐온도, 레이어높이, 이송속도, 압출량에 대응하는 이진수 데이터를 입력받는 데이터 입력부;입력층, 은닉층 및 출력층의 3개 계층(Layer)으로 구성되며, 상기 입력층을 이용하여 입력 데이터로서 상기 3D 프린터 제조사 별 노즐온도, 레이어높이, 이송속도, 압출량을 수신하고, 상기 은닉층을 이용하여 상기 3D 프린터 제조사 별 노즐온도, 레이어높이, 이송속도, 압출량에 대한 가중치를 계산하고, 상기 가중치를 기반으로 출력값을 산출하고, 상기 출력층을 이용하여 상기 은닉층에서 상기 출력값을 외부로 출력하여 신경망을 학습하는 신경망 모델링부;특정 3D 프린터의 주요 파라미터로서 노즐온도, 레이어높이, 이송속도, 압출량 각각의 크기값에 대응하는 이진수 데이터를 설정하고, 상기 이진수 데이터 중 무작위(Random)로 선택된 데이터를 기반으로 무작위 염색체 데이터를 생성하는 모집단 생성부;상기 무작위 염색체 데이터를 상기 신경망 모델링부로 대입하여 출력된 최적값을 기반으로 적합도 점수를 산출하는 적합도점수 산출부;기 설정된 임계치와 상기 적합도 점수를 비교한 결과에 따라 상기 주요 파라미터의 최적화 여부를 판단하는 최적화 판단부; 및상기 주요 파라미터의 최적화가 실패한 경우, 유전 알고리즘(Genetic Algorithm)을 기반으로 상기 무작위 염색체 데이터에 대해 유전연산을 수행하여 자식 염색체 데이터를 생성하고, 상기 자식 염색체 데이터를 상기 신경망 모델로 대입하는 유전연산부;를 포함하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 2 |
2
제 1 항에 있어서,상기 주요 파라미터의 최적화가 성공한 경우, 상기 무작위 염색체 데이터를 최적 데이터로 저장하는 최적데이터 저장부를 더 포함하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 3 |
3
제 1 항에 있어서,상기 최적화 판단부는,상기 적합도 점수가 상기 임계치 이하인 경우, 최적화 성공으로 판단하고, 상기 적합도 점수가 상기 임계치를 초과한 경우, 최적화 실패로 판단하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 4 |
4
제 2 항에 있어서,상기 최적화 판단부는,사용자에 의해 기 설정된 종료조건을 기반으로 상기 최적화 여부를 판단한 결과에 따라 상기 무작위 염색체 데이터를 제어하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 5 |
5
제 4 항에 있어서,상기 최적화 판단부는,상기 종료조건으로서, 상기 적합도 점수 또는 상기 유전연산을 수행한 횟수인 염색체 세대수를 이용하여 상기 최적화 여부를 판단하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 6 |
6
제 2 항에 있어서,상기 적합도점수 산출부는,상기 신경망 모델에 상기 자식 염색체 데이터를 대입하여 출력된 출력값을 기반으로 상기 적합도 점수를 재산출하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 7 |
7
제 6 항에 있어서,상기 최적화 판단부는,재산출된 적합도 점수를 기반으로 상기 최적화 여부를 재판단한 결과에 따라 상기 자식 염색체 데이터를 제어하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 8 |
8
제 7 항에 있어서,상기 유전연산부는,상기 최적화 판단부에서 상기 최적화 실패로 재판단한 경우, 상기 유전 알고리즘을 기반으로 상기 자식 염색체 데이터에 대해 유전연산을 수행하여 손주 염색체 데이터를 생성하고, 상기 손주 염색체 데이터를 상기 신경망 모델로 전송하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 9 |
9
제 7 항에 있어서,상기 최적데이터 저장부는,상기 최적화 판단부에서 상기 최적화 성공으로 판단한 경우, 상기 자식 염색체 데이터를 상기 최적 데이터로 저장하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 10 |
10
제 1 항에 있어서,상기 적합도점수 산출부는,상기 적합도 점수로서, 기 설정된 목표치와 상기 출력값의 차를 이용하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 11 |
11
제 2 항에 있어서,상기 유전연산부는, 상기 적합도 점수의 역수로 룰렛 휠(Roulette Wheel)을 구성하고, 상기 룰렛 휠을 기반으로 상기 무작위 염색체 데이터 중 적어도 두 개 이상의 데이터를 선택하여 부모 염색체 데이터로 설정하는 염색체 선택부;상기 부모 염색체 데이터를 기반으로 교차연산을 수행하여 상기 자식 염색체 데이터를 생성하는 염색체 교차부; 및상기 자식 염색체 데이터를 기반으로 변이연산을 수행하여 상기 신경망 모델로 전송하는 염색체 변이부를 포함하는 것을 특징으로 하는 파라미터 최적 시스템
|
| 12 |
12
데이터 입력부에서 3D 프린터 제조사 별 3D 프린터의 주요 파라미터로서 노즐온도, 레이어높이, 이송속도, 압출량에 대응하는 이진수 데이터를 입력받는 과정;신경망 모델링부에서 입력층, 은닉층 및 출력층의 3개 계층(Layer)으로 구성되며, 상기 입력층을 이용하여 입력 데이터로서 상기 3D 프린터 제조사 별 노즐온도, 레이어높이, 이송속도, 압출량을 수신하고, 상기 은닉층을 이용하여 상기 3D 프린터 제조사 별 노즐온도, 레이어높이, 이송속도, 압출량에 대한 가중치를 계산하고, 상기 가중치를 기반으로 출력값을 산출하고, 상기 출력층을 이용하여 상기 은닉층에서 상기 출력값을 외부로 출력하여 신경망을 학습하는 과정;모집단 생성부에서 특정 3D 프린터의 주요 파라미터로서 노즐온도, 레이어높이, 이송속도, 압출량 각각의 크기값에 대응하는 이진수 데이터를 설정하고, 상기 이진수 데이터 중 무작위(Random)로 선택된 데이터를 기반으로 무작위 염색체 데이터를 생성하는 과정;적합도점수 산출부에서 상기 무작위 염색체 데이터를 상기 신경망 모델링부로 대입하여 출력된 최적값을 기반으로 적합도 점수를 산출하는 과정;최적화 판단부에서 기 설정된 임계치와 상기 적합도 점수를 비교한 결과에 따라 상기 주요 파라미터의 최적화 여부를 판단하는 과정; 및유전연산부에서 상기 주요 파라미터의 최적화가 실패한 경우, 유전 알고리즘(Genetic Algorithm)을 기반으로 상기 무작위 염색체 데이터에 대해 유전연산을 수행하여 자식 염색체 데이터를 생성하고, 상기 자식 염색체 데이터를 상기 신경망 모델로 대입하는 과정을 포함하는 것을 특징으로 하는 파라미터 최적 방법
|
| 13 |
13
제 12 항에 있어서,상기 최적화 판단과정은상기 주요 파라미터의 최적화가 성공한 경우, 상기 최적화 판단부에서 상기 무작위 염색체 데이터 또는 상기 자식 염색체 데이터를 최적 데이터로 저장하는 최적데이터 저장과정을 더 포함하는 것을 특징으로 하는 파라미터 최적 방법
|
| 14 |
14
제 12 항에 있어서,상기 최적화 판단과정은,상기 최적화 판단부에서 사용자에 의해 기 설정된 종료조건을 기반으로 상기 최적화 여부를 판단하여 상기 무작위 염색체 데이터를 제어하는 것을 특징으로 하는 파라미터 최적 방법
|
