| 1 |
1
가입자 광단말기 상태 측정 프로그램이 저장된 메모리; 및상기 프로그램을 실행시키는 프로세서를 포함하되, 상기 프로세서는 휴대용 계측기를 이용하여 송신한 측정광신호가 반사되어 수신되는 광신호의 세기를 바탕으로, 기계학습 수식을 이용하여 수동형 광가입자망의 가입자 광단말기 상태를 출력하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 2 |
2
제1항에 있어서, 상기 송신한 측정광신호는 복수의 레이저다이오드를 이용하여 출력되며, 상이한 파장의 광신호인 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 3 |
3
제1항에 있어서, 상기 프로세서는 상기 수신되는 광신호의 수신 세기에 대해, 학습된 데이터를 통해 획득된 가중치값 및 편향값을 이용하여 가입자 광단말기의 상태를 판단하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 4 |
4
제3항에 있어서, 상기 프로세서는 multiple variable softmax classification을 이용하여, 입력 데이터를 기반으로 출력에 대해 확률 기반 집단으로 정의하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 5 |
5
제1항에 있어서, 상기 프로세서는 평균값 보정을 취한 정규화된 데이터를 이용하여, 학습 및 검증을 수행하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 6 |
6
제1항에 있어서, 상기 프로세서는 상기 가입자 광단말기의 상태에 관한 정보와, 현장 정보를 모델링하여 전송하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 7 |
7
가입자 광단말기로 측정광 신호를 출력하는 레이저다이오드; 상기 가입자 광단말기로부터 반사된 신호를 수신하는 포토다이오드;수신된 신호의 세기를 이용하여 기계학습된 수식을 통해 상기 가입자 광단말기의 상태를 파악하는 MCU; 상기 가입자 광단말기의 상태에 대한 출력 결과를 표출하는 디스플레이부; 및상기 출력 결과를 서버로 전송하는 무선신호 송수신부를 포함하는 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 8 |
8
제7항에 있어서, 상기 레이저다이오드는 기설정된 간격을 두고 번갈아 가며 상이한 파장의 광신호를 전송하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 9 |
9
제7항에 있어서, 상기 포토다이오드에 입력된 서로 다른 파장의 전기신호를 디지털 신호 변환하는 ADC를 더 포함하는 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 10 |
10
제9항에 있어서, 상기 디지털 신호를 수신하여 광신호의 세기를 정의하는 FPGA를 더 포함하는 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 11 |
11
제7항에 있어서, 상기 MCU는 상기 수신되는 광신호의 수신 세기에 대해, 기학습된 데이터인 가중치값 및 편향값을 이용하여 상기 가입자 광단말기의 상태를 파악하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 12 |
12
제11항에 있어서, 상기 MCU는 multiple variable softmax classification을 이용하여, 입력 데이터를 기반으로 출력에 대해 확률 기반 집단으로 정의하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 13 |
13
제7항에 있어서, 상기 무선신호 송수신부는 상기 가입자 광단말기의 상태에 대한 출력 결과와 현장 정보를 포함하여 모델링된 데이터를 서버로 전송하는 것인 기계학습 기반 가입자 광단말기 상태 파악 장치
|
| 14 |
14
(a) 광신호를 가입자 광단말기로 전송하고, 반사된 신호를 수신하는 단계; (b) 상기 반사된 신호의 세기에 대해, 기계학습을 통해 학습된 수식을 이용하여 상기 가입자 광단말기의 상태를 정의하는 단계; 및(c) 상기 가입자 광단말기의 상태 정보를 출력하고, 서버로 전송하는 단계를 포함하는 기계학습 기반 가입자 광단말기 상태 파악 방법
|
| 15 |
15
제14항에 있어서, 상기 (a) 단계는 복수의 레이저다이오드를 이용하여, 기설정된 간격을 두고 상이한 파장의 광신호를 전송하고, 포토다이오드를 이용하여 반사된 신호를 수신하고 이를 디지털 신호로 변환하는 것인 기계학습 기반 가입자 광단말기 상태 파악 방법
|
| 16 |
16
제14항에 있어서, 상기 (b) 단계는 상기 반사된 신호의 세기에 대해, 기학습된 데이터인 가중치값 및 편향값을 이용하여 상기 가입자 광단말기의 상태를 파악하는 것인 기계학습 기반 가입자 광단말기 상태 파악 방법
|
| 17 |
17
제16항에 있어서, 상기 (b) 단계는 multiple variable softmax classification을 이용하여, 입력 데이터를 기반으로 출력에 대해 확률 기반 집단으로 정의하는 것인 기계학습 기반 가입자 광단말기 상태 파악 방법
|
| 18 |
18
제14항에 있어서, 상기 (c) 단계는 상기 가입자 광단말기의 상태 정보 및 현장 정보를 모델링하여, 상기 서버로 전송하는 것인 기계학습 기반 가입자 광단말기 상태 파악 방법
|
| 19 |
19
제14항에 있어서, (d) 상기 서버로부터 개선된 기계학습 알고리즘을 수신하는 단계를 더 포함하는 기계학습 기반 가입자 광단말기 상태 파악 방법
|
