| 1 |
1
시계열 데이터로부터 이질적인 다수의 환자들 간의 전반적인 경향인 공유 특성을 획득하는 순환 신경망(Recurrent Neural Network, RNN); 및 상기 시계열 데이터로부터 각 환자에 대한 개별 특성을 모델링하는 가우시안 프로세스(Gaussian Processes, GP)를 포함하고, 상기 순환 신경망 및 상기 가우시안 프로세스의 멀티-태스크 학습을 위해 각 환자에 대한 시계열 데이터로 이루어진 함수를 공유 함수와 개별 함수의 합으로 분해하며, 상기 공유 함수는 상기 순환 신경망을 이용하여 공유 특성을 획득하도록 하여 상기 순환 신경망을 학습시키고, 상기 개별 함수는 상기 가우시안 프로세스를 이용하여 개별 특성을 모델링하도록 상기 가우시안 프로세스를 학습시키며, 학습된 상기 순환 신경망 및 상기 가우시안 프로세스를 통해 새로운 시계열 데이터의 입력 시 상기 공유 특성 및 상기 개별 특성을 획득하는 것을 특징으로 하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치
|
| 2 |
2
제1항에 있어서,상기 환자들로부터 얻은 상기 가우시안 프로세스의 음경계 로그-가능도(negative marginal log-likelihood)의 집합의 합을 최소화하는 최적화부를 더 포함하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치
|
| 3 |
3
삭제
|
| 4 |
4
제2항에 있어서, 상기 최적화부는, 상기 순환 신경망으로부터 획득한 상기 공유 특성과 상기 가우시안 프로세스로부터 획득한 상기 개별 특성을 이용하여 상기 음경계 로그-가능도(negative marginal log-likelihood)의 집합의 합을 최소화하는 것을 특징으로 하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치
|
| 5 |
5
제1항에 있어서, 상기 시계열 데이터는, 전자 건강 기록(Electronic Health Care, EHR)인 것을 특징으로 하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치
|
| 6 |
6
제1항에 있어서, 상기 순환 신경망을 통해 공유 특성을 획득하고, 상기 가우시안 프로세스를 통해 개별 특성을 반영하여, 상기 각 환자에 대해 단일한 가우시안 프로세스 모델을 구축하며, 상기 단일한 가우시안 프로세스 모델은 환자 별 특성에 개인화된 예측을 제공하는 것을 특징으로 하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치
|
| 7 |
7
순환 신경망(Recurrent Neural Network, RNN)을 사용하여 시계열 데이터로부터 이질적인 환자들 간의 전반적인 경향인 공유 특성을 획득하는 단계; 및 가우시안 프로세스(Gaussian Processes, GP)를 사용하여 상기 시계열 데이터로부터 각 환자에 대한 개별 특성을 모델링하는 단계를 포함하고, 상기 순환 신경망 및 상기 가우시안 프로세스의 멀티-태스크 학습을 위해 각 환자에 대한 시계열 데이터로 이루어진 함수를 공유 함수와 개별 함수의 합으로 분해하며, 상기 공유 함수는 상기 순환 신경망을 이용하여 공유 특성을 획득하도록 하여 상기 순환 신경망을 학습시키고, 상기 개별 함수는 상기 가우시안 프로세스를 이용하여 개별 특성을 모델링하도록 상기 가우시안 프로세스를 학습시키며, 학습된 상기 순환 신경망 및 상기 가우시안 프로세스를 통해 새로운 시계열 데이터의 입력 시 상기 공유 특성 및 상기 개별 특성을 획득하는 것을 특징으로 하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치의 동작 방법
|
| 8 |
8
제7항에 있어서,상기 환자들로부터 얻은 상기 가우시안 프로세스의 음경계 로그-가능도(negative marginal log-likelihood)의 집합의 합을 최소화하는 최적화 단계를 더 포함하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치의 동작 방법
|
| 9 |
9
삭제
|
| 10 |
10
제8항에 있어서, 상기 최적화 단계는, 상기 순환 신경망으로부터 획득한 상기 공유 특성과 상기 가우시안 프로세스로부터 획득한 상기 개별 특성을 이용하여 상기 음경계 로그-가능도(negative marginal log-likelihood)의 집합의 합을 최소화하는 것을 특징으로 하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치의 동작 방법
|
| 11 |
11
제7항에 있어서, 상기 시계열 데이터는, 전자 건강 기록(Electronic Health Care, EHR)인 것을 특징으로 하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치의 동작 방법
|
| 12 |
12
제7항에 있어서, 상기 순환 신경망을 통해 공유 특성을 획득하고, 상기 가우시안 프로세스를 통해 개별 특성을 반영하여, 상기 각 환자에 대해 단일한 가우시안 프로세스 모델을 구축하며, 상기 단일한 가우시안 프로세스 모델은 환자 별 특성에 개인화된 예측을 제공하는 것을 특징으로 하는, 순환 신경망과 가우시안 프로세스를 이용한 복합 모델 장치의 동작 방법
|
