| 1 |
1
제1 노드에 포함된 복수의 연산자(operator) 각각이 적어도 하나의 제1 채널 그룹에 포함된 복수의 채널 중 채널 단위로 복수의 제1 채널을 입력받는 단계;상기 제1 노드에 포함된 각각의 복수의 연산자가 상기 입력된 복수의 제1 채널 각각에 대응되는 각각의 제1 파라미터와 상기 입력된 제1 채널을 연산하여 상기 각각의 제1 파라미터의 가중치에 대응하는 각각의 제1 파라미터 가중치 인덱스를 도출하는 단계;상기 복수의 제1 채널 중 적어도 하나의 제1 채널과 타 채널을 조합하여 적어도 하나의 제2 채널 그룹을 생성하여 출력하는 단계;제2 노드에 포함된 복수의 연산자 각각이 상기 생성된 적어도 하나의 제2 채널 그룹에 포함된 복수의 채널 중 채널 단위로 복수의 제2 채널을 입력받는 단계; 및상기 제2 노드에 포함된 각각의 복수의 연산자가 상기 입력된 복수의 제2 채널 각각에 대응되는 각각의 제2 파라미터와 상기 입력된 제2 채널을 연산하여 상기 각각의 제2 파라미터의 가중치에 대응하는 각각의 제2 파라미터 가중치 인덱스를 도출하는 단계;를 포함하는 인공지능 시스템의 학습 모델 검색 방법
|
| 2 |
2
제1항에 있어서,상기 제1 파라미터 및 상기 제2 파라미터 각각은,복수의 가중치를 포함하고,상기 제1 파라미터 가중치 인덱스를 도출하는 단계는,각각의 제1 파라미터에 대한 상기 복수의 가중치의 절대값을 합산하고, 상기 각각의 제1 파라미터의 합산된 절대값에 기초하여 상기 제1 파라미터 가중치 인덱스를 도출하고,상기 제2 파라미터 가중치 인덱스를 도출하는 단계는,각각의 제2 파라미터에 대한 상기 복수의 가중치의 절대값을 합산하고, 상기 각각의 제2 파라미터의 합산된 절대값에 기초하여 상기 제2 파라미터 가중치 인덱스를 도출하는, 인공지능 시스템의 학습 모델 검색 방법
|
| 3 |
3
제1항에 있어서,상기 복수의 제1 파라미터 중 상기 제1 파라미터 가중치 인덱스가 가장 높은 제1 파라미터를 제1 아키텍처 파라미터로 식별하고, 상기 복수의 제2 파라미터 중 상기 제2 파라미터 가중치 인덱스가 가장 높은 제2 파라미터를 제2 아키텍처 파라미터로 식별하는 단계;를 더 포함하는 인공지능 시스템의 학습 모델 검색 방법
|
| 4 |
4
제3항에 있어서,상기 복수의 제1 파라미터 중 상기 식별된 제1 아키텍처 파라미터 외의 제1 파라미터를 제거하고, 상기 복수의 제2 파라미터 중 상기 식별된 제2 아키텍처 파라미터 외의 제2 파라미터를 제거하는 단계;를 더 포함하는 인공지능 시스템의 학습 모델 검색 방법
|
| 5 |
5
제4항에 있어서,상기 제1 채널 그룹에 포함된 복수의 채널 중 상기 식별된 제1 아키텍처 파라미터에 대응되는 제1 채널만을 입력받는 단계;상기 제1 아키텍처 파라미터에 대응되는 제1 채널과 상기 제1 아키텍처 파라미터를 연산하여 상기 제1 아키텍처 파라미터의 가중치의 오차를 수정하는 단계;상기 제1 아키텍처 파라미터에 대응되는 제1 채널과 타 채널을 조합하여 하나의 제2 채널 그룹을 생성하여 출력하는 단계;상기 제2 채널 그룹에 포함된 복수의 채널 중 상기 식별된 제2 아키텍처 파라미터에 대응되는 제2 채널만을 입력받는 단계; 및상기 제2 아키텍처 파라미터에 대응되는 제2 채널과 상기 제2 아키텍처 파라미터를 연산하여 상기 제2 아키텍처 파라미터의 가중치의 오차를 수정하는 단계;를 더 포함하는 인공지능 시스템의 학습 모델 검색 방법
|
| 6 |
6
제1항에 있어서,상기 채널 단위로 복수의 제1 채널을 입력받는 단계는,상기 복수의 연산자 중 제1 연산자가 상기 적어도 하나의 제1 채널 그룹의 채널 각각으로부터 상기 제1 연산자에 포함된 상기 제1 파라미터의 개수에 대응되는 개수의 채널을 입력받는, 인공지능 시스템의 학습 모델 검색 방법
|
| 7 |
7
제1항에 있어서,상기 타 채널은,상기 제1 노드에서 연산에 사용된 제1 채널 및 상기 제1 노드의 이전 노드에서 연산되지 않은 채널 중 적어도 하나의 채널을 포함하는, 인공지능 시스템의 학습 모델 검색 방법
|
| 8 |
8
제1항에 있어서,상기 제1 파라미터는,입력되는 채널의 개수에 대응되는 열 및 출력되는 채널의 개수에 대응되는 행의 커널을 포함하는, 인공지능 시스템의 학습 모델 검색 방법
|
| 9 |
9
복수의 채널을 포함하는 적어도 하나의 제1 채널 그룹을 입력받는 입력 인터페이스; 및복수의 셀을 포함하는 프로세서;를 포함하고,상기 복수의 셀 각각은 복수의 노드를 포함하며,상기 프로세서는,제1 노드에 포함된 복수의 연산자(operator) 각각이 적어도 하나의 제1 채널 그룹에 포함된 복수의 채널 중 채널 단위로 복수의 제1 채널을 입력받고, 상기 제1 노드에 포함된 각각의 복수의 연산자가 상기 입력된 복수의 제1 채널 각각에 대응되는 각각의 제1 파라미터와 상기 입력된 제1 채널을 연산하여 상기 각각의 제1 파라미터의 가중치에 대응하는 각각의 제1 파라미터 가중치 인덱스를 도출하며, 상기 복수의 제1 채널 중 적어도 하나의 제1 채널과 타 채널을 조합하여 적어도 하나의 제2 채널 그룹을 생성하여 출력하고, 제2 노드에 포함된 복수의 연산자 각각이 상기 생성된 적어도 하나의 제2 채널 그룹에 포함된 적어도 하나의 복수의 채널 중 채널 단위로 복수의 제2 채널을 입력받으며, 상기 제2 노드에 포함된 각각의 복수의 연산자가 상기 입력된 복수의 제2 채널 각각에 대응되는 각각의 제2 파라미터와 상기 입력된 제2 채널을 연산하여 상기 각각의 제2 파라미터의 가중치에 대응하는 각각의 제2 파라미터 가중치 인덱스를 도출하는, 인공지능 시스템
|
| 10 |
10
제9항에 있어서,상기 프로세서는,상기 복수의 제1 파라미터 중 상기 제1 파라미터 가중치 인덱스가 가장 높은 제1 파라미터를 제1 아키텍처 파라미터로 식별하고, 상기 복수의 제2 파라미터 중 상기 제2 파라미터 가중치 인덱스가 가장 높은 제2 파라미터를 제2 아키텍처 파라미터로 식별하는, 인공지능 시스템
|
| 11 |
11
제10항에 있어서,상기 프로세서는,상기 복수의 제1 파라미터 중 상기 식별된 제1 아키텍처 파라미터 외의 제1 파라미터를 제거하고, 상기 복수의 제2 파라미터 중 상기 식별된 제2 아키텍처 파라미터 외의 제2 파라미터를 제거하는, 인공지능 시스템
|
| 12 |
12
제11항에 있어서,상기 프로세서는,상기 제1 채널 그룹에 포함된 복수의 채널 중 상기 식별된 제1 아키텍처 파라미터에 대응되는 제1 채널만을 입력받고, 상기 제1 아키텍처 파라미터에 대응되는 제1 채널과 상기 제1 아키텍처 파라미터를 연산하여 상기 제1 아키텍처 파라미터의 가중치의 오차를 수정하며, 상기 제1 아키텍처 파라미터에 대응되는 제1 채널과 타 채널을 조합하여 하나의 제2 채널 그룹을 생성하여 출력하고, 상기 제2 채널 그룹에 포함된 복수의 채널 중 상기 식별된 제2 아키텍처 파라미터에 대응되는 제2 채널만을 입력받으며, 상기 제2 아키텍처 파라미터에 대응되는 제2 채널과 상기 제2 아키텍처 파라미터를 연산하여 상기 제2 아키텍처 파라미터의 가중치의 오차를 수정하는, 인공지능 시스템
|
| 13 |
13
제9항에 있어서,상기 프로세서의 복수의 연산자 중 제1 연산자는,상기 적어도 하나의 제1 채널 그룹의 채널 각각으로부터 상기 제1 연산자에 포함된 상기 제1 파라미터의 개수에 대응되는 개수의 채널을 입력받는, 인공지능 시스템
|
| 14 |
14
제9항에 있어서,상기 타 채널은,상기 제1 노드에서 연산에 사용된 제1 채널 및 상기 제1 노드의 이전 노드에서 연산되지 않은 채널 중 적어도 하나의 채널을 포함하는, 인공지능 시스템
|
| 15 |
15
제9항에 있어서,상기 제1 파라미터는,입력되는 채널의 개수에 대응되는 열 및 출력되는 채널의 개수에 대응되는 행의 커널을 포함하는, 인공지능 시스템
|
