1 |
1
상해 등급 예측 장치에 있어서,외부 장치와 통신하도록 구성된 통신 회로;유전 알고리즘 및 기계 학습 모델을 저장하는 메모리; 및상기 통신 회로 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고,상기 프로세서는,교통 사고와 연관된 데이터를 획득하고,상기 유전 알고리즘을 이용하여 상기 기계 학습 모델의 학습을 위해 상기 획득된 데이터의 일부를 포함하는 입력 데이터의 조합을 선택하고,상기 입력 데이터의 조합을 상기 기계 학습 모델로 제공하고,상기 기계 학습 모델의 상기 학습이 완료되면, 상기 학습된 기계 학습 모델을 이용하여 상해 등급을 예측하는 것을 특징으로 하는, 장치
|
2 |
2
제 1 항에 있어서,상기 프로세서는,상기 통신 회로를 이용하여, NASS(national automotive sampling system)/CDS(crashworthiness data system) 데이터베이스로부터 상기 교통 사고와 연관된 상기 데이터를 획득하는 것을 특징으로 하는, 장치
|
3 |
3
제 1 항에 있어서,상기 프로세서는,적합도 함수를 이용하여 상기 기계 학습 모델에 대한 상기 입력 데이터의 조합의 적합도를 판단하는 것을 특징으로 하는, 장치
|
4 |
4
제 3 항에 있어서,상기 프로세서는,상기 적합도가 지정된 조건을 만족할 때까지 상기 입력 데이터의 조합의 선택 및 제공을 반복하는 것을 특징으로 하는, 장치
|
5 |
5
제 1 항에 있어서,상기 입력 데이터의 조합은 상기 획득된 데이터 중 사용할 데이터를 나타내는 데이터 및 상기 기계 학습 모델의 구조를 나타내는 데이터를 포함하는 것을 특징으로 하는, 장치
|
6 |
6
제 1 항에 있어서,상기 프로세서는,상기 유전 알고리즘을 이용하여 상기 획득된 데이터 중 상기 상해 등급에 영향을 미치는 데이터를 확인하는 것을 특징으로 하는, 장치
|
7 |
7
제 1 항에 있어서,상기 프로세서는,상기 유전 알고리즘을 이용하여 상기 획득된 데이터 중 상기 기계 학습 모델에서 사용할 데이터를 판단하는 것을 특징으로 하는, 장치
|
8 |
8
제 1 항에 있어서,상기 프로세서는,상기 유전 알고리즘을 이용하여 상기 기계 학습 모델의 구조를 결정하는 것을 특징으로 하는, 장치
|
9 |
9
제 1 항에 있어서,상기 기계 학습 모델은 의사 결정 트리, 랜덤 포레스트, SVM(support vector machine) 또는 MLP(multilayer perceptron)를 포함하는 것을 특징으로 하는, 장치
|
10 |
10
제 1 항에 있어서,상기 기계 학습 모델은 상기 상해 등급의 분류 기준을 학습하는 것을 특징으로 하는, 장치
|
11 |
11
제 1 항에 있어서,상기 프로세서는,시험 데이터가 획득되면, 상기 시험 데이터를 상기 학습된 기계 학습 모델로 입력함으로써 상기 상해 등급을 예측하는 것을 특징으로 하는, 장치
|
12 |
12
상해 등급 예측 방법에 있어서,교통 사고와 연관된 데이터를 획득하는 단계;유전 알고리즘을 이용하여 기계 학습 모델의 학습을 위해 상기 획득된 데이터의 일부를 포함하는 입력 데이터를 선택하는 단계;상기 입력 데이터를 상기 기계 학습 모델로 제공하는 단계; 및상기 기계 학습 모델의 상기 학습이 완료되면, 상기 학습된 기계 학습 모델을 이용하여 상해 등급을 예측하는 단계를 포함하는 것을 특징으로 하는, 방법
|