1 |
1
컴퓨팅 장치에 의해 수행되는 방법에 있어서,인공지능 신경망을 이용하여 지도 학습 모델을 생성하는 단계;미리 설정된 제1 시나리오에 따라 군집하여 이동하는 복수의 제1 이동체로부터 복수의 제1 이동 데이터를 수집하는 단계;상기 미리 설정된 제1 시나리오에 따른 상기 복수의 제1 이동체 각각의 제1 기준 위치 데이터를 생성하는 단계;상기 복수의 제1 이동 데이터 및 상기 제1 기준 위치 데이터에 기초하여 상기 복수의 제1 이동체에 각각 대응하는 복수의 트레이닝 데이터를 생성하는 단계;상기 복수의 트레이닝 데이터에 대하여 주성분 분석(PCA, Principal component analysis)을 수행하여, 상기 복수의 트레이닝 데이터의 차원을 축소하여 복수의 차원 축소 데이터를 생성하는 단계;상기 복수의 차원 축소 데이터에 대하여 머신러닝에 기반한 비지도 클러스터링 방법을 수행하여, 상기 차원 축소 데이터를 k개의 그룹으로 그룹핑하는 단계;상기 복수의 차원 축소 데이터를 상기 k개의 그룹으로 그룹핑한 결과에 기초하여, 상기 복수의 차원 축소 데이터 각각에 대응하는 상기 복수의 트레이닝 데이터 각각의 데이터 값들이 상기 k개의 그룹으로 분류되는 분배 비율을 산정하는 단계;상기 복수의 트레이닝 데이터 각각의 상기 분배 비율에 기초하여, 상기 복수의 트레이닝 데이터 각각에 대응하는 상기 복수의 제1 이동체 각각의 이상 유무를 결정하는 단계;상기 복수의 제1 이동체 각각의 이상 유무에 따라 상기 복수의 트레이닝 데이터 각각에 이상 정보를 라벨링하는 단계;상기 이상 정보가 라벨링된 상기 복수의 트레이닝 데이터를 이용하여 상기 지도 학습 모델을 트레이닝하는 단계;미리 설정된 제2 시나리오에 따라 군집하여 이동하는 복수의 제2 이동체로부터 복수의 제2 이동 데이터를 실시간으로 수신하는 단계;상기 미리 설정된 제2 시나리오에 따른 상기 복수의 제2 이동체 각각의 제2 기준 위치 데이터를 생성하는 단계;상기 복수의 제2 이동 데이터 및 상기 제2 기준 위치 데이터에 기초하여 상기 복수의 제2 이동체에 각각 대응하는 복수의 입력 데이터를 생성하는 단계; 및상기 복수의 입력 데이터를 상기 지도 학습 모델에 입력하여, 상기 복수의 제2 이동체 각각의 이상 여부를 실시간으로 추정하는 단계를 포함하고,상기 복수의 제2 이동 데이터는 상기 복수의 제2 이동체 각각의 위치를 측정한 측위 데이터를 포함하고,상기 복수의 입력 데이터는 상기 측위 데이터와 상기 제2 기준 위치 데이터 간의 차이를 나타내는 편차 데이터를 포함하는 군집 시스템의 이상 탐지 방법
|
2 |
2
제1 항에 있어서,상기 복수의 제2 이동체는 상기 미리 설정된 시나리오에 따라 군집 비행하는 무인 비행체들인 것을 특징으로 하는 군집 시스템의 이상 탐지 방법
|
3 |
3
삭제
|
4 |
4
제1 항에 있어서,상기 복수의 제2 이동 데이터와 상기 복수의 입력 데이터는 상기 복수의 제2 이동체 각각의 속도를 측정한 속도 데이터를 더 포함하는 것을 특징으로 하는 군집 시스템의 이상 탐지 방법
|
5 |
5
제1 항에 있어서,상기 복수의 제2 이동 데이터 및 상기 제2 기준 위치 데이터는 생성 시간이 타임스탬핑되고,미리 설정된 시간 동안 수신되는 상기 복수의 입력 데이터가 상기 지도 학습 모델에 입력되는 것을 특징으로 하는 군집 시스템의 이상 탐지 방법
|
6 |
6
삭제
|
7 |
7
삭제
|
8 |
8
삭제
|
9 |
9
제1 항에 있어서,상기 복수의 차원 축소 데이터는 상기 주성분 분석에 의해 상기 복수의 트레이닝 데이터가 6차원에서 2차원으로 축소된 데이터인 것을 특징으로 하는 군집 시스템의 이상 탐지 방법
|
10 |
10
삭제
|
11 |
11
삭제
|
12 |
12
컴퓨팅 장치를 이용하여 제1 항, 제2 항, 제4 항, 제5 항 및 제9 항 중 어느 한 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
13 |
13
인공지능 신경망을 이용하여 생성된 지도 학습 모델, 미리 설정된 제1 시나리오에 따라 군집하여 이동하는 복수의 제1 이동체로부터 수집된 복수의 제1 이동 데이터, 상기 미리 설정된 제1 시나리오에 따라 생성된 상기 복수의 제1 이동체 각각의 제1 기준 위치 데이터, 미리 설정된 제2 시나리오에 따라 군집하여 이동하는 복수의 제2 이동체로부터 실시간으로 수신되는 복수의 제2 이동 데이터, 및 상기 미리 설정된 제2 시나리오에 따라 결정되는 상기 복수의 제2 이동체 각각의 제2 기준 위치 데이터를 저장하는 메모리;상기 복수의 제1 이동 데이터 및 상기 제1 기준 위치 데이터에 기초하여 상기 복수의 제1 이동체에 각각 대응하는 복수의 트레이닝 데이터를 생성하고, 상기 복수의 트레이닝 데이터에 이상 정보를 라벨링하고, 상기 이상 정보가 라벨링된 상기 복수의 트레이닝 데이터를 이용하여 상기 지도 학습 모델을 트레이닝하도록 구성되는 적어도 하나의 제1 프로세서; 및상기 복수의 제2 이동 데이터 및 상기 제2 기준 위치 데이터에 기초하여 상기 복수의 제2 이동체에 각각 대응하는 복수의 입력 데이터를 생성하고, 상기 복수의 입력 데이터를 상기 트레이닝된 지도 학습 모델에 입력하여, 상기 복수의 제2 이동체 각각의 이상 여부를 실시간으로 추정하도록 구성되는 적어도 하나의 제2 프로세서를 포함하고,상기 적어도 하나의 제1 프로세서는 상기 복수의 트레이닝 데이터에 대하여 주성분 분석(PCA, Principal component analysis)을 수행하여, 상기 복수의 트레이닝 데이터의 차원을 축소하여 복수의 차원 축소 데이터를 생성하고, 상기 복수의 차원 축소 데이터에 대하여 머신러닝에 기반한 비지도 클러스터링 방법을 수행하여, 상기 차원 축소 데이터를 k개의 그룹으로 그룹핑하고, 상기 복수의 차원 축소 데이터를 상기 k개의 그룹으로 그룹핑한 결과에 기초하여, 상기 복수의 차원 축소 데이터 각각에 대응하는 상기 복수의 트레이닝 데이터 각각의 데이터 값들이 상기 k개의 그룹으로 분류되는 분배 비율을 산정하고, 상기 복수의 트레이닝 데이터 각각의 상기 분배 비율에 기초하여, 상기 복수의 트레이닝 데이터 각각에 대응하는 상기 복수의 제1 이동체 각각의 이상 유무를 결정하고, 상기 복수의 제1 이동체 각각의 이상 유무에 따라 상기 복수의 트레이닝 데이터 각각에 이상 정보를 라벨링하도록 구성되고,상기 복수의 제2 이동 데이터는 상기 복수의 제2 이동체 각각의 위치를 측정한 측위 데이터, 및 상기 복수의 제2 이동체 각각의 속도를 측정한 속도 데이터를 포함하고,상기 복수의 입력 데이터는 상기 측위 데이터와 상기 기준 위치 데이터 간의 차이를 나타내는 편차 데이터, 및 상기 속도 데이터를 포함하는 것을 특징으로 하는 군집 시스템의 이상 탐지 장치
|
14 |
14
제13 항에 있어서,상기 복수의 제2 이동체는 상기 미리 설정된 제2 시나리오에 따라 군집 비행하는 무인 비행체들인 것을 특징으로 하는 군집 시스템의 이상 탐지 장치
|
15 |
15
삭제
|
16 |
16
삭제
|
17 |
17
삭제
|
18 |
18
삭제
|
19 |
19
제13 항에 있어서,상기 복수의 차원 축소 데이터는 상기 주성분 분석에 의해 상기 복수의 트레이닝 데이터가 6차원에서 2차원으로 축소된 데이터인 것을 특징으로 하는 군집 시스템의 이상 탐지 장치
|
20 |
20
삭제
|