1 |
1
복수의 기계학습 예측 모델로부터 예측값을 수신하는 입력부; 상기 예측값을 이용하여 예측 모델의 재학습 필요 시기를 판단하는 프로그램이 저장된 메모리; 및 상기 프로그램을 실행시키는 프로세서를 포함하되, 상기 프로세서는 상기 예측값을 이용하여 산출한 오차와 임계값을 비교하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 장치
|
2 |
2
제1항에 있어서, 상기 프로세서는 상기 복수의 기계학습 예측 모델로부터 각각 수신한 예측값의 차이와 임계값을 비교하여, 상기 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 장치
|
3 |
3
제2항에 있어서, 상기 입력부는 실제 결과를 수신하고, 상기 프로세서는 상기 실제결과와 상기 복수의 기계학습 예측 모델로부터 수신한 예측값의 차이를 고려하여 상기 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 장치
|
4 |
4
제1항에 있어서, 상기 프로세서는 기존 학습 데이터로부터 획득된 상기 복수의 기계학습 예측 모델들 간의 예측값의 차이의 합을 이용하여 상기 임계값을 결정하는 것인 기계학습 기반 예측 모델 재학습 장치
|
5 |
5
제1항에 있어서, 상기 프로세서는 상기 복수의 기계학습 예측 모델들 간의 예측값의 차이의 합을 산출하고, 산출된 결과의 분포를 이용하여 재학습 여부 판단의 기준이 되는 임계값을 결정하는 것인 기계학습 기반 예측 모델 재학습 장치
|
6 |
6
제1항에 있어서, 상기 프로세서는 상기 복수의 기계학습 예측 모델들 간의 예측값의 차이의 평균 및 표준편차를 이용하여 상기 임계값을 결정하는 것인 기계학습 기반 예측 모델 재학습 장치
|
7 |
7
제1항에 있어서, 상기 프로세서는 상기 복수의 기계학습 예측 모델들 간의 예측값의 차이의 합의 시계열 변화를 고려하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 장치
|
8 |
8
제1항에 있어서, 상기 프로세서는 기존 학습 데이터의 일부를 삭제하고, 새로운 운용 데이터 셋을 추가하여 재학습용 데이터 셋을 구성하는 것인 기계학습 기반 예측 모델 재학습 장치
|
9 |
9
동일한 입력데이터를 수신하여 각각의 예측값을 출력하는 복수의 예측 진단 모델; 상기 예측값을 수신하여 모델 재학습 필요 여부를 판단하는 모델 재학습 판단부; 및모델 재학습 필요 여부에 따라 상기 예측 진단 모델을 갱신하는 모델 재학습부를 포함하는 기계학습 기반 예측 모델 재학습 시스템
|
10 |
10
제9항에 있어서, 상기 모델 재학습 판단부는 상기 각각의 예측값의 오차와 임계값을 비교하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 시스템
|
11 |
11
제10항에 있어서, 상기 모델 재학습 판단부는 실제결과를 수신하고, 상기 실제결과와 상기 각각의 예측값의 차이를 고려하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 시스템
|
12 |
12
제9항에 있어서, 상기 모델 재학습 판단부는 상기 각각의 예측값의 차이의 합을 산출하고, 산출된 결과, 산출된 결과의 분포 및 산출된 결과의 시계열 추이 중 적어도 어느 하나를 고려하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 시스템
|
13 |
13
제9항에 있어서, 상기 모델 재학습 판단부는 상기 각각의 예측값의 차이의 평균 및 표준편차를 이용하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 시스템
|
14 |
14
제9항에 있어서, 상기 모델 재학습부는 기존 학습 데이터의 일부를 삭제하고, 새로운 운용 데이터 셋을 추가하여 재학습용 데이터 셋을 구성하는 것인 기계학습 기반 예측 모델 재학습 시스템
|
15 |
15
(a) 복수의 기계학습 예측 모델로부터 예측값을 수신하는 단계;(b) 상기 예측값을 수신하여 모델 재학습 필요 여부를 판단하는 단계; 및(c) 상기 (b) 단계에서의 판단 결과에 따라 모델 재학습을 수행하는 단계를 포함하는 기계학습 기반 예측 모델 재학습 방법
|
16 |
16
제15항에 있어서, 상기 (b) 단계는 상기 예측값의 차이와 임계값을 비교하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 방법
|
17 |
17
제16항에 있어서, 상기 (a) 단계는 실제결과를 더 수신하고, 상기 실제결과와 상기 예측값의 차이를 이용하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 방법
|
18 |
18
제15항에 있어서, 상기 (b) 단계는 상기 예측값의 차이의 합을 산출하여, 산출 결과, 산출 결과의 분포 및 시계열 추이 중 적어도 어느 하나를 이용하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 방법
|
19 |
19
제15항에 있어서, 상기 (b) 단계는 상기 예측값의 차이의 평균 및 표준 편차를 이용하여 상기 복수의 기계학습 예측 모델 간의 마할로노비스 거리의 합을 산출하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 방법
|
20 |
20
제19항에 있어서, 상기 (b) 단계는 상기 마할로노비스 거리의 합의 시계열 추이를 고려하여 모델 재학습 필요 여부를 판단하는 것인 기계학습 기반 예측 모델 재학습 방법
|