1 |
1
수도 관망 내에 분산 설치되어 있는 n개(n은 3이상의 자연수) 누수 감지 센서들을 활용하여 상기 수도 관망 내에서의 누수 심각도 여부를 모니터링하는 인공지능 기반의 누수 모니터링 장치에 있어서,사전 설정된 N(N는 3이상의 자연수)개의 누수 심각도 등급들 각각에 대한 미리 정해진 서로 다른 N차원의 원-핫(one-hot) 벡터가 저장되어 있는 원-핫 벡터 저장부;상기 수도 관망에 대한 누수 심각도 등급을 판단하는 판단 모델을 생성하기 위한 입력 정보인 것으로 미리 정해진 M(M는 2이상의 자연수)개의 입력 정보 세트들 - 상기 M개의 입력 정보 세트들 각각은, 상기 n개의 누수 감지 센서들로부터 사전 설정된 단위 시간 간격으로 k(k는 3이상의 자연수)개의 센싱 값들을 연쇄적으로 획득함으로써 구성된 n x k개의 센싱 값들이 하나의 세트로 이루어진 정보를 의미함 - 과 상기 M개의 입력 정보 세트들 각각에 대응되는 것으로 사전 지정된 누수 심각도 등급이 매칭되어 있는 M개의 트레이닝 세트들이 저장되어 있는 트레이닝 세트 저장부;상기 M개의 입력 정보 세트들 각각에 포함되어 있는 n x k개의 센싱 값들을 성분으로 갖는 n x k 크기의 행렬을 구성함으로써, 상기 M개의 입력 정보 세트들 각각에 대응되는 입력 행렬을 생성하는 입력 행렬 생성부;상기 M개의 입력 정보 세트들 각각에 대응되는 입력 행렬이 생성되면, 상기 원-핫 벡터 저장부를 참조하여, 상기 M개의 입력 정보 세트들 각각에 매칭되어 있는 누수 심각도 등급에 대한 원-핫 벡터를 확인함으로써, 상기 M개의 입력 정보 세트들 각각에 대응되는 원-핫 벡터를 확인하는 원-핫 벡터 확인부;상기 M개의 입력 정보 세트들 각각에 대응되는 입력 행렬을 입력 피처맵(feature map)으로 지정하여 합성곱 신경망 - 상기 합성곱 신경망은 출력이 N차원의 벡터가 산출되도록 사전 구성되어 있음 - 에 입력으로 인가함으로써, 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 출력 벡터를 생성하는 출력 벡터 생성부;상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 출력 벡터가 생성되면, 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 출력 벡터를 미리 정해진 활성화 함수(activation function) - 상기 활성화 함수는 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 출력 벡터를 구성하는 성분들을 각각 0이상 1이하의 값으로 변환하는 함수임 - 에 입력으로 인가함으로써, 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 연산 벡터를 생성하는 연산 벡터 생성부;상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 연산 벡터가 생성되면, 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 연산 벡터가 상기 M개의 입력 정보 세트들 각각에 대응되는 원-핫 벡터에 최대로 근접하도록 상기 합성곱 신경망에 대한 기계학습을 수행함으로써, 상기 수도 관망에 대한 누수 심각도 등급을 판단하는 상기 판단 모델을 생성하는 모델 생성부;상기 판단 모델의 생성이 완료된 이후, 관리자로부터 현재 시점에서의 상기 수도 관망에 대한 누수 심각도 등급의 판단 명령이 인가되면, 현재 시점을 시작으로 하여 상기 단위 시간 간격으로, 상기 n개의 누수 감지 센서들로부터 상기 n개의 누수 감지 센서들 각각이 측정한 k개의 센싱 값들을 연쇄적으로 수신함으로써, n x k개의 현재 센싱 값들을 획득하는 센싱 값 수신부;상기 n x k개의 현재 센싱 값들을 성분으로 갖는 n x k 크기의 판단용 입력 행렬을 생성하는 판단용 입력 행렬 생성부;상기 판단용 입력 행렬이 생성되면, 상기 판단용 입력 행렬을 상기 판단 모델의 기계학습이 완료된 상기 합성곱 신경망에 입력으로 인가함으로써, 상기 판단용 입력 행렬에 대응되는 N차원의 판단용 출력 벡터를 생성하는 판단용 출력 벡터 생성부;상기 N차원의 판단용 출력 벡터가 생성되면, 상기 N차원의 판단용 출력 벡터를 상기 활성화 함수에 입력으로 인가함으로써, 상기 N차원의 판단용 출력 벡터에 대응되는 N차원의 판단용 연산 벡터를 생성하는 판단용 연산 벡터 생성부;상기 N차원의 판단용 연산 벡터가 생성되면, 상기 N차원의 판단용 연산 벡터와 상기 N개의 누수 심각도 등급들 각각에 대한 원-핫 벡터 간의 유사도를 연산하는 유사도 연산부; 상기 N개의 누수 심각도 등급들 각각에 대한 원-핫 벡터 중 상기 N차원의 판단용 연산 벡터와의 유사도가 최대로 연산된 제1 원-핫 벡터를 확인하고, 상기 원-핫 벡터 저장부로부터 상기 제1 원-핫 벡터에 대응되는 누수 심각도 등급인 제1 누수 심각도 등급을 확인함으로써, 상기 수도 관망에 대한 누수 심각도 등급을 상기 제1 누수 심각도 등급으로 판단하는 판단부; 및상기 수도 관망에 대한 누수 심각도 등급이 상기 제1 누수 심각도 등급인 것으로 판단되면, 상기 제1 누수 심각도 등급에 대한 정보를 화면 상에 표시하는 표시부를 포함하는 인공지능 기반의 누수 모니터링 장치
|
2 |
2
제1항에 있어서,상기 활성화 함수는 하기의 수학식 1과 같은 소프트맥스(Softmax) 함수인 것을 특징으로 하는 인공지능 기반의 누수 모니터링 장치
|
3 |
3
제2항에 있어서,상기 모델 생성부는상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 연산 벡터를 구성하는 성분들과 상기 M개의 입력 정보 세트들 각각에 대응되는 원-핫 벡터를 구성하는 성분들을 기초로, 하기의 수학식 2에 따른 손실 함수(loss function)를 기반으로 한 손실 값을 연산함으로써, 상기 M개의 입력 정보 세트들 각각에 대한 손실 값을 산출하고, 상기 M개의 입력 정보 세트들 각각에 대한 손실 값의 평균 값이 최소가 되도록 상기 합성곱 신경망에 대한 기계학습을 수행하는 인공지능 기반의 누수 모니터링 장치
|
4 |
4
삭제
|
5 |
5
제1항에 있어서,상기 유사도 연산부는상기 N차원의 판단용 연산 벡터와 상기 N개의 누수 심각도 등급들 각각에 대한 원-핫 벡터 간의 아다마르 곱(Hadamard product)을 연산하였을 때 산출되는 벡터의 맨해튼 노름(Manhattan norm)을 상기 N차원의 판단용 연산 벡터와 상기 N개의 누수 심각도 등급들 각각에 대한 원-핫 벡터 간의 유사도로 연산하는 인공지능 기반의 누수 모니터링 장치
|
6 |
6
수도 관망 내에 분산 설치되어 있는 n개(n은 3이상의 자연수) 누수 감지 센서들을 활용하여 상기 수도 관망 내에서의 누수 심각도 여부를 모니터링하는 인공지능 기반의 누수 모니터링 장치의 동작 방법에 있어서,사전 설정된 N(N는 3이상의 자연수)개의 누수 심각도 등급들 각각에 대한 미리 정해진 서로 다른 N차원의 원-핫(one-hot) 벡터가 저장되어 있는 원-핫 벡터 저장부를 유지하는 단계;상기 수도 관망에 대한 누수 심각도 등급을 판단하는 판단 모델을 생성하기 위한 입력 정보인 것으로 미리 정해진 M(M는 2이상의 자연수)개의 입력 정보 세트들 - 상기 M개의 입력 정보 세트들 각각은, 상기 n개의 누수 감지 센서들로부터 사전 설정된 단위 시간 간격으로 k(k는 3이상의 자연수)개의 센싱 값들을 연쇄적으로 획득함으로써 구성된 n x k개의 센싱 값들이 하나의 세트로 이루어진 정보를 의미함 - 과 상기 M개의 입력 정보 세트들 각각에 대응되는 것으로 사전 지정된 누수 심각도 등급이 매칭되어 있는 M개의 트레이닝 세트들이 저장되어 있는 트레이닝 세트 저장부를 유지하는 단계;상기 M개의 입력 정보 세트들 각각에 포함되어 있는 n x k개의 센싱 값들을 성분으로 갖는 n x k 크기의 행렬을 구성함으로써, 상기 M개의 입력 정보 세트들 각각에 대응되는 입력 행렬을 생성하는 단계;상기 M개의 입력 정보 세트들 각각에 대응되는 입력 행렬이 생성되면, 상기 원-핫 벡터 저장부를 참조하여, 상기 M개의 입력 정보 세트들 각각에 매칭되어 있는 누수 심각도 등급에 대한 원-핫 벡터를 확인함으로써, 상기 M개의 입력 정보 세트들 각각에 대응되는 원-핫 벡터를 확인하는 단계;상기 M개의 입력 정보 세트들 각각에 대응되는 입력 행렬을 입력 피처맵(feature map)으로 지정하여 합성곱 신경망 - 상기 합성곱 신경망은 출력이 N차원의 벡터가 산출되도록 사전 구성되어 있음 - 에 입력으로 인가함으로써, 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 출력 벡터를 생성하는 단계;상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 출력 벡터가 생성되면, 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 출력 벡터를 미리 정해진 활성화 함수(activation function) - 상기 활성화 함수는 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 출력 벡터를 구성하는 성분들을 각각 0이상 1이하의 값으로 변환하는 함수임 - 에 입력으로 인가함으로써, 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 연산 벡터를 생성하는 단계;상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 연산 벡터가 생성되면, 상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 연산 벡터가 상기 M개의 입력 정보 세트들 각각에 대응되는 원-핫 벡터에 최대로 근접하도록 상기 합성곱 신경망에 대한 기계학습을 수행함으로써, 상기 수도 관망에 대한 누수 심각도 등급을 판단하는 상기 판단 모델을 생성하는 단계;상기 판단 모델의 생성이 완료된 이후, 관리자로부터 현재 시점에서의 상기 수도 관망에 대한 누수 심각도 등급의 판단 명령이 인가되면, 현재 시점을 시작으로 하여 상기 단위 시간 간격으로, 상기 n개의 누수 감지 센서들로부터 상기 n개의 누수 감지 센서들 각각이 측정한 k개의 센싱 값들을 연쇄적으로 수신함으로써, n x k개의 현재 센싱 값들을 획득하는 단계;상기 n x k개의 현재 센싱 값들을 성분으로 갖는 n x k 크기의 판단용 입력 행렬을 생성하는 단계;상기 판단용 입력 행렬이 생성되면, 상기 판단용 입력 행렬을 상기 판단 모델의 기계학습이 완료된 상기 합성곱 신경망에 입력으로 인가함으로써, 상기 판단용 입력 행렬에 대응되는 N차원의 판단용 출력 벡터를 생성하는 단계;상기 N차원의 판단용 출력 벡터가 생성되면, 상기 N차원의 판단용 출력 벡터를 상기 활성화 함수에 입력으로 인가함으로써, 상기 N차원의 판단용 출력 벡터에 대응되는 N차원의 판단용 연산 벡터를 생성하는 단계;상기 N차원의 판단용 연산 벡터가 생성되면, 상기 N차원의 판단용 연산 벡터와 상기 N개의 누수 심각도 등급들 각각에 대한 원-핫 벡터 간의 유사도를 연산하는 단계; 상기 N개의 누수 심각도 등급들 각각에 대한 원-핫 벡터 중 상기 N차원의 판단용 연산 벡터와의 유사도가 최대로 연산된 제1 원-핫 벡터를 확인하고, 상기 원-핫 벡터 저장부로부터 상기 제1 원-핫 벡터에 대응되는 누수 심각도 등급인 제1 누수 심각도 등급을 확인함으로써, 상기 수도 관망에 대한 누수 심각도 등급을 상기 제1 누수 심각도 등급으로 판단하는 단계; 및상기 수도 관망에 대한 누수 심각도 등급이 상기 제1 누수 심각도 등급인 것으로 판단되면, 상기 제1 누수 심각도 등급에 대한 정보를 화면 상에 표시하는 단계를 포함하는 인공지능 기반의 누수 모니터링 장치의 동작 방법
|
7 |
7
제6항에 있어서,상기 활성화 함수는 하기의 수학식 1과 같은 소프트맥스(Softmax) 함수인 것을 특징으로 하는 인공지능 기반의 누수 모니터링 장치의 동작 방법
|
8 |
8
제7항에 있어서,상기 판단 모델을 생성하는 단계는상기 M개의 입력 정보 세트들 각각에 대응되는 N차원의 연산 벡터를 구성하는 성분들과 상기 M개의 입력 정보 세트들 각각에 대응되는 원-핫 벡터를 구성하는 성분들을 기초로, 하기의 수학식 2에 따른 손실 함수(loss function)를 기반으로 한 손실 값을 연산함으로써, 상기 M개의 입력 정보 세트들 각각에 대한 손실 값을 산출하고, 상기 M개의 입력 정보 세트들 각각에 대한 손실 값의 평균 값이 최소가 되도록 상기 합성곱 신경망에 대한 기계학습을 수행하는 인공지능 기반의 누수 모니터링 장치의 동작 방법
|
9 |
9
삭제
|
10 |
10
제6항에 있어서,상기 유사도를 연산하는 단계는상기 N차원의 판단용 연산 벡터와 상기 N개의 누수 심각도 등급들 각각에 대한 원-핫 벡터 간의 아다마르 곱(Hadamard product)을 연산하였을 때 산출되는 벡터의 맨해튼 노름(Manhattan norm)을 상기 N차원의 판단용 연산 벡터와 상기 N개의 누수 심각도 등급들 각각에 대한 원-핫 벡터 간의 유사도로 연산하는 인공지능 기반의 누수 모니터링 장치의 동작 방법
|
11 |
11
제6항, 제7항, 제8항 또는 제10항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능 기록 매체
|
12 |
12
제6항, 제7항, 제8항 또는 제10항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램
|