1 |
1
데이터 입력부가 하이퍼파라미터 최적화의 대상이 되는 타겟 기계학습 모델, 상기 타겟 기계학습 모델의 메타데이터 및 최적화 알고리즘 검색 조건을 입력 받는 단계;유사 모델 비교부가 데이터베이스에 기 저장된 다수의 기계학습 모델 메타데이터들 중 적어도 하나를 참조 기계학습 모델 메타데이터로 선택하고, 선택된 상기 참조 기계학습 모델 메타데이터와 입력 받은 상기 타겟 기계학습 모델 메타데이터의 유사도를 비교하는 단계;알고리즘 탐색부가 기 설정된 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘을 출력하는 단계; 및최적화 알고리즘 선별부가 입력 받은 상기 최적화 알고리즘 검색 조건과 상기 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘을 기반으로 상기 타겟 기계학습 모델의 하이퍼파라미터 최적화 알고리즘을 출력하는 단계;를 포함하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 방법
|
2 |
2
제1항에 있어서,업데이트부가 상기 최적화 알고리즘 선별부에서 출력된 상기 타겟 기계학습 모델의 하이퍼파라미터 최적화 알고리즘에 대해 성능을 평가하여 스코어를 계산하고, 상기 데이터베이스를 업데이트하는 단계;를 더 포함하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 방법
|
3 |
3
제2항에 있어서,상기 최적화 알고리즘 검색 조건은,사전 선별 조건 정확도, 사전 선별 조건 탐색 시간, 사전 선별 조건 탐색 횟수, 목표 정확도, 목표 탐색 시간, 목표 탐색 횟수 및 탐색하기 위한 하이퍼파라미터 최적화 알고리즘의 수로 이루어진 군으로부터 선택되는 하나 이상을 포함하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 방법
|
4 |
4
제1항에 있어서,상기 참조 기계학습 모델 메타데이터와 입력 받은 상기 타겟 기계학습 모델 메타데이터의 유사도를 비교하는 단계는,선택된 상기 참조 기계학습 모델 메타데이터와 입력 받은 상기 타겟 기계학습 모델 메타데이터의 구성 요소를 벡터 공간 상의 원소로 나타내어 코사인 유사도를 측정하는 방법으로 유사도를 비교하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 방법
|
5 |
5
제1항에 있어서,상기 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘을 출력하는 단계는,상기 참조 기계학습 모델 메타데이터와 입력 받은 상기 타겟 기계학습 모델 메타데이터의 유사도가 기 설정된 유사도 보다 높은 경우, 적어도 하나의 상기 유사도 조건을 만족하는 참조 기계학습 모델의 메타데이터 중에서 기 계산된 스코어에 따라 적어도 하나 이상의 최적화 알고리즘을 선택하여 출력하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 방법
|
6 |
6
제1항에 있어서,상기 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘을 출력하는 단계는,상기 참조 기계학습 모델 메타데이터와 입력 받은 상기 타겟 기계학습 모델 메타데이터의 유사도가 기 설정된 유사도 보다 낮은 경우, 상기 데이터베이스에 저장된 다수의 기계학습 모델들 중 추천 빈도수에 따라 적어도 하나 이상의 최적화 알고리즘을 선택하여 출력하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 방법
|
7 |
7
제3항에 있어서,상기 타겟 기계학습 모델의 하이퍼파라미터 최적화 알고리즘을 출력하는 단계는,상기 입력 받은 상기 최적화 알고리즘 검색 조건에 따라 상기 타겟 기계학습 모델의 하이퍼파라미터 최적화 알고리즘의 출력 조건을 설정하는 단계;상기 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘을 입력 받는 단계;상기 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘의 정확도를 확인하고, 기 설정된 사전 선별 조건 정확도와 비교하는 단계; 및비교 결과가 상기 사전 선별 조건 정확도를 초과하는 경우에 정확도를 초과한 하이퍼파라미터 최적화 알고리즘을 출력하는 단계;를 포함하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 방법
|
8 |
8
제7항에 있어서,상기 타겟 기계학습 모델의 하이퍼파라미터 최적화 알고리즘에 대해 성능을 평가하여 스코어를 계산하고, 상기 데이터베이스를 업데이트하는 단계는,상기 정확도를 초과한 하이퍼파라미터 최적화 알고리즘을 입력 받고, 최종 탐색 결과 정확도와 최종 탐색 결과 시간을 출력하는 단계;상기 최종 탐색 결과 정확도와 최종 탐색 결과 시간을 고려하여 스코어를 계산하는 단계; 및기 계산된 스코어에 새로 계산된 스코어를 합산하여 데이터베이스에 저장하는 단계;를 포함하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 방법
|
9 |
9
하나 이상의 인스트럭션을 저장하는 메모리;상기 메모리에 저장된 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,상기 프로세서는, 하이퍼파라미터 최적화의 대상이 되는 타겟 기계학습 모델, 상기 타겟 기계학습 모델의 메타데이터 및 최적화 알고리즘 검색 조건을 입력 받는 데이터 입력부;데이터베이스에 기 저장된 다수의 기계학습 모델 메타데이터들 중 적어도 하나를 참조 기계학습 모델 메타데이터로 선택하고, 선택된 상기 참조 기계학습 모델 메타데이터와 입력 받은 상기 타겟 기계학습 모델 메타데이터의 유사도를 비교하는 유사 모델 비교부;기 설정된 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘을 출력하는 알고리즘 탐색부;입력 받은 상기 최적화 알고리즘 검색 조건과 상기 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘을 기반으로 상기 타겟 기계학습 모델의 하이퍼파라미터 최적화 알고리즘을 출력하는 최적화 알고리즘 선별부;를 포함하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 시스템
|
10 |
10
제9항에 있어서,상기 최적화 알고리즘 선별부에서 출력된 상기 타겟 기계학습 모델의 하이퍼파라미터 최적화 알고리즘에 대해 성능을 평가하여 스코어를 계산하고, 상기 데이터베이스를 업데이트하는 업데이트부;를 더 포함하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 시스템
|
11 |
11
제10항에 있어서,상기 최적화 알고리즘 검색 조건은,사전 선별 조건 정확도, 사전 선별 조건 탐색 시간, 사전 선별 조건 탐색 횟수, 목표 정확도, 목표 탐색 시간, 목표 탐색 횟수 및 탐색하기 위한 하이퍼파라미터 최적화 알고리즘의 수로 이루어진 군으로부터 선택되는 하나 이상을 포함하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 시스템
|
12 |
12
제9항에 있어서,상기 유사 모델 비교부는, 선택된 상기 참조 기계학습 모델 메타데이터와 입력 받은 상기 타겟 기계학습 모델 메타데이터의 구성 요소를 벡터 공간 상의 원소로 나타내어 코사인 유사도를 측정하는 방법으로 유사도를 비교하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 시스템
|
13 |
13
제9항에 있어서,상기 알고리즘 탐색부는,상기 참조 기계학습 모델 메타데이터와 입력 받은 상기 타겟 기계학습 모델 메타데이터의 유사도가 기 설정된 유사도 보다 높은 경우, 적어도 하나의 상기 유사도 조건을 만족하는 참조 기계학습 모델의 메타데이터 중에서 기 계산된 스코어에 따라 적어도 하나 이상의 최적화 알고리즘을 선택하여 출력하고,기 설정된 유사도 보다 낮은 경우, 상기 데이터베이스에 저장된 다수의 기계학습 모델들 중 추천 빈도수에 따라 적어도 하나 이상의 최적화 알고리즘을 선택하여 출력하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 시스템
|
14 |
14
제11항에 있어서,상기 최적화 알고리즘 선별부는,상기 입력 받은 상기 최적화 알고리즘 검색 조건에 따라 상기 타겟 기계학습 모델의 하이퍼파라미터 최적화 알고리즘의 출력 조건을 설정하고, 입력 받은 상기 유사도 조건을 만족하는 참조 기계학습 모델의 최적화 알고리즘의 정확도를 기 설정된 사전 선별 조건 정확도와 비교한 후 비교 결과가 상기 사전 선별 조건 정확도를 초과하는 경우에 정확도를 초과한 하이퍼파라미터 최적화 알고리즘을 출력하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 시스템
|
15 |
15
제14항에 있어서,상기 업데이트부는,상기 최적화 알고리즘 선별부에서 상기 정확도를 초과한 하이퍼파라미터 최적화 알고리즘을 입력 받고, 최종 탐색 결과 정확도와 최종 탐색 결과 시간을 고려하여 스코어를 새로 계산하고, 기 계산된 스코어에 새로 계산된 스코어를 합산하여 데이터베이스에 저장하는 것을 특징으로 하는 하이퍼파라미터 최적화 알고리즘 추천 시스템
|
16 |
16
제1항 내지 제8항 중 어느 하나의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
|