| 1 |
1
시계열 데이터의 최종 시간을 기준으로 복수의 시간들 각각의 차이에 기초하여 간격 데이터를 생성하고, 상기 시계열 데이터의 전처리 데이터를 생성하는 전처리기; 및상기 간격 데이터 및 상기 전처리 데이터에 기초하여, 상기 시계열 데이터의 시간 및 특징에 의존하는 특징 가중치, 상기 복수의 시간들과 상기 최종 시간 사이의 상관 관계에 의존하는 시계열 가중치, 및 상기 최종 시간에 대응되는 상기 시계열 데이터의 예측 분포를 생성하기 위한 특징 분포 모델의 가중치 그룹을 조절하는 학습기를 포함하되,상기 가중치 그룹은 상기 특징 가중치를 생성하기 위한 제1 파라미터, 및 상기 시계열 가중치를 생성하기 위한 제2 파라미터, 및 상기 특징 분포 모델을 생성하기 위한 제3 파라미터를 포함하는 시계열 데이터 처리 장치
|
| 2 |
2
제1 항에 있어서,상기 전처리기는, 상기 시계열 데이터의 결측치에 보간 값을 추가하여 상기 전처리 데이터를 생성하고, 상기 결측치를 구분하는 마스킹 데이터를 더 생성하고,상기 학습기는 상기 마스킹 데이터에 더 기초하여, 상기 가중치 그룹을 조절하는 시계열 데이터 처리 장치
|
| 3 |
3
제1 항에 있어서,상기 학습기는,상기 간격 데이터, 상기 전처리 데이터, 및 상기 제1 파라미터에 기초하여 상기 특징 가중치를 계산하고, 상기 특징 가중치에 기초하여 제1 학습 결과를 생성하는 특징 학습기;상기 간격 데이터, 상기 제1 학습 결과, 및 상기 제2 파라미터에 기초하여 상기 시계열 가중치를 계산하고, 상기 시계열 가중치에 기초하여 제2 학습 결과를 생성하는 시계열 학습기; 및상기 제2 학습 결과 및 상기 제3 파라미터에 기초하여 상기 예측 분포를 생성하는 분포 학습기를 포함하되,상기 제1 학습 결과, 상기 제2 학습 결과, 및 상기 예측 분포에 기초하여, 상기 가중치 그룹을 조절하는 시계열 데이터 처리 장치
|
| 4 |
4
제3 항에 있어서,상기 특징 학습기는,상기 전처리 데이터의 결측치를 구분하는 마스킹 데이터에 기초하여, 상기 전처리 데이터의 제1 보정 데이터를 생성하는 결측치 처리기;상기 간격 데이터에 기초하여, 상기 전처리 데이터의 제2 보정 데이터를 생성하는 시간 처리기;상기 제1 파라미터, 상기 제1 보정 데이터, 및 상기 제2 보정 데이터에 기초하여, 상기 특징 가중치를 계산하는 특징 가중치 계산기; 및상기 전처리 데이터에 상기 특징 가중치를 적용하여 상기 제1 학습 결과를 생성하는 특징 가중치 적용기를 포함하는 시계열 데이터 처리 장치
|
| 5 |
5
제3 항에 있어서,상기 시계열 학습기는,상기 간격 데이터, 상기 제1 학습 결과, 및 상기 제2 파라미터에 기초하여, 상기 시계열 가중치를 계산하는 시계열 가중치 계산기; 및상기 전처리 데이터에 상기 시계열 가중치를 적용하여 상기 제2 학습 결과를 생성하는 시계열 가중치 적용기를 포함하는 시계열 데이터 처리 장치
|
| 6 |
6
제3 항에 있어서,상기 분포 학습기는,상기 제2 학습 결과에 기초하여 잠재 변수를 계산하는 잠재 변수 계산기; 및상기 잠재 변수에 기초하여 상기 예측 분포를 생성하는 다중 분포 생성기를 포함하는 시계열 데이터 처리 장치
|
| 7 |
7
제1 항에 있어서,상기 학습기는,상기 전처리 데이터에 상기 특징 가중치를 적용한 결과를 인코딩하고, 상기 인코딩된 결과와 상기 최종 시간 사이의 상관 관계 및 상기 인코딩된 결과와 상기 최종 시간의 인코딩된 결과 사이의 상관 관계에 기초하여 상기 시계열 가중치를 계산하는 시계열 데이터 처리 장치
|
| 8 |
8
제1 항에 있어서,상기 학습기는,상기 전처리 데이터에 상기 시계열 가중치를 적용한 학습 결과에 기초하여, 상기 예측 분포의 계수, 상기 예측 분포의 평균, 및 상기 예측 분포의 표준 편차를 계산하는 시계열 데이터 처리 장치
|
| 9 |
9
제8 항에 있어서,상기 학습기는,상기 계수, 상기 평균, 및 상기 표준 편차에 기초하여, 상기 예측 분포를 기준으로 상기 전처리 데이터에 대한 예측 결과의 조건부 확률을 계산하고, 상기 조건부 확률에 기초하여 상기 가중치 그룹을 조절하는 시계열 데이터 처리 장치
|
| 10 |
10
예측 시간을 기준으로 시계열 데이터의 복수의 시간들 각각의 차이에 기초하여 간격 데이터를 생성하고, 상기 시계열 데이터의 전처리 데이터를 생성하는 전처리기; 및상기 간격 데이터 및 상기 전처리 데이터에 기초하여 상기 시계열 데이터의 시간 및 특징에 의존하는 특징 가중치를 생성하고, 상기 특징 가중치 및 상기 간격 데이터에 기초하여 상기 복수의 시간들과 상기 최종 시간 사이의 상관 관계에 의존하는 시계열 가중치를 생성하고, 상기 시계열 가중치에 기초하여 상기 예측 시간에 대응되는 예측 결과 및 상기 예측 결과의 신뢰도를 계산하는 예측기를 포함하는 시계열 데이터 처리 장치
|
| 11 |
11
제10 항에 있어서,상기 전처리기는,상기 시계열 데이터의 결측치에 보간 값을 추가하여 상기 전처리 데이터를 생성하고, 상기 결측치를 구분하는 마스킹 데이터를 더 생성하고,상기 예측기는 상기 마스킹 데이터에 더 기초하여 상기 특징 가중치를 생성하는 시계열 데이터 처리 장치
|
| 12 |
12
제10 항에 있어서,상기 예측기는,상기 간격 데이터, 상기 전처리 데이터, 및 특징 파라미터에 기초하여 상기 특징 가중치를 계산하고, 상기 특징 가중치에 기초하여 제1 결과를 생성하는 특징 학습기;상기 간격 데이터, 상기 제1 결과, 및 시계열 파라미터에 기초하여 상기 시계열 가중치를 계산하고, 상기 시계열 가중치에 기초하여 제2 결과를 생성하는 시계열 학습기; 및상기 제2 학습 결과 및 분포 파라미터에 기초하여 예측 분포들 중 적어도 일부를 선택하고, 상기 선택된 예측 분포들에 기초하여 상기 예측 결과 및 상기 신뢰도를 계산하는 분포 예측기를 포함하는 시계열 데이터 처리 장치
|
| 13 |
13
제12 항에 있어서,상기 특징 예측기는,상기 전처리 데이터의 결측치를 구분하는 마스킹 데이터에 기초하여, 상기 전처리 데이터의 제1 보정 데이터를 생성하는 결측치 처리기;상기 간격 데이터에 기초하여, 상기 전처리 데이터의 제2 보정 데이터를 생성하는 시간 처리기; 및상기 특징 파라미터, 상기 제1 보정 데이터, 및 상기 제2 보정 데이터에 기초하여, 상기 특징 가중치를 계산하는 특징 가중치 계산기; 및상기 전처리 데이터에 상기 특징 가중치를 적용하여 상기 제1 결과를 생성하는 특징 가중치 적용기를 포함하는 시계열 데이터 처리 장치
|
| 14 |
14
제12 항에 있어서,상기 시계열 예측기는,상기 간격 데이터, 상기 제1 결과, 및 상기 시계열 파라미터에 기초하여, 상기 시계열 가중치를 계산하는 시계열 가중치 계산기; 및상기 전처리 데이터에 상기 시계열 가중치를 적용하여 상기 제2 결과를 생성하는 시계열 가중치 적용기를 포함하는 시계열 데이터 처리 장치
|
| 15 |
15
제12 항에 있어서,상기 분포 예측기는,상기 제2 결과에 기초하여 잠재 변수를 계산하는 잠재 변수 계산기;상기 잠재 변수에 기초하여 상기 예측 분포들 중 상기 적어도 일부를 선택하고, 상기 선택된 예측 분포들의 평균 및 표준 편차에 기초하여 상기 예측 결과를 계산하는 예측 값 계산기; 및상기 선택된 예측 분포들의 표준 편차에 기초하여 상기 신뢰도를 계산하는 신뢰도 계산기를 포함하는 시계열 데이터 처리 장치
|
| 16 |
16
제10 항에 있어서,상기 예측기는,상기 전처리 데이터에 상기 특징 가중치를 적용한 결과를 인코딩하고, 상기 인코딩된 결과와 상기 예측 시간 사이의 상관 관계 및 상기 인코딩된 결과와 상기 예측 시간의 인코딩된 결과 사이의 상관 관계에 기초하여 상기 시계열 가중치를 계산하는 시계열 데이터 처리 장치
|
| 17 |
17
제10 항에 있어서,상기 예측기는, 상기 전처리 데이터에 상기 시계열 가중치를 적용한 결과에 기초하여, 예측 분포들의 계수들, 평균들, 및 표준 편차들을 계산하고, 상기 계수들을 샘플링하여 상기 예측 분포들 중 적어도 일부를 선택하고, 상기 선택된 예측 분포들의 평균들 및 표준 편차들에 기초하여 상기 예측 결과를 생성하는 시계열 데이터 처리 장치
|
| 18 |
18
시계열 데이터 처리 장치의 동작 방법에 있어서,시계열 데이터를 전처리한 전처리 데이터를 생성하는 단계;예측 시간을 기준으로, 상기 시계열 데이터의 복수의 시간들 각각의 차이에 기초하여 간격 데이터를 생성하는 단계;상기 전처리 데이터 및 상기 간격 데이터에 기초하여 상기 시계열 데이터의 시간 및 특징에 의존하는 특징 가중치를 생성하는 단계;상기 특징 가중치의 적용 결과 및 상기 간격 데이터에 기초하여 상기 복수의 시간들과 상기 예측 시간 사이의 상관 관계에 의존하는 시계열 가중치 생성하는 단계;상기 시계열 가중치의 적용 결과에 기초하여, 예측 분포들의 특성 정보를 생성하는 단계를 포함하는 방법
|
| 19 |
19
제18 항에 있어서,상기 예측 시간은 상기 시계열 데이터의 최종 시간이고,상기 특성 정보에 기초하여 상기 전처리 데이터에 대한 예측 결과의 조건부 확률을 계산하는 단계; 및상기 조건부 확률에 기초하여, 상기 예측 분포들을 생성하기 위한 특징 분포 모델의 가중치 그룹을 조절하는 단계를 더 포함하는 방법
|
| 20 |
20
제18 항에 있어서,상기 특성 정보에 기초하여 상기 예측 시간에 대응되는 예측 결과를 계산하는 단계; 및상기 특성 정보에 기초하여 상기 예측 결과의 신뢰도를 계산하는 단계를 더 포함하는 방법
|
