1 |
1
모바일(mobile) 센싱장치의 학습방법에 있어서,소스 데이터세트(source dataset)를 이용하여 복수의 학습용 상황 과제(conditioned tasks)를 생성하는 과정;상기 복수의 상황 과제를 이용하여 딥러닝(deep learning) 기반 센싱 모델(sensing model)에 대한 기본 트레이닝(basic training)을 실행하는 과정;소수의 데이터(few shots)를 획득하고, 상기 소수의 데이터를 이용하여 타겟 데이터세트(target dataset)를 생성하는 과정; 및상기 타겟 데이터세트를 이용하여 상기 기본 트레이닝이 실행된 센싱 모델에 대한 적응 트레이닝(adapting training)을 실행하는 과정을 포함하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
2 |
2
제1항에 있어서,상기 소스 데이터세트는,사전에 수집되고, 복수의 개별적 상황 데이터세트(ICD: individual condition datasets)를 포함하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
3 |
3
제2항에 있어서, 상기 상황 과제를 생성하는 과정은,상기 복수의 ICD로부터 적어도 하나의 단일 상황 과제(per-condition task) 및 적어도 하나의 다중 상황 과제(multi-conditioned task)를 생성하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
4 |
4
제2항에 있어서,상기 상황 과제를 생성하는 과정은,상기 ICD 각각에 대하여, 상기 하나의 ICD로부터 임의로 데이터를 선택하여 상기 단일 상황 과제를 생성하고, 상기 복수의 ICD 전체로부터 임의로 데이터를 선택하여 상기 다중 상황 과제를 생성하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
5 |
5
제2항에 있어서, 상기 상황 과제를 생성하는 과정은,상기 소스 데이터세트가 포함하는 레이블의 개수와 동일한 개수의 레이블을 포함하도록 상기 단일 상황 과제 및 상기 다중 상황 과제 각각을 생성함으로써, 상기 상황 과제의 레이블에 대한 균질성(homogeneity)을 유지하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
6 |
6
제5항에 있어서, 상기 기본 트레이닝을 실행하는 과정은,상기 상황 과제 각각에 대하여, 상기 센싱 모델이 추론한 값과 상기 레이블 간의 거리 메트릭을 기반으로 상기 센싱 모델의 파라미터를 업데이트하여 과제 특화된(task specific) 파라미터를 생성하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
7 |
7
제6항에 있어서, 상기 기본 트레이닝을 실행하는 과정은,상기 과제 특화된(task specific) 파라미터가 설정된 센싱 모델에 대하여, 상기 상황 과제 전체를 이용하여, 상기 센싱 모델이 추론한 값과 상기 레이블 간의 거리 메트릭에 기반하는 손실 함수(loss function) 값을 최소화하는 방향으로 상기 센싱 모델의 파라미터를 업데이트하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
8 |
8
제1항에 있어서, 상기 타겟 데이터세트를 생성하는 과정은,짧은 시간 구간(short time interval)을 이용하여, 상기 소수의 데이터를 모바일 센서(mobile sensors)로부터 획득한 후, 상기 소수의 데이터에 레이블(label)을 부착하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
9 |
9
제8항에 있어서, 상기 적응 트레이닝을 실행하는 과정은,상기 기본 트레이닝에 따른 파라미터를 상기 센싱 모델의 초기 파라미터로 설정하고, 상기 타겟 데이터세트를 이용하여, 상기 센싱 모델이 추론한 값과 상기 레이블 간의 거리 메트릭을 기반으로 상기 센싱 모델의 파라미터를 업데이트하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
10 |
10
모바일 디바이스(mobile device)에 탑재되는 모바일 센싱장치에 있어서,모바일 센서(mobile sensor)로부터 센싱 데이터를 획득하는 입력부; 소스 데이터세트(source dataset)를 이용하는 기본 트레이닝(basic training) 및 소수의 데이터(few-shots)을 이용하는 적응 트레이닝(adapting training)을 이용하여 사전에 학습되는 딥러닝(deep learning) 기반 센싱 모델;상기 센싱 데이터를 상기 센싱 모델(sensing model)에 입력하여 센싱 결과를 생성하는 마이크로프로세서(microprocessor); 및상기 센싱 모델을 구현한 프로그램 및 상기 센싱 데이터를 저장하는 메모리를 포함하는 것을 특징으로 하는 모바일 센싱장치
|
11 |
11
제10항에 있어서,서버와 연결되는 적어도 하나의 통신 인터페이스를 더 포함하는 것을 특징으로 하는 모바일 센싱장치
|
12 |
12
제11항에 있어서,상기 기본 트레이닝은 상기 센싱 모델과 동일한 구조의 딥러닝 모델을 이용하여 상기 서버에서 실행되고, 상기 적응 트레이닝은 상기 모바일 디바이스에서 실행되는 것을 특징으로 하는 모바일 센싱장치
|
13 |
13
제12항에 있어서상기 통신 인터페이스를 이용하여 상기 서버로부터 상기 딥러닝 모델의 파라미터를 전달받는 것을 특징으로 하는 모바일 센싱장치
|
14 |
14
제10항에 있어서,상기 마이크로프로세서는,상기 센싱 데이터를 기반으로 상기 프로그램을 실행하여 상기 센싱 결과를 생성하는 것을 특징으로 하는 모바일 센싱장치
|
15 |
15
제1항 내지 제9항 중 어느 한 항에 따른 모바일(mobile) 센싱장치의 학습방법이 포함하는 각 단계를 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터프로그램
|