1 |
1
상호의존정보에 기반한 기계학습 방법에 있어서,각각의 데이터 엔트리별로 적어도 제1 정보, 제2 정보, 및 제3 정보를 포함하는 제1 데이터 셋(data set)을 입력받는 단계;분류기(classifier)를 통해 상기 제1 및 제3 정보에 대한 학습을 수행하여 상기 제2 정보에 대한 예측값을 출력하는 단계;구분자(discriminator)를 통해, 상기 제2 정보에 대한 예측값에 대한 학습을 수행하여 상기 제3 정보에 대한 예측값을 출력하는 단계; 및상기 제2 정보에 대한 예측값 및 상기 제3 정보 간의 상호의존정보가 최소화되도록, 상기 제2 정보에 대한 예측값을 출력하는 단계와 상기 제3 정보에 대한 예측값을 출력하는 단계를 반복 수행하는 단계를 포함하는, 기계학습 방법
|
2 |
2
청구항 1에 있어서,상기 분류기는 상기 제2 정보에 대한 예측값과 상기 제3 정보 간의 DI(disparate impact) 값을 최대화하는 방향으로 학습을 수행하는 것을 특징으로 하는, 기계학습 방법
|
3 |
3
청구항 1에 있어서,상기 분류기는 상기 제2 정보에 대한 예측값과 상기 제3 정보 간의 EO(equalized odds) 값을 최대화하는 방향으로 학습을 수행하는 것을 특징으로 하는, 기계학습 방법
|
4 |
4
청구항 1에 있어서,상기 분류기와 상기 구분자는 생성적 적대 신경망(generative adversarial network, GAN) 방식에 따른 경쟁적 관계를 가지도록 설정되는 인공 신경망들인 것을 특징으로 하는, 기계학습 방법
|
5 |
5
청구항 1에 있어서,상기 제2 정보에 대한 예측값을 출력하는 단계와 상기 제3 정보에 대한 예측값을 출력하는 단계를 반복 수행하는 단계는, 경사하강법에 기초하여 수행되는 것을 특징으로 하는, 기계학습 방법
|
6 |
6
청구항 5에 있어서,상기 제2 정보에 대한 예측값을 출력하는 단계와 상기 제3 정보에 대한 예측값을 출력하는 단계를 반복 수행하는 단계는,상기 제2 정보에 대한 예측값을 출력하는 단계의 수행 횟수와 상기 제3 정보에 대한 예측값을 출력하는 단계의 수행 횟수를 1:k (k는 2 이상의 자연수) 비율로 수행하는 것을 특징으로 하는, 기계학습 방법
|
7 |
7
청구항 1에 있어서,상기 분류기 및 상기 구분자는,상기 제2 정보 및 상기 제2 정보에 대한 예측값에 대한 교차 엔트로피 함수로 설정되는 제1 손실함수항, 및 상기 제2 정보 및 상기 제3 정보에 대한 예측값에 대한 교차 엔트로피 함수로 설정되는 제2 손실함수항의 조합으로 정의되는 손실함수에 기초하여 학습을 수행하는 것을 특징으로 하는, 기계학습 방법
|
8 |
8
청구항 1에 있어서,상기 상호의존정보는, 상기 제2 정보에 대한 예측값의 확률변수, 및 상기 제3 정보의 확률 변수에 기초하여 정의되는 것을 특징으로 하는, 기계학습 방법
|
9 |
9
상호의존정보에 기반한 기계학습 장치에 있어서,프로세서(processor);상기 프로세서와 전자적(electronic)으로 통신하는 메모리(memory); 및상기 메모리에 저장되는 명령들(instructions)을 포함하며,상기 명령들이 상기 프로세서에 의해 실행되는 경우, 상기 명령들은 상기 기계학습 장치가;각각의 데이터 엔트리별로 적어도 제1 정보, 제2 정보, 및 제3 정보를 포함하는 제1 데이터 셋(data set)을 입력받고;분류기(classifier)를 통해 상기 제1 및 제3 정보에 대한 학습을 수행하여 상기 제2 정보에 대한 예측값을 출력하고;구분자(discriminator)를 통해, 상기 제2 정보에 대한 예측값에 대한 학습을 수행하여 상기 제3 정보에 대한 예측값을 출력하고; 그리고상기 제2 정보에 대한 예측값 및 상기 제3 정보 간의 상호의존정보가 최소화되도록, 상기 분류기를 통한 학습과 상기 구분자를 통한 학습을 반복 수행하는 것을 야기하도록 동작하는, 기계학습 장치
|
10 |
10
청구항 9에 있어서,상기 분류기는 상기 제2 정보에 대한 예측값과 상기 제3 정보 간의 DI(disparate impact) 값을 최대화하는 방향으로 학습을 수행하는 것을 특징으로 하는, 기계학습 장치
|
11 |
11
청구항 9에 있어서,상기 분류기는 상기 제2 정보에 대한 예측값과 상기 제3 정보 간의 EO(equalized odds) 값을 최대화하는 방향으로 학습을 수행하는 것을 특징으로 하는, 기계학습 장치
|
12 |
12
청구항 9에 있어서,상기 분류기와 상기 구분자는 생성적 적대 신경망(generative adversarial network, GAN) 방식에 따른 경쟁적 관계를 가지도록 설정되는 인공 신경망들인 것을 특징으로 하는, 기계학습 장치
|
13 |
13
청구항 9에 있어서,상기 분류기를 통한 학습과 상기 구분자를 통한 학습의 반복 수행은 경사하강법에 기초하여 수행되는 것을 특징으로 하는, 기계학습 장치
|
14 |
14
청구항 13에 있어서,상기 분류기를 통한 학습과 상기 구분자를 통한 학습의 반복 수행은, 상기 분류기를 통한 학습의 수행 횟수와 상기 구분자를 통한 학습의 수행 횟수는 1:k (k는 2 이상의 자연수) 비율로 설정되는 것을 특징으로 하는, 기계학습 장치
|
15 |
15
청구항 9에 있어서,상기 분류기 및 상기 구분자는,상기 제2 정보 및 상기 제2 정보에 대한 예측값에 대한 교차 엔트로피 함수로 설정되는 제1 손실함수항, 및 상기 제2 정보 및 상기 제3 정보에 대한 예측값에 대한 교차 엔트로피 함수로 설정되는 제2 손실함수항의 조합으로 정의되는 손실함수에 기초하여 학습을 수행하는 것을 특징으로 하는, 기계학습 장치
|
16 |
16
청구항 9에 있어서,상기 상호의존정보는, 상기 제2 정보에 대한 예측값의 확률변수, 및 상기 제3 정보의 확률 변수에 기초하여 정의되는 것을 특징으로 하는, 기계학습 장치
|