| 1 |
1
전자 장치에 있어서,제1 학습 데이터를 통해 학습된 제1 인공 지능 모델에 대한 정보 및 상기 제1 학습 데이터를 통해 학습된 제2 인공 지능 모델에 대한 정보가 저장된 메모리; 및상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서;를 포함하며,상기 프로세서는,제2 학습 데이터를 상기 제1 인공 지능 모델 및 상기 제2 인공 지능 모델 각각에 입력하고,상기 제1 인공 지능 모델에 포함된 복수의 제1 레이어 각각의 출력 및 상기 제2 인공 지능 모델에 포함된 복수의 제2 레이어 각각의 출력에 기초하여 상기 제2 인공 지능 모델을 재학습하며,상기 복수의 제1 레이어 각각은, 복수의 2차원 필터를 포함하고,상기 복수의 제2 레이어 각각은, 대응되는 제1 레이어의 복수의 2차원 필터 각각의 크기가 축소된 복수의 필터를 포함하는, 전자 장치
|
| 2 |
2
제1항에 있어서,상기 복수의 제1 레이어의 개수는, 상기 복수의 제2 레이어의 개수와 동일하고,상기 프로세서는,상기 복수의 제1 레이어 각각의 출력을 대응되는 제2 레이어의 출력과 비교하여 복수의 비교 결과를 획득하고,상기 복수의 비교 결과에 기초하여 상기 제2 인공 지능 모델을 재학습하는, 전자 장치
|
| 3 |
3
제2항에 있어서,상기 복수의 제1 레이어 각각에 포함된 상기 복수의 2차원 필터의 개수는, 대응되는 제2 레이어에 포함된 상기 복수의 필터의 개수와 동일하며,상기 복수의 제1 레이어 각각의 출력의 크기는, 대응되는 제2 레이어의 출력의 크기와 동일한, 전자 장치
|
| 4 |
4
제3항에 있어서,상기 메모리는,상기 복수의 제1 레이어 각각의 출력 및 상기 복수의 제2 레이어 각각의 출력을 구별하도록 학습된 제3 인공 지능 모델에 대한 정보를 저장하며,상기 프로세서는,상기 복수의 제2 레이어 각각의 출력을 상기 제3 인공 지능 모델 각각에 입력하고,상기 제3 인공 지능 모델로부터 출력되는 상기 복수의 제2 레이어의 출력에 대한 복수의 구별 결과를 획득하며,상기 복수의 비교 결과 및 상기 복수의 구별 결과에 기초하여 상기 제2 인공 지능 모델을 재학습하는, 전자 장치
|
| 5 |
5
제4항에 있어서,상기 프로세서는,상기 제2 학습 데이터를 상기 재학습된 제2 인공 지능 모델 각각에 입력하고,상기 복수의 제1 레이어 각각의 출력 및 상기 재학습된 제2 인공 지능 모델에 포함된 복수의 제3 레이어 각각의 출력을 구별하도록 상기 제3 인공 지능 모델을 재학습하는, 전자 장치
|
| 6 |
6
제4항에 있어서,상기 프로세서는,상기 복수의 비교 결과 및 상기 복수의 구별 결과를 가중합하여 상기 제2 인공 지능 모델을 재학습하는, 전자 장치
|
| 7 |
7
제6항에 있어서,상기 프로세서는,상기 복수의 제1 레이어 중 마지막 레이어에 대응되는 비교 결과의 가중치를 나머지 레이어에 대응되는 복수의 비교 결과의 가중치 이상으로 부여하여 상기 제2 인공 지능 모델을 재학습하는, 전자 장치
|
| 8 |
8
제1항에 있어서,상기 복수의 필터 각각은,1 × N 형태 또는 N × 1 형태이고,상기 프로세서는,상기 메모리로부터 입력 데이터를 행(row) 단위 또는 컬럼(column) 단위로 독출하고,상기 독출된 입력 데이터를 상기 재학습된 제2 인공 지능 모델에 입력하여 상기 입력 데이터를 처리하는, 전자 장치
|
| 9 |
9
제1항에 있어서,상기 제1 인공 지능 모델 및 상기 제2 인공 지능 모델은,컨볼루션 신경망(Convolutional Neural Network, CNN) 형태로 구현된, 전자 장치
|
| 10 |
10
제1항에 있어서,상기 메모리는, 상기 제1 학습 데이터를 통해 학습된 보조 인공 지능 모델에 대한 정보를 더 저장하고,상기 프로세서는,상기 제2 학습 데이터를 상기 보조 인공 지능 모델에 입력하고,상기 복수의 제1 레이어 각각의 출력 및 상기 보조 인공 지능 모델에 포함된 복수의 보조 레이어 각각의 출력에 기초하여 상기 보조 인공 지능 모델을 재학습하며,상기 제2 학습 데이터를 상기 재학습된 보조 인공 지능 모델에 입력하고,상기 재학습된 보조 인공 지능 모델에 포함된 복수의 보조 레이어 각각의 출력 및 상기 복수의 제2 레이어 각각의 출력에 기초하여 상기 제2 인공 지능 모델을 재학습하며,상기 복수의 보조 레이어 각각은, 대응되는 제1 레이어의 복수의 2차원 필터 각각의 크기가 축소된 복수의 필터를 포함하는, 전자 장치
|
| 11 |
11
제10항에 있어서,상기 메모리는, 상기 제1 학습 데이터를 통해 학습된 제1 보조 인공 지능 모델에 대한 정보 및 상기 제1 학습 데이터를 통해 학습된 제2 보조 인공 지능 모델에 대한 정보를 더 저장하고,상기 프로세서는,상기 제2 학습 데이터를 상기 제1 보조 인공 지능 모델 및 상기 제2 보조 인공 지능 모델에 입력하고,상기 복수의 제1 레이어 각각의 출력 및 상기 제1 보조 인공 지능 모델에 포함된 복수의 제1 보조 레이어 각각의 출력에 기초하여 상기 제1 보조 인공 지능 모델을 재학습하고, 상기 복수의 제1 레이어 각각의 출력 및 상기 제2 보조 인공 지능 모델에 포함된 복수의 제2 보조 레이어 각각의 출력에 기초하여 상기 제2 보조 인공 지능 모델을 재학습하며,상기 제2 학습 데이터를 상기 재학습된 제1 보조 인공 지능 모델 및 상기 재학습된 제2 보조 인공 지능 모델에 입력하고,상기 재학습된 제1 보조 인공 지능 모델에 포함된 복수의 제1 보조 레이어 각각의 출력, 상기 재학습된 제2 보조 인공 지능 모델에 포함된 복수의 제2 보조 레이어 각각의 출력 및 상기 복수의 제2 레이어 각각의 출력에 기초하여 상기 제2 인공 지능 모델을 재학습하며,상기 복수의 제1 보조 레이어 각각은, 대응되는 제1 레이어의 복수의 2차원 필터 각각의 크기가 축소된 복수의 필터를 포함하고,상기 복수의 제2 보조 레이어 각각은, 대응되는 제1 레이어의 복수의 2차원 필터 각각의 크기가 축소된 복수의 필터를 포함하고,상기 복수의 제1 보조 레이어 각각에 포함된 복수의 필터 각각은, 대응되는 제2 보조 레이어 각각에 포함된 필터와 형태가 상이한, 전자 장치
|
| 12 |
12
전자 장치의 제어 방법에 있어서,제1 학습 데이터를 통해 학습된 제1 인공 지능 모델 및 상기 제1 학습 데이터를 통해 학습된 제2 인공 지능 모델 각각에 제2 학습 데이터를 입력하는 단계; 및상기 제1 인공 지능 모델에 포함된 복수의 제1 레이어 각각의 출력 및 상기 제2 인공 지능 모델에 포함된 복수의 제2 레이어 각각의 출력에 기초하여 상기 제2 인공 지능 모델을 재학습하는 단계;를 포함하며,상기 복수의 제1 레이어 각각은, 복수의 2차원 필터를 포함하고,상기 복수의 제2 레이어 각각은, 대응되는 제1 레이어의 복수의 2차원 필터 각각의 크기가 축소된 복수의 필터를 포함하는, 제어 방법
|
| 13 |
13
제12항에 있어서,상기 복수의 제1 레이어의 개수는, 상기 복수의 제2 레이어의 개수와 동일하고,상기 재학습하는 단계는,상기 복수의 제1 레이어 각각의 출력을 대응되는 제2 레이어의 출력과 비교하여 복수의 비교 결과를 획득하고,상기 복수의 비교 결과에 기초하여 상기 제2 인공 지능 모델을 재학습하는, 제어 방법
|
| 14 |
14
제13항에 있어서,상기 복수의 제1 레이어 각각에 포함된 상기 복수의 2차원 필터의 개수는, 대응되는 제2 레이어에 포함된 상기 복수의 필터의 개수와 동일하며,상기 복수의 제1 레이어 각각의 출력의 크기는, 대응되는 제2 레이어의 출력의 크기와 동일한, 제어 방법
|
| 15 |
15
제14항에 있어서,상기 재학습하는 단계는,상기 복수의 제2 레이어 각각의 출력을 제3 인공 지능 모델 각각에 입력하고,상기 제3 인공 지능 모델로부터 출력되는 상기 복수의 제2 레이어의 출력에 대한 복수의 구별 결과를 획득하며,상기 복수의 비교 결과 및 상기 복수의 구별 결과에 기초하여 상기 제2 인공 지능 모델을 재학습하고,상기 제3 인공 지능 모델은,상기 복수의 제1 레이어 각각의 출력 및 상기 복수의 제2 레이어 각각의 출력을 구별하도록 학습된 인공 지능 모델인, 제어 방법
|
| 16 |
16
제15항에 있어서,상기 제2 학습 데이터를 상기 재학습된 제2 인공 지능 모델 각각에 입력하는 단계; 및상기 복수의 제1 레이어 각각의 출력 및 상기 재학습된 제2 인공 지능 모델에 포함된 복수의 제3 레이어 각각의 출력을 구별하도록 상기 제3 인공 지능 모델을 재학습하는 단계;를 더 포함하는, 제어 방법
|
| 17 |
17
제15항에 있어서,상기 재학습하는 단계는,상기 복수의 비교 결과 및 상기 복수의 구별 결과를 가중합하여 상기 제2 인공 지능 모델을 재학습하는, 제어 방법
|
| 18 |
18
제17항에 있어서,상기 재학습하는 단계는,상기 복수의 제1 레이어 중 마지막 레이어에 대응되는 비교 결과의 가중치를 나머지 레이어에 대응되는 복수의 비교 결과의 가중치 이상으로 부여하여 상기 제2 인공 지능 모델을 재학습하는, 제어 방법
|
| 19 |
19
제12항에 있어서,상기 복수의 필터 각각은,1 × N 형태 또는 N × 1 형태이고,입력 데이터를 행(row) 단위 또는 컬럼(column) 단위로 독출하는 단계; 및상기 독출된 입력 데이터를 상기 재학습된 제2 인공 지능 모델에 입력하여 상기 입력 데이터를 처리하는 단계;를 더 포함하는, 제어 방법
|
| 20 |
20
전자 장치의 동작 방법을 실행하기 위한 프로그램이 저장된 비일시적 컴퓨터 판독가능 기록매체에 있어서,상기 동작 방법은,제1 학습 데이터를 통해 학습된 제1 인공 지능 모델 및 상기 제1 학습 데이터를 통해 학습된 제2 인공 지능 모델 각각에 제2 학습 데이터를 입력하는 단계; 및상기 제1 인공 지능 모델에 포함된 복수의 제1 레이어 각각의 출력 및 상기 제2 인공 지능 모델에 포함된 복수의 제2 레이어 각각의 출력에 기초하여 상기 제2 인공 지능 모델을 재학습하는 단계;를 포함하며,상기 복수의 제1 레이어 각각은, 복수의 2차원 필터를 포함하고,상기 복수의 제2 레이어 각각은, 대응되는 제1 레이어의 복수의 2차원 필터 각각의 크기가 축소된 복수의 필터를 포함하는, 기록 매체
|
