| 1 |
1
전자 장치의 동작 방법에 있어서,제 1 시간 간격의 입력 데이터를 검출하는 동작;미리 설정된 재귀 네트워크를 이용하여, 상기 입력 데이터로부터 제 2 시간 간격의 제 1 예측 데이터를 검출하는 동작; 및상기 재귀 네트워크를 이용하여, 상기 입력 데이터 및 상기 제 1 예측 데이터로부터 제 3 시간 간격의 제 2 예측 데이터를 검출하는 동작을 포함하는 방법
|
| 2 |
2
제 1 항에 있어서, 상기 재귀 네트워크는,상기 입력 데이터 또는 상기 제 1 예측 데이터 중 적어도 어느 하나를 기반으로, 복수 개의 특징 벡터들을 각각 검출하도록 구성되는 인코더; 상기 특징 벡터들 사이에서 각 특징 벡터의 중요도를 계산함으로써, 상기 특징 벡터들의 중요도들을 각각 계산하도록 구성되는 어텐션 모듈; 및상기 중요도들을 기반으로, 상기 특징 벡터들을 이용하여, 상기 제 1 예측 데이터 또는 상기 제 2 예측 데이터 중 적어도 어느 하나를 출력하도록 구성되는 디코더를 포함하고,상기 중요도들 각각은, 상기 특징 벡터들 각각이 상기 제 1 예측 데이터 또는 상기 제 2 예측 데이터를 생성하는 데 영향을 주는 정도를 나타내는 방법
|
| 3 |
3
제 2 항에 있어서, 상기 인코더는,상기 입력 데이터를 기반으로, 제 1 특징 벡터들을 각각 검출하도록 구성되는 제 1 인코더; 상기 디코더로부터 상기 제 1 예측 데이터가 출력되면, 상기 입력 데이터 및 상기 제 1 예측 데이터를 기반으로, 제 2 특징 벡터들을 각각 검출하도록 구성되는 제 2 인코더; 및상기 제 1 특징 벡터들과 상기 제 2 특징 벡터들이 모두 검출되면, 상기 제 1 특징 벡터들과 상기 제 2 특징 벡터들을 각각 결합하도록 구성되는 결합 모듈을 포함하는 방법
|
| 4 |
4
제 2 항에 있어서, 상기 제 1 시간 간격은 과거의 시간 간격을 나타내고, 상기 제 2 시간 간격과 상기 제 3 시간 간격은 미래의 시간 간격을 나타내며, 상기 제 1 시간 간격, 상기 제 2 시간 간격 또는 상기 제 3 시간 간격 중 적어도 어느 두 개는 동일하거나, 상이한 방법
|
| 5 |
5
제 2 항에 있어서, 상기 어텐션 모듈은, 상기 특징 벡터들과 상기 중요도들이 각각 곱해진 결과를 상기 디코더로 전달하는 방법
|
| 6 |
6
제 2 항에 있어서, 상기 인코더 또는 상기 디코더 중 적어도 어느 하나는,복수 개의 순환 신경망(recurrent neural network; RNN)들을 포함하는 방법
|
| 7 |
7
제 1 항에 있어서, 상기 전자 장치는 차량에 장착되거나, 상기 차량이고,상기 입력 데이터는 주변 차량의 이동 경로를 포함하고, 상기 제 1 예측 데이터는 상기 주변 차량의 미래 경로를 포함하는 방법
|
| 8 |
8
제 7 항에 있어서, 상기 제 2 예측 데이터를 검출하는 동작은,상기 재귀 네트워크를 이용하여, 상기 주변 차량의 상기 이동 경로 및 상기 미래 경로로부터, 상기 미래 경로를 업데이트하는 동작을 포함하는 방법
|
| 9 |
9
제 7 항에 있어서, 상기 제 2 예측 데이터를 기반으로, 상기 차량의 주행을 제어하는 동작을 더 포함하는 방법
|
| 10 |
10
전자 장치에 있어서, 메모리; 및상기 메모리와 연결되고, 상기 메모리에 저장된 적어도 하나의 명령을 실행하도록 구성된 프로세서를 포함하고, 상기 프로세서는,제 1 시간 간격의 입력 데이터를 검출하고, 미리 설정된 재귀 네트워크를 이용하여, 상기 입력 데이터로부터 제 2 시간 간격의 제 1 예측 데이터를 검출하고, 상기 재귀 네트워크를 이용하여, 상기 입력 데이터 및 상기 제 1 예측 데이터로부터 제 3 시간 간격의 제 2 예측 데이터를 검출하도록 구성되는 장치
|
| 11 |
11
제 10 항에 있어서, 상기 재귀 네트워크는,상기 입력 데이터 또는 상기 제 1 예측 데이터 중 적어도 어느 하나를 기반으로, 복수 개의 특징 벡터들을 각각 검출하도록 구성되는 인코더; 상기 특징 벡터들 사이에서 각 특징 벡터의 중요도를 계산함으로써, 상기 특징 벡터들의 중요도들을 각각 계산하도록 구성되는 어텐션 모듈; 및상기 중요도들을 기반으로, 상기 특징 벡터들을 이용하여, 상기 제 1 예측 데이터 또는 상기 제 2 예측 데이터 중 적어도 어느 하나를 출력하도록 구성되는 디코더를 포함하고, 상기 중요도들 각각은, 상기 특징 벡터들 각각이 상기 제 1 예측 데이터 또는 상기 제 2 예측 데이터를 생성하는 데 영향을 주는 정도를 나타내는 장치
|
| 12 |
12
제 11 항에 있어서, 상기 인코더는,상기 입력 데이터를 기반으로, 제 1 특징 벡터들을 각각 검출하도록 구성되는 제 1 인코더; 상기 디코더로부터 상기 제 1 예측 데이터가 출력되면, 상기 입력 데이터 및 상기 제 1 예측 데이터를 기반으로, 제 2 특징 벡터들을 각각 검출하도록 구성되는 제 2 인코더; 및상기 제 1 특징 벡터들과 상기 제 2 특징 벡터들이 모두 검출되면, 상기 제 1 특징 벡터들과 상기 제 2 특징 벡터들을 각각 결합하도록 구성되는 결합 모듈을 포함하는 장치
|
| 13 |
13
제 11 항에 있어서, 상기 제 1 시간 간격은 과거의 시간 간격을 나타내고, 상기 제 2 시간 간격과 상기 제 3 시간 간격은 미래의 시간 간격을 나타내며, 상기 제 1 시간 간격, 상기 제 2 시간 간격 또는 상기 제 3 시간 간격 중 적어도 어느 두 개는 동일하거나, 상이한 장치
|
| 14 |
14
제 11 항에 있어서, 상기 어텐션 모듈은,상기 특징 벡터들과 상기 중요도들이 각각 곱해진 결과를 상기 디코더로 전달하는 장치
|
| 15 |
15
제 11 항에 있어서, 상기 인코더 또는 상기 디코더 중 적어도 어느 하나는,복수 개의 순환 신경망들을 포함하는 장치
|
| 16 |
16
제 10 항에 있어서, 상기 전자 장치는 차량에 장착되거나, 상기 차량이고,상기 입력 데이터는 주변 차량의 이동 경로를 포함하고, 상기 제 1 예측 데이터는 상기 주변 차량의 미래 경로를 포함하는 장치
|
| 17 |
17
제 16 항에 있어서, 상기 프로세서는, 상기 재귀 네트워크를 이용하여, 상기 주변 차량의 상기 이동 경로 및 상기 미래 경로로부터, 상기 미래 경로를 업데이트하고, 상기 업데이트된 미래 경로를 상기 제 2 예측 데이터로서 출력하도록 구성되는 장치
|
| 18 |
18
제 16 항에 있어서, 상기 프로세서는,상기 제 2 예측 데이터를 기반으로, 상기 차량의 주행을 제어하도록 구성되는 장치
|
| 19 |
19
컴퓨터 장치에 결합되어, 상기 컴퓨터 장치에 의해 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램에 있어서, 제 1 시간 간격의 입력 데이터를 검출하는 동작;미리 설정된 재귀 네트워크를 이용하여, 상기 입력 데이터로부터 제 2 시간 간격의 제 1 예측 데이터를 검출하는 동작; 및상기 재귀 네트워크를 이용하여, 상기 입력 데이터 및 상기 제 1 예측 데이터로부터 제 3 시간 간격의 제 2 예측 데이터를 검출하는 동작을 실행하기 위한 컴퓨터 프로그램
|
| 20 |
20
제 19 항에 있어서, 상기 재귀 네트워크는,상기 입력 데이터 또는 상기 제 1 예측 데이터 중 적어도 어느 하나를 기반으로, 특징 벡터들을 각각 검출하도록 구성되는 인코더; 상기 특징 벡터들 사이에서 각 특징 벡터의 중요도를 계산함으로써, 상기 특징 벡터들의 중요도들을 각각 계산하도록 구성되는 어텐션 모듈; 및상기 중요도들을 기반으로, 상기 특징 벡터들을 이용하여, 상기 제 1 예측 데이터 또는 상기 제 2 예측 데이터 중 적어도 어느 하나를 출력하도록 구성되는 디코더를 포함하고, 상기 중요도들 각각은, 상기 특징 벡터들 각각이 상기 제 1 예측 데이터 또는 상기 제 2 예측 데이터를 생성하는 데 영향을 주는 정도를 나타내는 컴퓨터 프로그램
|
