1 |
1
손실 데이터 복구 방법에 있어서,특정 공간의 손실 데이터에 대한 이전 공간 및 이후 공간에 대응하는 N 개의 순방향 데이터 셋들 및 N 개의 역방향 데이터 셋들을 수신하는 단계;상기 N 개의 순방향 데이터 셋들 및 N 개의 역방향 데이터 셋들을 이용하여 공간 순서에 따라 배치된 개별 LSTM(Long Short-Term Memory) 레이어들을 학습함으로써 상기 N 개의 순방향 데이터 셋들에 대한 제1 훈련 LSTM 레이어 및 상기 N 개의 역방향 데이터 셋들에 대한 제2 훈련 LSTM 레이어를 생성하는 단계;상기 생성된 제1 훈련 LSTM 레이어 및 제2 훈련 LSTM 레이어를 이용하여 상기 특정 공간에 대한 순방향 예측 데이터 및 역방향 예측 데이터를 각각 추출하는 단계; 및상기 순방향 예측 데이터 및 역방향 예측 데이터의 상관도에 기초하여 상기 특정 공간에 대한 손실 데이터를 복구하는 단계를 포함하는 손실 데이터 복구 방법
|
2 |
2
제1항에 있어서,상기 생성하는 단계는,시계열 데이터로 구성된 상기 N 개의 순방향 데이터 셋들 중 첫번째 순방향 데이터 셋을 이용하여 제1 LSTM 레이어를 시간에 따라 학습하는 단계; 및상기 첫번째 순방향 데이터 셋 이후의 순방향 데이터 셋들 각각에 대해 이전 LSTM 레이어를 통해 학습된 파라미터를 적용하여 해당 순방향 데이터 셋들 각각에 대응하는 제2 LSTM 레이어들을 차례대로 학습함으로써 상기 순방향 데이터 셋들에 대한 제1 훈련 LSTM 레이어를 생성하는 단계를 포함하는 손실 데이터 복구 방법
|
3 |
3
제1항에 있어서,상기 생성하는 단계는,시계열 데이터로 구성된 상기 N 개의 역방향 데이터 셋들 중 첫번째 역방향 데이터 셋을 이용하여 제3 LSTM 레이어를 시간에 따라 학습하는 단계; 및상기 첫번째 역방향 데이터 셋 이후의 역방향 데이터 셋들 각각에 대해 이전 LSTM 레이어를 통해 학습된 파라미터를 적용하여 해당 역방향 데이터 셋들 각각에 대응하는 제4 LSTM 레이어들을 차례대로 학습함으로써 상기 역방향 데이터 셋들에 대한 제2 훈련 LSTM 레이어를 생성하는 단계를 포함하는 손실 데이터 복구 방법
|
4 |
4
제1항에 있어서,상기 추출하는 단계는,상기 생성된 제1 훈련 LSTM 레이어 및 제2 훈련 LSTM 레이어에 상기 특정 공간의 직전 공간에 대응하는 순방향 데이터 셋 및 직후 공간에 대응하는 역방향 데이터 셋을 각각 입력함으로써 상기 특정 공간에 대한 순방향 예측 데이터 및 역방향 예측 데이터를 추출하는 손실 데이터 복구 방법
|
5 |
5
제1항에 있어서,상기 복구하는 단계는,상기 N 개의 순방향 데이터 셋들에 대한 제1 상관 계수 및 상기 N 개의 역방향 데이터 셋들에 대한 제2 상관 계수를 이용하여 가중치를 계산하는 단계; 및상기 계산된 가중치를 상기 순방향 예측 데이터 및 역방향 예측 데이터에 적용함으로써 상기 특정 공간에 대한 손실 데이터를 복구하는 단계를 포함하는 손실 데이터 복구 방법
|
6 |
6
제5항에 있어서,상기 가중치는,상기 제1 상관 계수 및 제2 상관 계수의 비율을 통해 계산되는 손실 데이터 복구 방법
|
7 |
7
제1항에 있어서,상기 생성하는 단계는,평균 제곱 오차(mean squared error, MSE)에 대응하는 손실함수를 이용하여 상기 개별 LSTM 레이어들 각각의 파라미터를 업데이트 하는 손실 데이터 복구 방법
|
8 |
8
손실 데이터 복구 장치에 있어서,프로세서를 포함하고,상기 프로세서는,특정 공간의 손실 데이터에 대한 이전 공간 및 이후 공간에 대응하는 N 개의 순방향 데이터 셋들 및 N 개의 역방향 데이터 셋들을 수신하고,상기 N 개의 순방향 데이터 셋들 및 N 개의 역방향 데이터 셋들을 이용하여 공간 순서에 따라 배치된 개별 LSTM(Long Short-Term Memory) 레이어들을 학습함으로써 상기 N 개의 순방향 데이터 셋들에 대한 제1 훈련 LSTM 레이어 및 상기 N 개의 역방향 데이터 셋들에 대한 제2 훈련 LSTM 레이어를 생성하며,상기 생성된 제1 훈련 LSTM 레이어 및 제2 훈련 LSTM 레이어를 이용하여 상기 특정 공간에 대한 순방향 예측 데이터 및 역방향 예측 데이터를 각각 추출하고, 상기 순방향 예측 데이터 및 역방향 예측 데이터의 상관도에 기초하여 결정된 결측 값을 상기 특정 공간에 대한 손실 데이터를 복구하는 손실 데이터 복구 장치
|
9 |
9
제8항에 있어서,상기 프로세서는,시계열 데이터로 구성된 상기 N 개의 순방향 데이터 셋들 중 첫번째 순방향 데이터 셋을 이용하여 제1 LSTM 레이어를 시간에 따라 학습하고, 상기 첫번째 순방향 데이터 셋 이후의 순방향 데이터 셋들 각각에 대해 이전 LSTM 레이어를 통해 학습된 파라미터를 적용하여 해당 순방향 데이터 셋들 각각에 대응하는 제2 LSTM 레이어들을 차례대로 학습함으로써 상기 순방향 데이터 셋들에 대한 제1 훈련 LSTM 레이어를 생성하는 손실 데이터 복구 장치
|
10 |
10
제8항에 있어서,상기 프로세서는,시계열 데이터로 구성된 상기 N 개의 역방향 데이터 셋들 중 첫번째 역방향 데이터 셋을 이용하여 제3 LSTM 레이어를 시간에 따라 학습하고, 상기 첫번째 역방향 데이터 셋 이후의 역방향 데이터 셋들 각각에 대해 이전 LSTM 레이어를 통해 학습된 파라미터를 적용하여 해당 역방향 데이터 셋들 각각에 대응하는 제4 LSTM 레이어들을 차례대로 학습함으로써 상기 역방향 데이터 셋들에 대한 제2 훈련 LSTM 레이어를 생성하는 손실 데이터 복구 장치
|
11 |
11
제8항에 있어서,상기 프로세서는,상기 생성된 제1 훈련 LSTM 레이어 및 제2 훈련 LSTM 레이어에 상기 특정 공간의 직전 공간에 대응하는 순방향 데이터 셋 및 직후 공간에 대응하는 역방향 데이터 셋을 각각 입력함으로써 상기 특정 공간에 대한 순방향 예측 데이터 및 역방향 예측 데이터를 추출하는 손실 데이터 복구 장치
|
12 |
12
제8항에 있어서,상기 프로세서는,상기 N 개의 순방향 데이터 셋들에 대한 제1 상관 계수 및 상기 N 개의 역방향 데이터 셋들에 대한 제2 상관 계수를 이용하여 가중치를 계산하고, 상기 계산된 가중치를 상기 순방향 예측 데이터 및 역방향 예측 데이터에 적용함으로써 상기 특정 공간에 대한 손실 데이터를 복구하는 손실 데이터 복구 장치
|
13 |
13
제12항에 있어서,상기 가중치는,상기 제1 상관 계수 및 제2 상관 계수의 비율을 통해 계산되는 손실 데이터 복구 장치
|
14 |
14
제8항에 있어서,상기 프로세서는,평균 제곱 오차(mean squared error, MSE)에 대응하는 손실함수를 이용하여 상기 개별 LSTM 레이어들 각각의 파라미터를 업데이트 하는 손실 데이터 복구 장치
|