| 1 |
1
컴퓨터에 의해 수행되는 방법에 있어서,원본 데이터로부터 특성(feature) 및 정답(target)으로 구성된 제1 데이터 셋을 설정하는 단계;상기 제1 데이터 셋을 미리 준비된 머신러닝 알고리즘에 적용시키는 단계;상기 제1 데이터 셋에 기반한 상기 머신러닝 알고리즘에서의 실제 값과 예측 값 간의 정확도가 미리 설정된 정확도 이상을 만족하는지 여부를 판단하는 단계; 상기 판단 결과 미리 설정된 정확도 미만인 경우, 상기 원본 데이터로부터 이미지 형태의 제2 데이터 셋을 생성하는 단계; 상기 제2 데이터 셋를 이미지 분류 딥러닝 알고리즘에 적용시키는 단계; 상기 제2 데이터 셋에 기반한 상기 이미지 분류 딥러닝 알고리즘에서의 실제 값과 예측 값 간의 정확도가 상기 설정된 정확도 이상을 만족하는지 여부를 판단하는 단계; 및상기 판단 결과에 기초하여 상기 예측 값을 추가하여 상기 제1 데이터 셋을 갱신하는 단계를 포함하는,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 2 |
2
제1항에 있어서,상기 원본 데이터로부터 이미지 형태의 제2 데이터 셋을 생성하는 단계는,상기 제1 데이터 셋의 특성 수에 상응하도록 이미지를 생성하여 맵핑시키는 단계; 및상기 정답에 부여된 값을 분류 폴더명으로 저장하는 단계를 포함하는,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 3 |
3
제2항에 있어서,상기 원본 데이터의 특성 수에 상응하도록 이미지를 생성하여 맵핑시키는 단계는,상기 특성에 부여된 값의 크기에 따라 색의 요소를 구분하여 상기 이미지를 생성하여 맵핑시키는 것인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 4 |
4
제3항에 있어서,상기 원본 데이터의 특성 수에 상응하도록 이미지를 생성하여 맵핑시키는 단계는,상기 특성마다 각각 색상을 상이하도록 구분하여 상기 이미지를 생성하여 맵핑시키되, 상기 특성에 부여된 값의 크기에 따라 상기 색상의 채도 및 명도를 점점 높은 값으로 또는 점점 낮은 값으로 할당하여 상기 이미지를 생성 및 맵핑시키는 것인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 5 |
5
제2항에 있어서,상기 원본 데이터로부터 이미지 형태의 제2 데이터 셋을 생성하는 단계는,상기 제2 데이터 셋의 특징 값의 범위를 확인하는 단계; 및상기 특징 값의 범위가 속하는 유형에 기초하여 상기 이미지의 형태의 타입을 적용하는 단계를 포함하는,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 6 |
6
제5항에 있어서,상기 특징 값의 범위가 유형에 기초하여 상기 이미지의 형태의 타입을 적용하는 단계는,상기 특징 값의 범위가 정규 분포의 형태를 갖는 경우 막대 차트 타입의 이미지 형태를 적용하고, 상기 특징 값의 범위 중 일부가 다수의 범위에서 벗어나는 경우 파이 차트 타입의 형태를 적용하는 것인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 7 |
7
제2항에 있어서,상기 정답에 부여된 값을 폴더명으로 저장하는 단계는,상기 원본 데이터에서의 상기 특성에 상응하는 정답이 복수 개인 경우, 상기 정답에 부여된 값의 배열로 상기 분류 폴더명을 지정하는 것인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 8 |
8
제1항에 있어서,상기 판단 결과에 기초하여 상기 예측 값을 추가하여 상기 제1 데이터 셋을 갱신하는 단계는,상기 판단 결과 상기 정확도가 미리 설정된 정확도 이상을 만족하는 경우, 상기 제1 데이터 셋을 갱신하고, 상기 판단 결과 상기 정확도가 설정된 정확도 미만인 경우, 상기 원본 데이터로부터 이미지 형태의 제2 데이터 셋을 생성하는 단계를 재수행하는 것인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 9 |
9
제1항에 있어서,상기 제1 데이터 셋은 센서 데이터 또는 숫자 데이터인 원본 데이터로부터 구성됨에 따라 과소적합 상태로 생성되는 데이터 셋인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 방법
|
| 10 |
10
인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 시스템에 있어서,과소적합 상태의 센서 데이터 또는 숫자 데이터로 구성되는 원본 데이터로부터 특성(feature) 및 정답(target)으로 구성된 제1 데이터 셋을 설정하고, 상기 원본 데이터로부터 이미지 형태의 제2 데이터 셋을 생성하여 상기 제1 데이터 셋을 갱신하기 위한 프로그램이 저장된 메모리 및상기 메모리에 저장된 프로그램을 실행시키는 프로세서를 포함하되,상기 프로세서는 상기 프로그램을 실행시킴에 따라, 상기 제2 데이터 셋를 이미지 분류 딥러닝 알고리즘에 적용시키고, 상기 제2 데이터 셋에 기반한 상기 이미지 분류 딥러닝 알고리즘에서의 실제 값과 예측 값 간의 정확도가 상기 설정된 정확도 이상을 만족하는지 여부를 판단하며, 상기 판단 결과에 기초하여 상기 예측 값을 반영하여 상기 제1 데이터 셋을 갱신하는 것인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 시스템
|
| 11 |
11
제10항에 있어서,상기 프로세서는 상기 원본 데이터의 특성에 부여된 값의 크기에 따라 색의 요소를 구분하고, 상기 정답에 부여된 값을 분류 폴더명으로 저장하여, 상기 이미지를 생성하여 맵핑시키는 것인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 시스템
|
| 12 |
12
제11항에 있어서,상기 프로세서는 상기 제2 학습데이터 셋의 특징 값의 범위를 확인하고, 상기 특징 값의 범위가 속하는 유형에 기초하여 상기 이미지의 형태의 타입을 적용하되, 상기 특징 값의 범위가 정규 분포의 형태를 갖는 경우 막대 차트 타입의 이미지 형태를 적용하고, 상기 특징 값의 범위 중 일부가 다수의 범위에서 벗어나는 경우 파이 차트 타입의 형태를 적용하는 것인,인공지능 알고리즘의 정확도 향상을 위한 데이터 변환 시스템
|
