| 1 |
1
인공지능 알고리즘의 파라미터가 개체로 정의된 개체 집단(Population)을 생성하는 단계;개체 집단에 대해 유전자 알고리즘을 적용하여, 개체들을 진화시키는 단계; 및진화된 개체들 중 하나를 선택하여, 인공지능 알고리즘의 파라미터를 설정하는 단계;를 포함하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 2 |
2
청구항 1에 있어서,진화 단계는,부모 개체들을 선택하는 단계;선택된 개체들을 Crossover 연산 하여, 자식 개체들을 생성하는 단계;생성된 자식 개체들의 적합도를 계산하는 단계;계산된 적합도를 기초로, 개체들을 변경하는 단계;를 포함하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 3 |
3
청구항 2에 있어서,선택 단계는,개체 집단의 각 개체에 대한 적합도를 계산하고, 계산된 적합도에 따라 개체들을 정렬하며, 정렬 순서에 따라 부모 개체들을 선택하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 4 |
4
청구항 2에 있어서,변경 단계는,계산된 적합도를 기초로, 부모 개체를 자식 개체로 대체할지 여부를 결정하는 단계; 및대체로 결정되면, 부모 개체를 자식 개체로 대체하는 단계;를 포함하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 5 |
5
청구항 2에 있어서,생성 단계는,Crossover 연산으로 Single Point Crossover 연산을 사용하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 6 |
6
청구항 2에 있어서,진화 단계는,생성된 자식 개체들을 Mutation 연산 하여, 변형하는 단계;를 더 포함하고,계산 단계는,변형된 자식 개체들의 적합도를 계산하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 7 |
7
청구항 2에 있어서,계산 단계는,개체에 정의된 파라미터로 설정된 인공지능 알고리즘에 대해 테스트 데이터로 산출한 에러율을 적합도로 계산하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 8 |
8
청구항 7에 있어서,진화 단계는,정해진 횟수 만큼 반복하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 9 |
9
청구항 7에 있어서,설정 단계는,에러율이 가장 낮은 개체를 선택하되, 에러율이 동일한 개체가 다수이면 인공지능 알고리즘에서 뉴런 개수가 가장 작은 개체를 선택하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법
|
| 10 |
10
인공지능 알고리즘를 구동하는 구동부; 및인공지능 알고리즘의 파라미터를 설정하는 설정부;를 포함하고,설정부는,인공지능 알고리즘의 파라미터가 개체로 정의된 개체 집단(Population)을 생성하고, 개체 집단에 대해 유전자 알고리즘을 적용하여 개체들을 진화시키며, 진화된 개체들 중 하나를 선택하여 인공지능 알고리즘의 파라미터를 설정하는 것을 특징으로 하는 인공지능 시스템
|
| 11 |
11
인공지능 알고리즘의 파라미터를 설정하는 단계;설정된 인공지능 알고리즘을 구동하는 단계;를 포함하고,설정 단계는,인공지능 알고리즘의 파라미터가 개체로 정의된 개체 집단(Population)을 생성하는 단계;개체 집단에 대해 유전자 알고리즘을 적용하여, 개체들을 진화시키는 단계; 및진화된 개체들 중 하나를 선택하여, 인공지능 알고리즘의 파라미터를 설정하는 단계;를 포함하는 것을 특징으로 하는 인공지능 알고리즘 구동 방법
|
| 12 |
12
인공지능 알고리즘의 파라미터가 개체로 정의된 개체 집단(Population)을 생성하는 단계;개체 집단에 대해 유전자 알고리즘을 적용하여, 개체들을 진화시키는 단계; 및진화된 개체들 중 하나를 선택하여, 인공지능 알고리즘의 파라미터를 설정하는 단계;를 포함하는 것을 특징으로 하는 인공지능 알고리즘의 파라미터 최적화 방법을 수행할 수 있는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
|
