| 1 |
1
전자 장치에 있어서,센서;데이터의 시간적 보간을 수행하도록 학습된 제1 신경망 모델 및 데이터의 공간적 보간을 수행하도록 학습된 제2 신경망 모델을 저장하는 메모리; 및상기 센서를 통해 제1 데이터를 획득하고, 상기 제1 데이터에 결측된 제1 센싱 값이 포함되면, 상기 제1 데이터가 획득된 시점 이전에 상기 센서를 통해 획득된 데이터에 포함된 센싱 값들 중 상기 제1 센싱 값에 대응되는 복수의 센싱 값을 상기 제1 신경망 모델에 입력하여, 상기 제1 센싱 값이 시간적으로 보간된 제1 보간 값을 획득하며, 상기 제1 데이터에 포함된 센싱 값들 중 상기 제1 센싱 값 주변의 영역에 포함된 복수의 센싱 값을 상기 제2 신경망 모델에 입력하여, 상기 제1 센싱 값이 공간적으로 보간된 제2 보간 값을 획득하고,상기 제1 보간 값 및 상기 제2 보간 값의 가중합 연산 결과에 따라 제3 보간 값을 획득하는 프로세서; 를 포함하는 전자 장치
|
| 2 |
2
제1 항에 있어서, 상기 프로세서는,상기 제1 보간 값에 제1 가중치를 곱한 값 및 상기 제2 보간 값에 상기 제1 가중치와 상이한 제2 가중치를 곱한 값을 더하여 상기 제3 보간 값을 획득하고,상기 제1 데이터에 포함된 센싱 값들 중 상기 제1 센싱 값이 상기 제3 보간 값으로 대체된 제2 데이터를 제공하는 전자 장치
|
| 3 |
3
제1 항에 있어서, 상기 제1 센싱 값에 대응되는 복수의 센싱 값은 상기 제1 데이터가 획득된 시점 이전의 임계 구간 동안 순차적으로 획득된 데이터에서 상기 제1 센싱 값과 동일한 위치를 가지는 센싱 값들이고,상기 제1 신경망 모델은 RNN(Recurrent Neural Network)를 포함하는 전자 장치
|
| 4 |
4
제1 항에 있어서, 상기 제1 센싱 값 주변의 영역에 포함된 복수의 센싱 값은 상기 제1 센싱 값 주변의 제1 영역에 포함된 복수의 센싱 값 및 상기 제1 영역 주변의 제2 영역에 포함된 복수의 센싱 값을 포함하고, 상기 제2 신경망 모델은 DNN(Deep Neural Network)를 포함하며, 상기 프로세서는, 상기 제1 영역에 포함된 복수의 센싱 값 및 상기 제2 영역에 포함된 복수의 센싱 값을 상기 제2 신경망 모델에 입력하여 상기 제2 보간 값을 획득하는 전자 장치
|
| 5 |
5
제4 항에 있어서, 상기 프로세서는,상기 제1 영역에 포함된 복수의 센싱 값을 상기 제2 신경망 모델에 포함된 제1 DNN 모델에 입력하여 제1 중간 값을 획득하고, 상기 제2 영역에 포함된 복수의 센싱 값을 상기 제2 신경망 모델에 포함된 제2 DNN 모델에 입력하여 제2 중간 값을 획득하며, 상기 제1 중간 값에 제3 가중치를 곱한 값 및 상기 제2 중간 값에 상기 제3 가중치와 상이한 제4 가중치를 곱한 값을 더하여 상기 제2 보간 값을 획득하는 전자 장치
|
| 6 |
6
제5 항에 있어서, 상기 제3 가중치 및 상기 제4 가중치는 상기 제1 영역에 포함된 복수의 센싱 값 중 상기 제1 신경망 모델을 통해 시간적으로 보간된 센싱 값의 개수 및 상기 제2 영역에 포함된 복수의 센싱 값 중 상기 제1 신경망 모델을 통해 시간적으로 보간된 센싱 값의 개수를 바탕으로 결정되는 전자 장치
|
| 7 |
7
제1 항에 있어서, 상기 프로세서는,상기 제1 신경망 모델 및 상기 제2 신경망 모델을 통해, 상기 제1 데이터에 포함된 적어도 하나의 비결측 센싱 값 각각에 대한 적어도 하나의 보간 값을 획득하고, 상기 적어도 하나의 보간 값들을 바탕으로 상기 제1 신경망 모델 및 상기 제2 신경망 모델에 대한 오차 값을 획득하며, 상기 오차 값을 바탕으로 상기 제3 보간 값의 오차가 보정된 제4 보간 값을 획득하는 전자 장치
|
| 8 |
8
제1 항에 있어서, 상기 프로세서는,평균 값 바이어스(bias) 기법 및 회귀 기반의 피팅(fitting) 기법 중 적어도 하나를 이용하여 상기 오차 값을 획득하는 전자 장치
|
| 9 |
9
전자 장치의 제어 방법에 있어서, 제1 데이터를 획득하는 단계;상기 제1 데이터에 결측된 제1 센싱 값이 포함되면, 상기 제1 데이터가 획득된 시점 이전에 상기 센서를 통해 획득된 데이터에 포함된 센싱 값들 중 상기 제1 센싱 값에 대응되는 복수의 센싱 값을 데이터의 시간적 보간을 수행하도록 학습된 제1 신경망 모델에 입력하여, 상기 제1 센싱 값이 시간적으로 보간된 제1 보간 값을 획득하는 단계;상기 제1 데이터에 포함된 센싱 값들 중 상기 제1 센싱 값 주변의 영역에 포함된 복수의 센싱 값을 데이터의 공간적 보간을 수행하도록 학습된 제2 신경망 모델에 입력하여, 상기 제1 센싱 값이 공간적으로 보간된 제2 보간 값을 획득하는 단계; 및 상기 제1 보간 값 및 상기 제2 보간 값의 가중합 연산 결과에 따라 제3 보간 값을 획득하는 단계; 를 포함하는 전자 장치의 제어 방법
|
| 10 |
10
전자 장치의 제어 방법을 실행하는 프로그램을 포함하는 비일시적 컴퓨터 판독 가능 기록매체에 있어서,상기 전자 장치의 제어 방법은,제1 데이터를 획득하는 단계;상기 제1 데이터에 결측된 제1 센싱 값이 포함되면, 상기 제1 데이터가 획득된 시점 이전에 상기 센서를 통해 획득된 데이터에 포함된 센싱 값들 중 상기 제1 센싱 값에 대응되는 복수의 센싱 값을 데이터의 시간적 보간을 수행하도록 학습된 제1 신경망 모델에 입력하여, 상기 제1 센싱 값이 시간적으로 보간된 제1 보간 값을 획득하는 단계;상기 제1 데이터에 포함된 센싱 값들 중 상기 제1 센싱 값 주변의 영역에 포함된 복수의 센싱 값을 데이터의 공간적 보간을 수행하도록 학습된 제2 신경망 모델에 입력하여, 상기 제1 센싱 값이 공간적으로 보간된 제2 보간 값을 획득하는 단계; 및 상기 제1 보간 값 및 상기 제2 보간 값의 가중합 연산 결과에 따라 제3 보간 값을 획득하는 단계; 를 포함하는 컴퓨터 판독 가능 기록매체
|
