| 1 |
1
특정 분포를 따르지 않는 개체 별 시계열 특성을 갖는 모집단의 자료를 입력 받고, 입력된 특정 분포를 따르지 않는 개체 별 시계열 특성을 갖는 모집단의 자료 내에서 개체 별 식별 번호에 따른 기록이 관찰되는 횟수를 산출하는 단계; 개체 별 식별 번호에 따른 하나의 기록이 존재하는 경우, 해당 기록에 관한 하위 그룹을 생성하는 단계; 개체 별 식별 번호에 따른 두 개 이상의 기록이 존재하는 경우, 해당 기록을 개체 별로 묶고 시계열 특성에 따라 순서변수를 생성하고, 각각의 개체의 순서변수 별 하위 그룹을 생성하는 단계; 상기 생성된 각각의 하위 그룹에 대하여 유의성 테스트, 지니 계수 산출 및 적대적 생성 신경망(Generative Adversarial Networks; GAN)을 통해 재현 과정을 수행하는 단계; 및모든 하위 그룹에 대한 재현 자료를 생성한 후, 각각의 재현 자료에 대한 GLM(General Linear Regression Model) 회귀를 수행하여 재현 결과를 검증하는 단계 를 포함하는 재현자료를 생성 방법
|
| 2 |
2
제1항에 있어서,개체 별 식별 번호에 따른 두 개 이상의 기록이 존재하는 경우, 해당 기록을 개체 별로 묶고 시계열 특성에 따라 순서변수를 생성하고, 각각의 개체의 순서변수 별 하위 그룹을 생성하는 단계는, 개체 별 식별 번호에 따른 두 개 이상의 기록이 존재하는 경우, 동일개체에 대한 기록들을 인식한 뒤, 기록들의 종류에 따라 선분이력형태로 변경하고 각 개체 내 기록이 생성된 순서로 시계열적 특성을 반영하는 순서변수를 생성하는 재현자료를 생성 방법
|
| 3 |
3
제1항에 있어서,상기 생성된 각각의 하위 그룹에 대하여 유의성 테스트, 지니 계수 산출 및 적대적 생성 신경망을 통해 재현 과정을 수행하는 단계는, 조건부 추론 방식(Conditional Inference Tree; CTREE)을 통해 유의성 테스트를 수행하고, 분류 및 회귀 방식(Classification and Regression Tree; CART)을 통해 지니 계수를 산출하고, 적대적 생성 신경망을 통해 학습을 수행하는 재현자료를 생성 방법
|
| 4 |
4
제3항에 있어서,과적합을 피하기 위한 순서변수 선택을 위해 조건부 추론 방식을 통한 유의성 테스트를 수행하고 공변량 선택 후 노드 분할의 과정을 재귀적으로 수행하는 조건부 추론 방식 알고리즘의 모든 시작 부분에서 순열을 검정(permutation test)하며, 과적합을 일으키는 트리기반 분류 및 회귀 방식을 보완하기 위해 조건부 추론 방식을 우선적으로 적용하는 재현자료를 생성 방법
|
| 5 |
5
제3항에 있어서,조건부 추론 방식을 우선 적용한 뒤 하위 그룹에 관한 데이터의 분포에 따라 또는 변수의 값 또는 범위가 결측값(NA)이거나 또는 검정통계량을 산출하지 못해 조건부 추론이 실패한 데이터에 대해 과적합 여부에 상관없이 바이너리 분할 방식인 분류 및 회귀 방식을 적용하는 재현자료를 생성 방법
|
| 6 |
6
제3항에 있어서,조건부 추론 방식 및 분류 및 회귀 방식을 통해 모두 재현할 수 없어 분포가 한정적으로 정의된 데이터에 대해 적대적 생성 신경망을 적용하는 재현자료를 생성 방법
|
| 7 |
7
제6항에 있어서,적대적 생성 신경망은 조건부 변수(y)가 있는 적대적 생성 신경망의 확장으로, 입력 레이어로 판별자와 생성자 모두에 제공되며, 순서변수를 조건부 변수(y)로 설정하여 시작되며, 각 부분집합에 대해, 조건(y), 랜덤 노이즈(z) 및 랜덤 생성된 조건(y')에 대해 원래 데이터(x)로 판별자를 훈련하고, 판별자에 의해 학습된 생성자는 랜덤 노이즈(z)와 랜덤 생성된 조건(y')을 입력으로 취하고, 판별자에 입력값이 되는 가짜 데이터(x') 및 가짜 조건(y')을 생성하고, 이후 판별자에 의해 실수로 예측된 레이블이 지정된 데이터는 다시 원래 데이터의 형태로 변환되는재현자료를 생성 방법
|
| 8 |
8
제1항에 있어서,모든 하위 그룹에 대한 재현 자료를 생성한 후, 각각의 재현 자료에 대한 GLM(General Linear Regression Model) 회귀를 수행하여 재현 결과를 검증하는 단계는, 재현 결과를 검증하기 위해 특정 순서변수의 효율에 대한 신뢰구간(Confidence Interval; CI)의 오버랩 구간을 계산하여 평균으로 나타내고, 계산된 오버랩 구간이 넓을수록 유용성이 높은 것으로 해석하는 재현자료를 생성 방법
|
| 9 |
9
특정 분포를 따르지 않는 개체 별 시계열 특성을 갖는 모집단의 자료를 입력 받고, 입력된 특정 분포를 따르지 않는 개체 별 시계열 특성을 갖는 모집단의 자료 내에서 개체 별 식별 번호에 따른 기록이 관찰되는 횟수를 산출하는 자료 입력부; 개체 별 식별 번호에 따른 하나의 기록이 존재하는 경우, 해당 기록에 관한 하위 그룹을 생성하고, 개체 별 식별 번호에 따른 두 개 이상의 기록이 존재하는 경우, 해당 기록을 개체 별로 묶고 시계열 특성에 따라 순서변수를 생성하고, 각각의 개체의 순서변수 별 하위 그룹을 생성하는 하위 그룹 생성부; 상기 생성된 각각의 하위 그룹에 대하여 유의성 테스트, 지니 계수 산출 및 적대적 생성 신경망을 통해 재현 과정을 수행하는 재현 자료 생성부; 및모든 하위 그룹에 대한 재현 자료를 생성한 후, 각각의 재현 자료에 대한 GLM(General Linear Regression Model) 회귀를 수행하여 재현 결과를 검증하는 재현 자료 검증부 를 포함하는 재현자료를 생성 장치
|
| 10 |
10
제9항에 있어서,하위 그룹 생성부는, 개체 별 식별 번호에 따른 두 개 이상의 기록이 존재하는 경우, 동일개체에 대한 기록들을 인식한 뒤, 기록들의 종류에 따라 선분이력형태로 변경하고 각 개체 내 기록이 생성된 순서로 시계열적 특성을 반영하는 순서변수를 생성하는 재현자료를 생성 장치
|
| 11 |
11
제9항에 있어서,재현 자료 생성부는, 조건부 추론 방식(Conditional Inference Tree; CTREE)을 통해 유의성 테스트를 수행하고, 분류 및 회귀 방식(Classification and Regression Tree; CART)을 통해 지니 계수를 산출하고, 적대적 생성 신경망을 통해 학습을 수행하는재현자료를 생성 장치
|
| 12 |
12
제11항에 있어서,재현 자료 생성부는, 과적합을 피하기 위한 순서변수 선택을 위해 조건부 추론 방식을 통한 유의성 테스트를 수행하고 공변량 선택 후 노드 분할의 과정을 재귀적으로 수행하는 조건부 추론 방식 알고리즘의 모든 시작 부분에서 순열을 검정(permutation test)하며, 과적합을 일으키는 트리기반 분류 및 회귀 방식을 보완하기 위해 조건부 추론 방식을 우선적으로 적용하는재현자료를 생성 장치
|
| 13 |
13
제11항에 있어서,재현 자료 생성부는, 조건부 추론 방식을 우선 적용한 뒤 하위 그룹에 관한 데이터의 분포에 따라 또는 변수의 값 또는 범위가 결측값(NA)이거나 또는 검정통계량을 산출하지 못해 조건부 추론이 실패한 데이터에 대해 과적합 여부에 상관없이 바이너리 분할 방식인 분류 및 회귀 방식을 적용하는 재현자료를 생성 장치
|
| 14 |
14
제11항에 있어서,재현 자료 생성부는, 조건부 추론 방식 및 분류 및 회귀 방식을 통해 모두 재현할 수 없어 분포가 한정적으로 정의된 데이터에 대해 적대적 생성 신경망을 적용하는재현자료를 생성 장치
|
| 15 |
15
제14항에 있어서,적대적 생성 신경망은 조건부 변수(y)가있는 적대적 생성 신경망의 확장으로, 입력 레이어로 판별자와 생성자 모두에 제공되며, 순서변수를 조건부 변수(y)로 설정하여 시작되며, 각 부분집합에 대해, 조건(y), 랜덤 노이즈(z) 및 랜덤 생성된 조건(y')에 대해 원래 데이터(x)로 판별자를 훈련하고, 판별자에 의해 학습된 생성자는 랜덤 노이즈(z)와 랜덤 생성된 조건(y')을 입력으로 취하고, 판별자에 입력값이 되는 가짜 데이터(x') 및 가짜 조건(y')을 생성하고, 이후 판별자에 의해 실수로 예측된 레이블이 지정된 데이터는 다시 원래 데이터의 형태로 변환되는 재현자료를 생성 장치
|
| 16 |
16
제9항에 있어서,재현 자료 검증부는, 재현 결과를 검증하기 위해 특정 순서변수의 효율에 대한 신뢰구간(Confidence Interval; CI)의 오버랩 구간을 계산하여 평균으로 나타내고, 계산된 오버랩 구간이 넓을수록 유용성이 높은 것으로 해석하는 재현자료를 생성 장치
|
