| 1 |
1
물류 분석을 위한 데이터를 통합하고, 비지도 학습을 통해 통합된 데이터에 관한 특징 데이터를 추출하는 데이터 통합 및 특징 추출 모듈; 및 데이터 통합 및 특징 추출 모듈로부터 특징 데이터를 입력 받아 물류 분석을 위한 학습을 수행하고, 하이퍼파라미터 최적화 기술을 통해 물량 예측을 위한 파라미터를 찾고 학습 결과에 기초하여 물량을 예측하는 딥러닝 기반 지능형 물량 예측 모듈을 포함하는 지능형 물류 분석 기술을 적용한 물량 예측 장치
|
| 2 |
2
제1항에 있어서, 데이터 통합 및 특징 추출 모듈은, 택배 신청 상세 정보 및 주소 정보를 포함하는 우편 물류 정보를 입력 받아 입력 받은 데이터들을 통합하고 파생변수를 생성하여,생성된 파생변수에 대한 오토인코더를 포함하는 비지도 학습을 통해 추출된 특징 데이터를 이용하여 입력변수를 선정하는 지능형 물류 분석 기술을 적용한 물량 예측 장치
|
| 3 |
3
제1항에 있어서,딥러닝 기반 지능형 물량 예측 모듈은, 생성기 및 판별기를 포함하고, 데이터 통합 및 특징 추출 모듈에서 추출된 특징 데이터를 사용하여 물동량 데이터를 생성하는 학습부;학습부 및 예측부에 적용되는 물량 예측을 위한 파라미터를 찾는 하이퍼파라미터 최적화부; 및 하이퍼파라미터 최적화부를 통해 찾은 물량 예측을 위한 파라미터 및 학습부를 통한 학습 결과를 이용하여 물량을 예측하는 예측부 를 포함하는 지능형 물류 분석 기술을 적용한 물량 예측 장치
|
| 4 |
4
제3항에 있어서,학습부는 GAN(Generative Adversarial Network), DNN(Deep Neural Network) 또는 LSTM(Long Short Term Memory) 중 적어도 하나를 이용하여 물동량 데이터에 관한 학습을 수행하고, 하이퍼파라미터 최적화부는 하이퍼파라미터 최적화 기술을 통해 학습부 및 예측부의 물량 예측을 위한 파라미터를 최적화하여 재학습을 진행하고 재학습된 결과를 반영하여 다시 물량을 예측하는 지능형 물류 분석 기술을 적용한 물량 예측 장치
|
| 5 |
5
제4항에 있어서,하이퍼파라미터 최적화부는, 학습을 위한 최적의 하이퍼파라미터 셋을 선택하기 위해 학습 알고리즘을 제어하기 위한 제약 조건, 가중치, 학습 속도를 포함하는 하이퍼파라미터에 대해 미리 정의된 손실 함수를 최소화하는 모델을 산출하여 하이퍼파라미터의 튜플을 찾고, 목표 함수는 해당 튜플을 통해 손실을 반환하는 지능형 물류 분석 기술을 적용한 물량 예측 장치
|
| 6 |
6
데이터 통합 및 특징 추출 모듈이 물류 분석을 위한 데이터를 통합하는 단계; 데이터 통합 및 특징 추출 모듈이 비지도 학습을 통해 통합된 데이터에 관한 특징 데이터를 추출하는 단계; 추출된 특징 데이터를 입력 받아 딥러닝 기반 지능형 물량 예측 모듈의 학습부를 통해 물류 분석을 위한 학습을 수행하는 단계; 딥러닝 기반 지능형 물량 예측 모듈의 하이퍼파라미터 최적화부가 하이퍼파라미터 최적화 기술을 통해 물량 예측을 위한 파라미터를 찾아 물류 분석을 위한 학습에 적용하고, 물량 예측에도 반영하는 단계; 및 하이퍼파라미터 최적화 기술 통한 파라미터 및 학습 결과에 기초하여 딥러닝 기반 지능형 물량 예측 모듈의 예측부를 통해 물량을 예측하는 단계를 포함하는 지능형 물류 분석 기술을 적용한 물량 예측 방법
|
| 7 |
7
제6항에 있어서, 데이터 통합 및 특징 추출 모듈이 물류 분석을 위한 데이터를 통합하는 단계는, 택배 신청 상세 정보 및 주소 정보를 포함하는 우편 물류 정보를 입력 받아 입력 받은 데이터들을 통합하고 파생변수를 생성하고, 데이터 통합 및 특징 추출 모듈이 비지도 학습을 통해 통합된 데이터에 관한 특징 데이터를 추출하는 단계는, 생성된 파생변수에 대한 오토인코더를 포함하는 비지도 학습을 통해 추출된 특징 데이터를 이용하여 입력변수를 선정하는 지능형 물류 분석 기술을 적용한 물량 예측 방법
|
| 8 |
8
제6항에 있어서, 추출된 특징 데이터를 입력 받아 딥러닝 기반 지능형 물량 예측 모듈의 학습부를 통해 물류 분석을 위한 학습을 수행하는 단계는, 생성기 및 판별기를 포함하는 학습부를 통해 데이터 통합 및 특징 추출 모듈에서 추출된 특징 데이터를 사용하여 물동량 데이터를 생성하고, GAN(Generative Adversarial Network), DNN(Deep Neural Network) 또는 LSTM(Long Short Term Memory) 중 적어도 하나를 이용하여 물동량 데이터에 관한 학습을 수행하는 지능형 물류 분석 기술을 적용한 물량 예측 방법
|
| 9 |
9
제6항에 있어서, 딥러닝 기반 지능형 물량 예측 모듈의 하이퍼파라미터 최적화부가 하이퍼파라미터 최적화 기술을 통해 물량 예측을 위한 파라미터를 찾아 물류 분석을 위한 학습에 적용하고, 물량 예측에도 반영하는 단계는, 하이퍼파라미터 최적화 기술을 통해 학습부 및 예측부의 물량 예측을 위한 파라미터를 최적화하여 재학습을 진행하도록 하고 재학습된 결과를 반영하여 다시 물량을 예측하도록 하는지능형 물류 분석 기술을 적용한 물량 예측 방법
|
| 10 |
10
제9항에 있어서, 딥러닝 기반 지능형 물량 예측 모듈의 하이퍼파라미터 최적화부가 하이퍼파라미터 최적화 기술을 통해 물량 예측을 위한 파라미터를 찾아 물류 분석을 위한 학습에 적용하고, 물량 예측에도 반영하는 단계는, 학습을 위한 최적의 하이퍼파라미터 셋을 선택하기 위해 학습 알고리즘을 제어하기 위한 제약 조건, 가중치, 학습 속도를 포함하는 하이퍼파라미터에 대해 미리 정의된 손실 함수를 최소화하는 모델을 산출하여 하이퍼파라미터의 튜플을 찾고, 목표 함수는 해당 튜플을 통해 손실을 반환하는 지능형 물류 분석 기술을 적용한 물량 예측 방법
|
