| 1 |
1
복수의 단말 각각에 분산된 서브 분류 모델을 통해 생성된, 타겟 데이터에 대한 분류 데이터를 수신하는 단계; 및상기 분류 데이터를 이용하여, 상기 타겟 데이터에 대한 최종 클래스를 결정하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 각각에 할당된 클래스의 개수는, 상기 타겟 클래스의 개수보다 적으며,상기 서브 분류 모델 중 적어도 하나는, 상기 복수의 타겟 클래스가 할당된 메인 분류 모델로부터 경량화된 모델이거나 상기 메인 분류 모델과 독립적으로 학습된 모델인,분산된 분류 모델을 이용하는 분류 방법
|
| 2 |
2
제 1항에 있어서,상기 서브 분류 모델 각각에 할당된 클래스는상기 타겟 클래스 이외의 클래스인 기타 클래스를 더 포함하는분산된 분류 모델을 이용하는 분류 방법
|
| 3 |
3
제 1항에 있어서,상기 서브 분류 모델 각각에 할당된 클래스는, 서로 다른 타겟 클래스이거나 모두 동일한 클래스인,분산된 분류 모델을 이용하는 분류 방법
|
| 4 |
4
제 1항에 있어서,상기 서브 분류 모델 각각에 할당된 클래스는서로 다른 타겟 클래스를 포함하는 분산된 분류 모델을 이용하는 분류 방법
|
| 5 |
5
제 1항에 있어서,상기 서브 분류 모델 각각에 할당되는 클래스는상기 타겟 클래스의 상위 개념에 따라서 결정되는분산된 분류 모델을 이용하는 분류 방법
|
| 6 |
6
제 1항에 있어서,상기 서브 분류 모델 중 제1 및 제2서브 분류 모델 각각에 할당된 클래스는,적어도 하나의 중복된 타겟 클래스를 포함하는분산된 분류 모델을 이용하는 분류 방법
|
| 7 |
7
제 6항에 있어서,상기 분류 데이터는상기 서브 분류 모델 각각에 할당된 클래스에 대한 신뢰도값을 포함하며,상기 최종 클래스를 결정하는 단계는상기 중복된 타겟 클래스의 신뢰도값 중 최대값 또는 상기 중복된 타겟 클래스의 신뢰도값의 평균값을 이용하여, 상기 최종 클래스를 결정하는분산된 분류 모델을 이용하는 분류 방법
|
| 8 |
8
제 2항에 있어서,상기 분류 데이터는상기 서브 분류 모델 각각에 할당된 클래스에 대한 신뢰도값을 포함하며,상기 최종 클래스를 결정하는 단계는상기 신뢰도값 중 최대값에 대응되는 클래스를, 상기 최종 클래스로 결정하는분산된 분류 모델을 이용하는 분류 방법
|
| 9 |
9
제 8항에 있어서,상기 분류 데이터는상기 서브 분류 모델 각각에 할당된 클래스 중 상기 타겟 클래스에 대한 신뢰도값을 포함하는분산된 분류 모델을 이용하는 분류 방법
|
| 10 |
10
제 2항에 있어서,상기 분류 데이터는상기 서브 분류 모델 각각에 할당된 클래스에 대한 신뢰도값 중 최대값을 포함하며,상기 최종 클래스를 결정하는 단계는상기 최대값을 이용하여, 상기 최종 클래스를 결정하는분산된 분류 모델을 이용하는 분류 방법
|
| 11 |
11
제 10항에 있어서,상기 분류 데이터는상기 서브 분류 모델 각각에 할당된 클래스 중 상기 타겟 클래스에 대한 신뢰도값을 포함하는분산된 분류 모델을 이용하는 분류 방법
|
| 12 |
12
제 1항에 있어서,상기 분류 데이터는상기 서브 분류 모델 중 일부에 할당된 클래스에 대한 신뢰도값을 포함하며,상기 최종 클래스를 결정하는 단계는상기 신뢰도값이 임계값보다 작은 경우, 상기 분류 데이터에 포함되지 않은 타겟 클래스를 상기 최종 클래스로 결정하는분산된 분류 모델을 이용하는 분류 방법
|
| 13 |
13
복수의 단말 각각에 분산된 서브 분류 모델을 통해 생성된, 타겟 데이터에 대한 분류 데이터를 수신하는 단계; 및상기 분류 데이터를 이용하여, 상기 타겟 데이터에 대한 최종 클래스를 결정하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 각각에 할당된 클래스의 개수는, 상기 타겟 클래스의 개수보다 적으며,상기 서브 분류 모델 각각에 할당된 클래스는, 서로 다른 타겟 클래스이며,상기 서브 분류 모델은, 분류를 위해 상기 복수의 타겟 클래스가 할당된 메인 분류 모델과 상이한 분류 정확도를 가지도록 학습된 모델인분산된 분류 모델을 이용하는 분류 방법
|
| 14 |
14
복수의 단말 각각에 분산된 서브 분류 모델을 통해 생성된, 타겟 데이터에 대한 분류 데이터를 수신하는 단계; 및상기 분류 데이터를 이용하여, 상기 타겟 데이터에 대한 최종 클래스를 결정하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 중 적어도 하나는, 상기 복수의 타겟 클래스가 할당된 메인 분류 모델로부터 경량화된 모델이거나 상기 메인 분류 모델과 독립적으로 학습된 모델인,분산된 분류 모델을 이용하는 분류 방법
|
| 15 |
15
제 14항에 있어서,상기 서브 분류 모델 각각에 할당된 클래스의 개수는, 상기 타겟 클래스의 개수보다 적은 개수인분산된 분류 모델을 이용하는 분류 방법
|
| 16 |
16
제 14항에 있어서,상기 서브 분류 모델은, 상기 메인 분류 모델과 상이한 분류 정확도를 가지도록 학습된 모델인분산된 분류 모델을 이용하는 분류 방법
|
| 17 |
17
복수의 단말의 자원을 모니터링하는 단계; 및상기 모니터링 결과에 따라서, 상기 단말에 서브 분류 모델을 할당하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 각각에 할당된 클래스의 개수는, 상기 타겟 클래스의 개수보다 적으며,상기 서브 분류 모델 중 적어도 하나는, 상기 복수의 타겟 클래스가 할당된 메인 분류 모델로부터 경량화된 모델이거나 상기 메인 분류 모델과 독립적으로 학습된 모델인,분산된 분류 모델을 이용하는 분류 방법
|
| 18 |
18
복수의 단말의 자원을 모니터링하는 단계; 및상기 모니터링 결과에 따라서, 상기 단말에 서브 분류 모델을 할당하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 각각에 할당된 클래스의 개수는, 상기 타겟 클래스의 개수보다 적으며,상기 서브 분류 모델 각각에 할당된 클래스는, 서로 다른 타겟 클래스이며,상기 서브 분류 모델은, 분류를 위해 상기 복수의 타겟 클래스가 할당된 메인 분류 모델과 상이한 분류 정확도를 가지도록 학습된 모델인분산된 분류 모델을 이용하는 분류 방법
|
| 19 |
19
복수의 단말의 자원을 모니터링하는 단계; 및상기 모니터링 결과에 따라서, 상기 단말에 서브 분류 모델을 할당하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 중 적어도 하나는, 상기 복수의 타겟 클래스가 할당된 메인 분류 모델로부터 경량화된 모델이거나 상기 메인 분류 모델과 독립적으로 학습된 모델인분산된 분류 모델을 이용하는 분류 방법
|
| 20 |
20
제 17항 내지 제19항 중 어느 한 항에 있어서,상기 서브 분류 모델 각각에 할당된 클래스의 개수는,상기 단말의 가용 자원에 따라서 결정되며,상기 서브 분류 모델 각각에 할당된 클래스는상기 타겟 클래스 이외의 클래스인 기타 클래스를 더 포함하는분산된 분류 모델을 이용하는 분류 방법
|
| 21 |
21
복수의 후보 단말의 자원을 모니터링하는 단계; 및상기 모니터링 결과에 따라서, 상기 후보 단말 중 서브 분류 모델을 이용하여 타겟 데이터를 분류하는 분류 단말을 결정하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 각각에 할당된 클래스의 개수는, 상기 타겟 클래스의 개수보다 적으며,상기 서브 분류 모델 중 적어도 하나는, 상기 복수의 타겟 클래스가 할당된 메인 분류 모델로부터 경량화된 모델이거나 상기 메인 분류 모델과 독립적으로 학습된 모델인,분산된 분류 모델을 이용하는 분류 방법
|
| 22 |
22
복수의 후보 단말의 자원을 모니터링하는 단계; 및상기 모니터링 결과에 따라서, 상기 후보 단말 중 서브 분류 모델을 이용하여 타겟 데이터를 분류하는 분류 단말을 결정하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 각각에 할당된 클래스의 개수는, 상기 타겟 클래스의 개수보다 적으며,상기 서브 분류 모델 각각에 할당된 클래스는, 서로 다른 타겟 클래스이며,상기 서브 분류 모델은, 분류를 위해 상기 복수의 타겟 클래스가 할당된 메인 분류 모델과 상이한 분류 정확도를 가지도록 학습된 모델인분산된 분류 모델을 이용하는 분류 방법
|
| 23 |
23
복수의 후보 단말의 자원을 모니터링하는 단계; 및상기 모니터링 결과에 따라서, 상기 후보 단말 중 서브 분류 모델을 이용하여 타겟 데이터를 분류하는 분류 단말을 결정하는 단계를 포함하며,미리 학습된 상기 서브 분류 모델 각각에 할당된 분류를 위한 클래스는, 복수의 타겟 클래스 중 적어도 하나를 포함하며,상기 서브 분류 모델 중 적어도 하나는, 상기 복수의 타겟 클래스가 할당된 메인 분류 모델로부터 경량화된 모델이거나 상기 메인 분류 모델과 독립적으로 학습된 모델인분산된 분류 모델을 이용하는 분류 방법
|
| 24 |
24
제 21항 내지 제23항 중 어느 한 항에 있어서,상기 모니터링 결과에 따라서, 상기 후보 단말 중 상기 타겟 데이터를 상기 분류 단말로 전송하는 전송 단말을 결정하는 단계를 더 포함하며,상기 서브 분류 모델 각각에 할당된 클래스는상기 타겟 클래스 이외의 클래스인 기타 클래스를 더 포함하는분산된 분류 모델을 이용하는 분류 방법
|
| 25 |
25
제 21항 내지 제23항 중 어느 한 항에 있어서,상기 분류 단말 각각에 분산된 서브 분류 모델을 통해 생성된, 상기 타겟 데이터에 대한 분류 데이터를 수신하여, 상기 타겟 데이터에 대한 최종 클래스를 결정하는 클래스 결정 단말을, 상기 모니터링 결과에 따라서, 상기 후보 단말 중에서 결정하는 단계를 더 포함하는 분산된 분류 모델을 이용하는 분류 방법
|
