1 |
1
가우시안 과정의 공분산 구조 변화를 탐지하여 주어진 데이터의 변화점 정보를 추출하는 단계;상기 변화점 정보에 기초하여, 실시간으로 변화점 분포를 갱신하는 단계; 및상기 갱신된 변화점 분포에 기초하여, 데이터를 예측하는 단계를 포함하는, 데이터 예측 방법
|
2 |
2
제1항에 있어서,상기 변화점 정보를 추출하는 단계는상기 변화점의 부재를 주장하는 제1 가설을 설정하는 단계;상기 변화점의 존재를 주장하는 제2 가설을 설정하는 단계;상기 제1 가설 및 상기 제2 가설 사이의 우도비(likelihood ration)를 계산하는 단계; 및상기 우도비에 기초하여 제1 가설 및 제2 가설 중 어느 하나를 선택하는 단계를 포함하는, 데이터 예측 방법
|
3 |
3
제2항에 있어서,상기 선택하는 단계는상기 우도비가 미리 정해진 임계값 이상인 경우 상기 제2 가설을 선택하고, 상기 우도비가 상기 임계값 미만인 경우 상기 제1 가설을 선택하는 단계를 포함하는, 데이터 예측 방법
|
4 |
4
제1항에 있어서,상기 갱신하는 단계는상기 변화점이 검출된 경우 상기 변화점 이후 데이터를 통해 상기 변화점 분포를 갱신하는 단계를 포함하는, 데이터 예측 방법
|
5 |
5
제1항에 있어서,상기 변화점 정보를 추출하는 단계는상기 주어진 데이터에 슬라이딩 윈도우(sliding window)를 수행하여 상기 변화점 정보를 추출하는 단계를 포함하는, 데이터 예측 방법
|
6 |
6
제1항에 있어서,상기 갱신하는 단계는상기 변화점 정보를 이용하여 매개변수로 발생될 수 있는 오차를 보정하는 단계를 포함하는, 데이터 예측 방법
|
7 |
7
하드웨어와 결합되어 제1항 내지 제6항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
8 |
8
적어도 하나의 프로그램이 저장된 메모리; 및상기 적어도 하나의 프로그램을 실행하는 프로세서를 포함하고,상기 프로세서는,가우시안 과정의 공분산 구조 변화를 탐지하여 주어진 데이터의 변화점 정보를 추출하고,상기 변화점 정보에 기초하여, 실시간으로 변화점 분포를 갱신하고,상기 갱신된 변화점 분포에 기초하여, 데이터를 예측하는 데이터 예측 장치
|
9 |
9
제8항에 있어서,상기 프로세서는상기 변화점의 부재를 주장하는 제1 가설을 설정하고,상기 변화점의 존재를 주장하는 제2 가설을 설정하고,상기 제1 가설 및 상기 제2 가설 사이의 우도비(likelihood ration)를 계산하고,상기 우도비에 기초하여 제1 가설 및 제2 가설 중 어느 하나를 선택하는, 데이터 예측 장치
|
10 |
10
제9항에 있어서,상기 프로세서는상기 우도비가 미리 정해진 임계값 이상인 경우 상기 제2 가설을 선택하고, 상기 우도비가 상기 임계값 미만인 경우 상기 제1 가설을 선택하는, 데이터 예측 장치
|
11 |
11
제8항에 있어서,상기 프로세서는상기 변화점이 검출된 경우 상기 변화점 이후 데이터를 통해 상기 변화점 분포를 갱신하는, 데이터 예측 장치
|
12 |
12
제8항에 있어서,상기 프로세서는상기 주어진 데이터에 슬라이딩 윈도우(sliding window)를 수행하여 상기 변화점 정보를 추출하는, 데이터 예측 장치
|
13 |
13
제8항에 있어서,상기 프로세서는상기 변화점 정보를 이용하여 매개변수로 발생될 수 있는 오차를 보정하는, 데이터 예측 장치
|