| 1 |
1
컴퓨팅 장치에 의해 각 단계가 수행되는 기계 학습(Machine learning) 모델을 이용하여 측정 신호 데이터의 상태를 분석하는 방법에 있어서,센서로부터 측정한 M차원의 측정 신호 데이터를 다차원 공간상의 위치 정보를 포함하는 L차원의 필터링 데이터로 변환하여 전처리하는 단계;기 입력된 복수의 입력 학습 데이터에 기반한 복수의 클러스터 각각의 중심과 상기 필터링 데이터 간의 거리를 비교하여 최단 거리에 위치한 대상 클러스터를 확인하는 단계;상기 대상 클러스터의 상태 정보를 상기 측정 신호 데이터의 상태 정보로 결정하는 단계를 포함하되,상기 기계 학습 모델은 상기 복수의 클러스터를 통해 학습된신호 데이터 상태 분석 방법
|
| 2 |
2
제1항에 있어서,상기 기계 학습 모델은복수의 입력 학습 데이터 및 상기 입력 학습 데이터의 상태 정보를 포함하는 복수의 상태 학습 데이터를 이용하여 학습된신호 데이터 상태 분석 방법
|
| 3 |
3
제2항에 있어서,상기 기계 학습 모델은상기 복수의 입력 학습 데이터를 다차원 공간상의 위치 정보를 포함하는 복수의 필터링 학습 데이터로 변환하는 단계;상기 복수의 필터링 학습 데이터를 상기 복수의 클러스터로 분류하고 각각의 클러스터에 대하여 상태 정보를 부여하는 단계;상기 각각의 클러스터 내에 포함된 상기 복수의 필터링 학습 데이터에 대응되는 복수의 상태 학습 데이터 각각을 상기 클러스터의 상태 정보와 비교하여 오차값을 산출하는 단계; 및상기 오차값을 미리 설정된 기준값과 비교하여 상기 클러스터 각각의 상태 정보를 결정하는 단계를 포함하는신호 데이터 상태 분석 방법
|
| 4 |
4
제3항에 있어서,상기 각각의 클러스터에 대하여 상태 정보를 부여하는 단계는상기 각각의 클러스터 중심에 있는 필터링 학습 데이터의 상태 정보를 상기 각각의 클러스터의 상태 정보로 부여하는 단계를 포함하는신호 데이터 상태 분석 방법
|
| 5 |
5
제3항에 있어서,상기 오차값은 하기의 수학식 1을 통해 산출되는 신호 데이터 상태 분석 방법
|
| 6 |
6
제3항에 있어서,상기 클러스터 각각의 상태 정보를 결정하는 단계는상기 오차의 합이 미리 설정된 기준값 이상이면 상기 변환하는 단계를 재수행하고, 상기 오차의 합이 미리 설정된 기준값 미만이면 상기 클러스터에 부여된 상태 정보를 상기 클러스터의 상태 정보로 결정하는 단계를 포함하는 신호 데이터 상태 분석 방법
|
| 7 |
7
제1항에 있어서,상기 전처리하는 단계는Df함수를 통해 상기 M차원의 측정 신호 데이터를 이동 및 회전하여 M차원의 필터링 데이터로 변환시키는 단계; 및 DL함수를 통해 상기 M차원의 필터링 데이터의 차원을 축소하여 L차원의 필터링 데이터로 변환시키는 단계를 포함하는신호 데이터 상태 분석 방법
|
| 8 |
8
기계 학습(Machine learning) 모델을 이용하여 측정 신호 데이터의 상태를 분석하는 장치에 있어서,센서로부터 측정한 M차원의 측정 신호 데이터를 다차원 공간상의 위치 정보를 포함하는 L차원의 필터링 데이터로 변환하여 전처리하는 전처리부;기 입력된 복수의 입력 학습 데이터에 기반한 복수의 클러스터 각각의 중심과 상기 필터링 데이터 간의 거리를 비교하여 최단 거리에 위치한 대상 클러스터를 확인하는 거리 비교부;상기 대상 클러스터의 상태 정보를 상기 측정 신호 데이터의 상태 정보로 결정하는 상태 정보 결정부를 포함하되, 상기 기계 학습 모델은 복수의 클러스터를 이용하여 학습되는신호 데이터 상태 분석 장치
|
| 9 |
9
제8항에 있어서,상기 기계 학습 모델은복수의 입력 학습 데이터 및 상기 입력 학습 데이터의 상태 정보를 포함하는 복수의 상태 학습 데이터를 이용하여 학습된신호 데이터 상태 분석 장치
|
| 10 |
10
제8항에 있어서,상기 기계 학습 모델은상기 복수의 입력 학습 데이터를 다차원 공간상의 위치 정보를 포함하는 복수의 필터링 학습 데이터로 변환하고, 상기 복수의 필터링 학습 데이터를 상기 복수의 클러스터로 분류하고 각각의 클러스터에 대하여 상태 정보를 부여하고, 상기 각각의 클러스터 내에 포함된 상기 복수의 필터링 학습 데이터에 대응되는 복수의 상태 학습 데이터 각각을 상기 클러스터의 상태 정보와 비교하여 오차값을 산출하고, 상기 오차값을 미리 설정된 기준값과 비교하여 상기 클러스터 각각의 상태 정보를 결정하는신호 데이터 상태 분석 장치
|
| 11 |
11
제10항에 있어서,상기 기계 학습 모델은 상기 각각의 클러스터 중심에 있는 필터링 학습 데이터의 상태 정보를 상기 각각의 클러스터의 상태 정보로 부여하는 신호 데이터 상태 분석 장치
|
| 12 |
12
제10항에 있어서,상기 오차값은 하기의 수학식 1을 통해 산출되는 신호 데이터 상태 분석 장치
|
| 13 |
13
제10항에 있어서,상기 기계 학습 모델은 상기 오차의 합이 미리 설정된 기준값 이상이면 상기 복수의 입력 학습 데이터를 상기 복수의 필터링 학습 데이터로 다시 변환하고, 상기 오차의 합이 미리 설정된 기준값 미만이면 상기 클러스터에 부여된 상태 정보를 상기 클러스터의 상태 정보로 결정하는 신호 데이터 상태 분석 장치
|
| 14 |
14
제8항에 있어서,상기 전처리부는Df함수를 통해 상기 M차원의 측정 신호 데이터를 이동 및 회전하여 M차원의 필터링 데이터로 변환시키고, DL함수를 통해 상기 M차원의 필터링 데이터의 차원을 축소하여 L차원의 필터링 데이터로 변환시켜 전처리하는 신호 데이터 상태 분석 장치
|
