1 |
1
성능을 고려하여 업데이트가 필요한 딥 네트워크 모델을 선택하고, 사용자 인증을 통해 등록된 복수의 자율주행차량들 각각의 운용 패턴을 고려하여 차량 별 학습량을 분배하고, 상기 차량 별 학습량을 기반으로 상기 복수의 자율주행차량들로 상기 딥 네트워크 모델 및 학습 데이터를 배포하고, 상기 복수의 자율주행차량들로부터 학습 결과를 수신하는 프로세서; 및상기 딥 네트워크 모델 및 학습 데이터를 저장하는 메모리를 포함하는 것을 특징으로 하는 딥 네트워크 학습 장치
|
2 |
2
청구항 1에 있어서,상기 운용 패턴은상기 복수의 자율주행차량마다 구비되는 자율주행 시스템의 유휴 상태에 관한 정보를 포함하는 것을 특징으로 하는 딥 네트워크 학습 장치
|
3 |
3
청구항 1에 있어서, 상기 자율주행 시스템의 유휴 상태는주차, 정차 및 수동 주행 중 적어도 하나의 상황에서 전력 공급이 가능한 상태에 상응하는 것을 특징으로 하는 딥 네트워크 학습 장치
|
4 |
4
청구항 1에 있어서,상기 프로세서는검증 데이터를 기반으로 상기 학습 결과에 대한 검증을 수행하여 신뢰도 평가 점수를 산출하고, 상기 신뢰도 평가 점수를 고려하여 상기 차량 별 학습량을 조정하고, 상기 신뢰도 평가 점수를 이용하여 학습 요청을 위한 차량 별 우선순위를 설정하는 것을 특징으로 하는 딥 네트워크 학습 장치
|
5 |
5
청구항 4에 있어서,상기 프로세서는상기 복수의 자율주행차량들 각각에 대한 현재 상태를 모니터링하여 차량 별 상태 변경 이력을 체크하고, 상기 차량 별 상태 변경 이력을 기반으로 상기 신뢰도 평가 점수를 보정하는 것을 특징으로 하는 딥 네트워크 학습 장치
|
6 |
6
청구항 1에 있어서,상기 프로세서는상기 복수의 자율주행차량들 각각에 대한 현재 상태를 모니터링하고, 상기 현재 상태가 상기 차량 별 운용 패턴과 일치하지 않아서 학습 효율이 떨어지는 자율주행차량이 존재하는 경우에 상기 학습 효율이 떨어지는 자율주행차량에 분배된 학습량을 다른 자율주행차량에게 재분배하는 것을 특징으로 하는 딥 네트워크 학습 장치
|
7 |
7
청구항 1에 있어서,상기 프로세서는상기 학습 결과를 기반으로 상기 복수의 자율주행차량들 각각에 대한 기여도를 산출하고, 상기 복수의 자율주행차량마다 상기 기여도에 상응하는 인센티브를 제공하는 것을 특징으로 하는 딥 네트워크 학습 장치
|
8 |
8
청구항 2에 있어서, 상기 사용자 인증은상기 자율주행 시스템이 유휴 상태일 경우에 학습 참여에 동의하는 과정을 포함하는 것을 특징으로 하는 딥 네트워크 학습 장치
|
9 |
9
청구항 1에 있어서,상기 딥 네트워크 모델 및 상기 학습 데이터는 암호화되어 배포되는 것을 특징으로 하는 딥 네트워크 학습 장치
|
10 |
10
전력을 공급하는 전력공급 모듈;딥 네트워크 학습 장치로부터 배포되는 딥 네트워크 모델 및 학습 데이터를 획득하고, 학습 결과를 상기 딥 네트워크 학습 장치로 전달하는 연동 모듈;자율주행 시스템을 모니터링하는 모니터링 모듈;상기 자율주행 시스템에 유휴 상태인 경우에 상기 자율주행 시스템에 상응하는 컴퓨팅 자원을 기반으로 상기 딥 네트워크 모델을 학습하는 연산 모듈; 및상기 딥 네트워크 모델 및 학습 데이터를 저장하는 메모리를 포함하는 것을 특징으로 하는 자율주행차량
|
11 |
11
딥 네트워크 학습 장치가, 성능을 고려하여 업데이트가 필요한 딥 네트워크 모델을 선택하는 단계;사용자 인증을 통해 등록된 복수의 자율주행차량들 각각의 운용 패턴을 고려하여 차량 별 학습량을 분배하는 단계;상기 차량 별 학습량을 기반으로 상기 복수의 자율주행차량들로 상기 딥 네트워크 모델 및 학습 데이터를 배포하는 단계; 및상기 복수의 자율주행차량들로부터 학습 결과를 수신하는 단계를 포함하는 것을 특징으로 하는 딥 네트워크 학습 방법
|
12 |
12
청구항 11에 있어서,상기 운용 패턴은상기 복수의 자율주행차량마다 구비되는 자율주행 시스템의 유휴 상태에 관한 정보를 포함하는 것을 특징으로 하는 딥 네트워크 학습 방법
|
13 |
13
청구항 11에 있어서,상기 자율주행 시스템의 유휴 상태는주차, 정차 및 수동 주행 중 적어도 하나의 상황에서 전력 공급이 가능한 상태에 상응하는 것을 특징으로 하는 딥 네트워크 학습 방법
|
14 |
14
청구항 11에 있어서,검증 데이터를 기반으로 상기 학습 결과에 대한 검증을 수행하여 신뢰도 평가 점수를 산출하는 단계;상기 신뢰도 평가 점수를 고려하여 상기 차량 별 학습량을 조정하는 단계; 및상기 신뢰도 평가 점수를 이용하여 학습 요청을 위한 차량 별 우선순위를 설정하는 단계를 더 포함하는 것을 특징으로 하는 딥 네트워크 학습 방법
|
15 |
15
청구항 14에 있어서,상기 복수의 자율주행차량들 각각에 대한 현재 상태를 모니터링하여 차량 별 상태 변경 이력을 체크하고, 상기 차량 별 상태 변경 이력을 기반으로 상기 신뢰도 평가 점수를 보정하는 단계를 더 포함하는 것을 특징으로 하는 딥 네트워크 학습 방법
|
16 |
16
청구항 11에 있어서,상기 복수의 자율주행차량들 각각에 대한 현재 상태를 모니터링하고, 상기 현재 상태가 상기 차량 별 운용 패턴과 일치하지 않아서 학습 효율이 떨어지는 자율주행차량이 존재하는 경우에 상기 학습 효율이 떨어지는 자율주행차량에 분배된 학습량을 다른 자율주행차량에게 재분배하는 단계를 더 포함하는 것을 특징으로 하는 딥 네트워크 학습 방법
|
17 |
17
청구항 11에 있어서,상기 학습 결과를 기반으로 상기 복수의 자율주행차량들 각각에 대한 기여도를 산출하고, 상기 복수의 자율주행차량마다 상기 기여도에 상응하는 인센티브를 제공하는 단계를 더 포함하는 것을 특징으로 하는 딥 네트워크 학습 방법
|
18 |
18
청구항 12에 있어서,상기 사용자 인증은상기 자율주행 시스템이 유휴 상태일 경우에 학습 참여에 동의하는 과정을 포함하는 것을 특징으로 하는 딥 네트워크 학습 방법
|
19 |
19
청구항 11에 있어서,상기 딥 네트워크 모델 및 상기 학습 데이터는 암호화되어 배포되는 것을 특징으로 하는 딥 네트워크 학습 방법
|