| 1 |
1
복수의 클라이언트 서버; 및하나의 클라우드 서버를 포함하되,상기 각각의 클라이언트 서버는,상기 클라우드 서버의 모델 파라미터 요청 명령에 의거 각각의 모델 파라미터를 생성하여 전달하고,상기 클라우드 서버는 수집된 모델 파라미터를 룩 업 테이블 형태로 등록하는 제어부를 더 포함하는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 시스템
|
| 2 |
2
제1항에 있어서, 상기 모델 파라미터는, 데이터 프로파일 정보 및 각 클라이언트 서버의 고유 식별정보 UUID(Universally Unique Identifier)를 포함하고,상기 데이터 프로파일 정보는 데이터 유형, 속성, 및 특성을 포함하는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 시스템
|
| 3 |
3
제2항에 있어서, 상기 제어부는,수신된 센서 데이터의 유형과 기 등록된 모델 파라미터와 매칭되는 복수의 클라이언트 서버 중 적어도 하나의 클라이언트 서버로 수신된 센서 데이터를 전달하도록 구비되는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 시스템
|
| 4 |
4
제3항에 있어서, 상기 제어부는,상기 적어도 하나의 클라이언트 서버의 학습 결과값을 기 등록된 모델 파라미터와 매칭되는 신경망에 전달하도록 구비되는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 시스템
|
| 5 |
5
제4항에 있어서, 상기 제어부는,상기 신경망의 연산 결과값인 특징값을 상기 적어도 하나의 클라이언트 서버로 전달하고,상기 적어도 하나의 클라이언트 서버 각각은,수신된 특징값으로 학습 모델을 갱신한 다음 갱신된 학습 모델로 입력된 센서 데이터에 대해 학습 결과값을 도출하도록 구비되는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 시스템
|
| 6 |
6
제1항의 클라우드 서버와 연동하는 복수의 클라이언트 서버 간에 통합 학습 방법에 있어서,클라우드 서버의 모델 파라미터 요청 명령에 응답하여 각각의 클라이언트 서버에서 모델 파라미터를 생성한 다음 생성된 각각의 클라이언트 서버의 모델 파라미터를 클라우드 서버로 전달하는 단계; 및상기 클라우드 서버에서 수신된 각 클라이언트 서버의 모델 파라미터를 룩업 테이블값으로 등록하는 단계를 포함하는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 방법
|
| 7 |
7
제6항에 있어서, 상기 모델 파라미터를 등록하는 단계 이후에 수신된 센서 데이터의 유형과 기 등록된 모델 파라미터와 매칭되는 복수의 클라이언트 서버 중 적어도 하나의 클라이언트 서버로 수신된 센서 데이터를 전달하는 단계; 및상기 적어도 하나의 클라이언트 서버 각각에서, 수신된 센서 데이터를 기 구축된 학습 모델에 의거 훈련하여 학습 결과값을 도출하는 단계를 더 포함하는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 방법
|
| 8 |
8
제7항에 있어서, 상기 학습 결과 도출 단계 이후에 상기 클라우드 서버에서, 상기 적어도 하나의 클라이언트 서버의 학습 결과값을 기 등록된 모델 파라미터와 매칭되는 신경망에 전달하는 단계; 및상기 클라우드 서버의 신경망에서, 수신된 학습 결과값에 대해 훈련하여 연산 결과값인 특징값을 도출하는 단계를 더 포함하는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 방법
|
| 9 |
9
제8항에 있어서, 상기 특징값을 도출하는 단계 이후에 상기 신경망의 연산 결과값인 특징값을 상기 적어도 하나의 클라이언트 서버로 전달하는 단계; 및상기 적어도 하나의 클라이언트 서버 각각에서, 수신된 특징값으로 학습 모델을 갱신한 다음 갱신된 학습 모델로 입력된 센서 데이터에 대해 학습 결과값을 도출하는 단계를 더 포함하는 것을 특징으로 하는 클라우드 서버와 연동하는 복수의 클라이언트 서버의 통합 학습 방법
|
