1 |
1
연속적인 태스크를 이용하여 신경망 모델을 학습시키는 방법에 있어서,과거 태스크의 제1 학습 데이터에서 추출된 특징을 클러스터링하는 단계;각 클러스터별로 적어도 하나의 특징을 선별하고, 상기 선별된 특징에 대응하는 제1 학습 데이터를 메모리에 균등 저장하는 단계; 및현재 태스크의 제2 학습 데이터와 상기 메모리에 저장된 제1 학습 데이터를 이용하여 상기 신경망 모델을 학습시키는 단계를 포함하는클러스터링 기법을 활용한 연속 학습 방법
|
2 |
2
제1항에 있어서,상기 클러스터링하는 단계는비지도(unsupervised) 클러스터링 기법을 이용하는 단계를 포함하는클러스터링 기법을 활용한 연속 학습 방법
|
3 |
3
제2항에 있어서,상기 비지도 클러스터링 기법은 밀도 기반 클러스터링 기법(Density-based spatial clustering of applications with noise; DBSCAN)인클러스터링 기법을 활용한 연속 학습 방법
|
4 |
4
제1항에 있어서,상기 각 클러스터별로 적어도 하나의 특징을 선별하는 단계는각 클러스터의 중심에 가까운 순서대로 특징을 선별하는 단계를 포함하는클러스터링 기법을 활용한 연속 학습 방법
|
5 |
5
제1항에 있어서,상기 각 클러스터별로 적어도 하나의 특징을 선별하는 단계는각 클러스터에 포함된 특징들의 평균값에 가까운 순서대로 특징을 선별하는 단계를 포함하는클러스터링 기법을 활용한 연속 학습 방법
|
6 |
6
제3항에 있어서,상기 각 클러스터별로 적어도 하나의 특징을 선별하는 단계는각 클러스터의 코어 포인트(core point)에 대응하는 특징을 선별하는 단계를 포함하는클러스터링 기법을 활용한 연속 학습 방법
|
7 |
7
제1항에 있어서,상기 각 클러스터별로 적어도 하나의 특징을 선별하고, 상기 선별된 특징에 대응하는 제1 학습 데이터를 메모리에 균등 저장하는 단계는상기 메모리의 크기를 클러스터의 수로 나눈 값만큼 상기 클러스터별로 특징을 선별하는 단계와,상기 추출된 특징에 대응하는 상기 제1 학습 데이터를 상기 메모리에 저장하는 단계를 포함하는클러스터링 기법을 활용한 연속 학습 방법
|
8 |
8
제1항에 있어서,상기 신경망 모델을 학습시키는 단계는상기 제2 학습 데이터로부터, 상기 각 클러스터별로 선별된 특징의 수와 상기 제2 학습 데이터에서 추출된 특징이 형성하는 클러스터의 수를 곱한 개수를 선별하는 단계와,상기 선별된 제2 학습 데이터와 상기 메모리에 저장된 제1 학습 데이터를 이용하여 상기 신경망 모델을 학습시키는 단계를 포함하는클러스터링 기법을 활용한 연속 학습 방법
|