1 |
1
입력되는 t시점에 대응하는 시계열 데이터(xt)를, 선정된 시계열 분해 알고리즘에 의해 복수의 시계열 성분으로 분해하는 STL-Cell;상기 복수의 시계열 성분 각각에 대해, 상기 각 시계열 성분의 t-1시점에 대응하는 히든스테이트값과의 자기상관정도를 획득하는 자기상관 게이트(Auto-correlation Gate);상기 복수의 시계열 성분 각각에 대해, 상기 각 시계열 성분과 다른 시계열 성분의 t-1시점에 대응하는 히든스테이트값과의 상관정도를 획득하는 상관 게이트(Correlation Gate); 및상기 자기상관정도 및 상기 상관정도에 따라, 상기 시계열 데이터(xt) 이전의 시계열 데이터(xt-1)의 입력에 따라 상기 각 시계열 성분에 대해 생성된 t-1 시점의 히든스테이트값에 대한 업데이트 여부를 결정하는 생성 게이트를 포함하는, 상관 순환 유닛
|
2 |
2
제1항에 있어서,상기 생성 게이트는,상기 복수의 시계열 성분 중, 상기 자기상관정도 또는 상기 상관정도가 '0'~'1' 사이의 정해진 범위 내에서 '1'에 더 가까운 제1 시계열 성분을 식별하고,상기 제1 시계열 성분에 대해, 상기 t-1시점에 대응하는 히든스테이트값(ht-1)을 업데이트하지 않고, 상기 t시점의 히든스테이트값(ht) 생성시 가져와서 사용하는,상관 순환 신경망을 구성하는 상관 순환 유닛
|
3 |
3
제2항에 있어서,상기 생성 게이트는,상기 복수의 시계열 성분 중, 상기 자기상관정도 또는 상기 상관정도가 '0'~'1' 사이의 정해진 범위 내에서 '0'에 더 가까운 제2 시계열 성분을 식별하고,상기 제2 시계열 성분에 대해, 상기 t-1시점에 대응하는 히든스테이트값(ht-1)을 업데이트하여, 상기 t시점의 히든스테이트값(ht)을 생성하는,상관 순환 신경망을 구성하는 상관 순환 유닛
|
4 |
4
제1항에 있어서,상기 STL-Cell은,상기 시계열 데이터(xt)를, STL(Seasonal and Trend decomposition using Loess) 알고리즘에 따라, 상기 t시점으로부터 상향하거나 하향하는 추세와 연관된 시계열 성분인 trend 성분(xt_trend)과, 상기 t시점으로부터 반복되는 주기 패턴과 연관된 시계열 성분인 seasonal 성분(xt_seasonal)을 적어도 포함하는 상기 복수의 시계열 성분으로 분해하는,상관 순환 신경망을 구성하는 상관 순환 유닛
|
5 |
5
제4항에 있어서,상기 자기상관 게이트는,상기 복수의 시계열 성분 중, 상기 trend 성분(xt_trend)과 동일한 trend 성분의 상기 t-1시점에 대응하는 제1 히든스테이트값(ht-1_trend)과의 자기상관정도( )를 추정하여 획득하고,상기 복수의 시계열 성분 중, 상기 seasonal 성분(xt_seasonal)과 동일한 seasonal 성분의 상기 t-1시점에 대응하는 제2 히든스테이트값(ht-1_seasonal)과의 자기상관정도()를 추정하여 획득하는,상관 순환 신경망을 구성하는 상관 순환 유닛
|
6 |
6
제5항에 있어서,상기 상관 게이트는,상기 복수의 시계열 성분 중, 상기 trend 성분(xt_trend)과 상이한 seasonal 성분의 상기 t-1시점에 대응하는 상기 제2 히든스테이트값(ht-1_seasonal)과의 상관정도()를 추정하여 획득하고,상기 복수의 시계열 성분 중, 상기 seasonal 성분(xt_seasonal)과 상이한 trend 성분의 상기 t-1시점에 대응하는 상기 제1 히든스테이트값(ht-1_trend)과의 상관정도()를 추정하여 획득하는,상관 순환 신경망을 구성하는 상관 순환 유닛
|
7 |
7
제6항에 있어서,상기 생성 게이트는,상기 자기상관정도(, ) 및 상기 상관정도(, )와, 상기 t-1시점의 히든스테이트값(ht-1)과의 아다마르 곱()을 각각 연산하고,상기 아다마르 곱의 연산값에 따라, 상기 t-1시점의 히든스테이트값(ht-1)에 대한 상기 시계열 데이터(xt)와의 연관도를 평가하고,상기 연관도에 따라, 상기 각 시계열 성분에 대해 생성된 상기 t-1시점의 히든스테이트값(ht-1)에 대한 업데이트 여부를 결정하는,상관 순환 신경망을 구성하는 상관 순환 유닛
|
8 |
8
시계열 데이터의 예측을 위한 복수의 상관 순환 유닛으로 구성되는 상관 순환 신경망에 있어서,상기 복수의 상관 순환 유닛의 각각은,입력되는 t시점의 시계열 데이터(xt)를, trend 성분(xt_trend)과 seasonal 성분(xt_seasonal) 및 나머지 성분(xt_remainder)으로 분해하는 STL-Cell;상기 t시점의 상기 trend 성분(xt_trend)에 대해, 이전의 t-1시점에 대응하는 trend 성분(xt-1_trend)과 연관된 제1 히든스테이트값과의 자기상관정도( )를 추정하여 획득하고, 상기 t시점의 seasonal(xt_seasonal) 성분에 대해, 상기 t-1시점에 대응하는 seasonal 성분(xt-1_seasonal)과 연관된 제2 히든스테이트값과의 자기상관정도()를 추정하여 획득하는 자기상관 게이트;상기 t시점의 trend 성분(xt_trend)에 대해, 상기 제2 히든스테이트값과의 상관정도()를 추정하여 획득하고, 상기 t시점의 seasonal 성분(xt_seasonal)에 대해, 상기 제1 히든스테이트값과의 상관정도()를 추정하여 획득하는 상관 게이트; 및상기 자기상관정도(, ) 및 상기 상관정도(, )가 높을수록, 상기 각 시계열 성분의 상기 t시점의 히든스테이트값을 생성시, 상기 t-1시점의 시계열 데이터(xt-1)의 입력시 생성된 상기 제1 히든스테이트값 및 상기 제2 히든스테이트값을 가져와서 사용하는 비율을 늘리는 생성 게이트를 포함하는, 상관 순환 신경망
|