1 |
1
배터리에 인가된 교류 전류에 대한 주파수 대역 별 임피던스 응답을 포함하는 제1 학습 데이터 세트 및 상기 배터리의 등가회로 모델을 구성하는 파라미터 값들을 포함하는 제2 학습 데이터 세트를 입력 받는 데이터 입력부; 및상기 제1 학습 데이터 세트 및 상기 제2 학습 데이터 세트에 기초하여 상기 배터리의 수명 예측 결과를 출력하도록 인공 신경망 모델을 학습시키는 모델 관리부를 포함하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 장치
|
2 |
2
청구항 1에 있어서,상기 제1 학습 데이터 세트에 기초하여 모조 학습 데이터 세트를 생성하는 생성자, 및 상기 제1 학습 데이터 세트와 상기 모조 학습 데이터 세트를 판별하는 판별자를 포함하는 데이터 증강부를 더 포함하고,상기 생성자는 상기 판별자의 판별 결과를 이용하여 상기 모조 학습 데이터 세트를 반복 생성하고, 상기 모조 학습 데이터 세트는 상기 제1 학습 데이터 세트와 함께 상기 데이터 입력부에 입력되는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 장치
|
3 |
3
청구항 1에 있어서,상기 인공 신경망 모델은, 시계열 유형의 데이터를 포함하는 상기 제1 학습 데이터 세트로부터 특징을 추출하기 위한 제1 예측 모듈을 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 장치
|
4 |
4
청구항 3에 있어서,상기 제1 예측 모듈은, 시계열 유형의 데이터로부터 특징을 추출하기 위한 합성곱 연산 기반 예측 모듈 또는 트랜스포머 기반 예측 모듈을 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 장치
|
5 |
5
청구항 3에 있어서,상기 인공 신경망 모델은, 벡터 유형의 데이터를 포함하는 상기 제2 학습 데이터 세트로부터 특징을 추출하기 위한 제2 예측 모듈을 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 장치
|
6 |
6
청구항 1에 있어서,상기 모델 관리부는, 상기 인공 신경망 모델을 구성하는 뉴런들을 소정의 기준에 따라 정렬하고, 정렬된 상기 뉴런들 중 일부를 제거하고, 상기 인공 신경망 모델을 재학습시키는 모델 압축부를 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 장치
|
7 |
7
청구항 1에 있어서,상기 모델 관리부는, 상기 인공 신경망 모델을 구성하는 레이어의 수 및 상기 레이어 각각을 구성하는 노드의 수에 따른 배터리의 수명 예측 결과를 비교하고, 상기 배터리의 수명 예측 결과의 오차를 최소화하는 레이어의 수 및 노드의 수를 갖는 인공 신경망 모델을 최적의 모델로 결정하는 모델 최적화부를 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 장치
|
8 |
8
목표 배터리에 인가된 교류 전류에 대한 주파수 대역 별 임피던스 응답을 포함하는 제1 데이터 및 상기 목표 배터리의 등가회로 모델을 구성하는 파라미터 값들을 포함하는 제2 데이터를 획득하는 데이터 획득부; 및임의의 배터리에 인가된 교류 전류에 대한 주파수 대역 별 임피던스 응답을 포함하는 제1 학습 데이터 세트 및 임의의 배터리의 등가회로 모델을 구성하는 파라미터 값들을 포함하는 제2 학습 데이터 세트를 이용하여 학습된 인공 신경망 모델을 이용하여, 상기 제1 데이터 및 상기 제2 데이터에 기초하여 상기 목표 배터리의 수명을 예측하는 컨트롤러를 포함하는, 배터리 수명 예측 장치
|
9 |
9
배터리에 인가된 교류 전류에 대한 주파수 대역 별 임피던스 응답을 포함하는 제1 학습 데이터 세트 및 상기 배터리의 등가회로 모델을 구성하는 파라미터 값들을 포함하는 제2 학습 데이터 세트를 입력하는 단계; 및상기 제1 학습 데이터 세트 및 상기 제2 학습 데이터 세트에 기초하여 상기 배터리의 수명 예측 결과를 출력하도록 인공 신경망 모델을 학습시키는 단계를 포함하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 방법
|
10 |
10
청구항 9에 있어서,상기 제1 학습 데이터 세트에 기초하여 모조 학습 데이터 세트를 생성하는 단계;상기 제1 학습 데이터 세트와 상기 모조 학습 데이터 세트를 판별하는 단계; 및상기 판별 결과를 이용하여 상기 모조 학습 데이터 세트를 반복 생성하는 단계를 포함하는 데이터 증강 단계를 더 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 방법
|
11 |
11
청구항 9에 있어서,상기 인공 신경망 모델을 학습시키는 단계는, 제1 예측 모듈을 이용하여 시계열 유형의 데이터를 포함하는 상기 제1 학습 데이터 세트로부터 특징을 추출하는 단계를 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 방법
|
12 |
12
청구항 11에 있어서,상기 제1 예측 모듈은, 시계열 유형의 데이터로부터 특징을 추출하기 위한 합성곱 연산 기반 모듈 또는 트랜스포머 기반 모듈을 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 방법
|
13 |
13
청구항 11에 있어서,상기 인공 신경망 모델을 학습시키는 단계는, 제2 예측 모듈을 이용하여 벡터 유형의 데이터를 포함하는 상기 제2 학습 데이터 세트로부터 특징을 추출하는 단계를 더 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 방법
|
14 |
14
청구항 9에 있어서,상기 인공 신경망 모델을 구성하는 뉴런들을 소정의 기준에 따라 정렬하는 단계; 정렬된 상기 뉴런들 중 일부를 제거하는 단계; 및상기 인공 신경망 모델을 재학습시키는 단계를 포함하는 모델 압축 단계를 더 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 방법
|
15 |
15
청구항 9에 있어서,상기 인공 신경망 모델을 구성하는 레이어의 수 및 상기 레이어 각각을 구성하는 노드의 수에 따른 배터리의 수명 예측 결과를 비교하는 단계; 및상기 배터리의 수명 예측 결과의 오차를 최소화하는 레이어의 수 및 노드의 수를 갖는 인공 신경망 모델을 최적의 모델로 결정하는 단계를 포함하는 모델 최적화 단계를 더 포함하는 것을 특징으로 하는, 배터리 수명 예측을 위한 인공 신경망 모델 관리 방법
|