1 |
1
전자 장치에 의해 수행되는 방법으로서,제1 학습 데이터를 이용하여 제1 머신 러닝 모델을 학습시킨 후, 테스트 데이터를 이용하여 제1 머신 러닝 모델에 대해 테스트하여, 제1 머신 러닝 모델의 출력 데이터의 오차 값에 대한 데이터인 오차 데이터를 생성하는 단계;상기 생성된 오차 데이터가 결과 데이터에 포함되는 제2 학습 데이터를 이용하여 오차 데이터를 예측하도록 제2 머신 러닝 모델을 학습시키는 단계;상기 예측된 오차 데이터가 입력 데이터에 포함되는 제3 학습 데이터를 이용하여 제1 머신 러닝 모델과 동일한 종류의 출력 데이터를 예측하도록 제3 머신 러닝 모델을 학습시키는 단계;를 포함하는 방법
|
2 |
2
제1항에 있어서,상기 제3 머신 러닝 모델은 예측의 정확성이 상기 제1 머신 러닝 모델 보다 높은 방법
|
3 |
3
제1항에 있어서,상기 제2 학습 데이터의 입력 데이터는 상기 제1 학습 데이터의 입력 데이터의 종류와 동일하거나 상기 제1 학습 데이터의 입력 데이터의 종류 중에 적어도 하나를 포함하는 방법
|
4 |
4
제1항에 있어서,상기 제3 학습 데이터의 입력 데이터는 상기 제1 학습 데이터의 입력 데이터 종류에 추가적으로 상기 예측된 오차 데이터를 포함하는 방법
|
5 |
5
제1항에 있어서,상기 제1 및 제3 머신 러닝 모델은 전력 수요량, 날씨 또는 주식의 결과 데이터를 예측하는 모델인 방법
|
6 |
6
제1항에 있어서,상기 제1 및 제3 머신 러닝 모델은 전력 수요량에 대한 결과 데이터를 예측하는 모델이며,상기 제1 학습 데이터는 어느 날짜의 날짜 데이터 및 기상 데이터에 대한 입력 데이터와, 해당 날짜에 측정된 전력 수요량에 대한 결과 데이터를 각각 포함하고,상기 제2 학습 데이터는 상기 제1 학습 데이터의 입력 데이터의 종류와 동일하거나 상기 제1 학습 데이터의 입력 데이터의 종류 중에 적어도 하나에 대한 입력 데이터와, 상기 생성된 오차 데이터에 대한 결과 데이터를 각각 포함하며,상기 제3 학습 데이터는 어느 날짜의 날짜 데이터, 기상 데이터 및 상기 예측된 오차 데이터에 대한 입력 데이터와, 해당 날짜에 측정된 전력 수요량에 대한 결과 데이터를 각각 포함하는 방법
|
7 |
7
제6항에 있어서,상기 요일 데이터는 연도, 월 및 요일을 포함하는 방법
|
8 |
8
제6항에 있어서,상기 제1 및 제3 학습 데이터의 입력 데이터는 휴일 데이터를 더 포함하는 방법
|
9 |
9
전자 장치에 의해 수행되는 방법으로서,기 학습된 제2 머신 모델을 이용하여, 대상 데이터에 연관된 오차 데이터를 예측하는 단계; 및기 학습된 제3 머신 모델을 이용하여, 대상 데이터에 연관된 결과 데이터를 예측하는 단계;를 포함하며,상기 제2 머신 러닝 모델은 제1 학습 데이터를 이용하여 기 학습된 제1 머신 러닝 모델에 대해 테스트 데이터를 이용하여 테스트함으로써 생성된 오차 데이터가 결과 데이터에 포함되는 제2 학습 데이터를 이용하여 오차 데이터를 예측하도록 학습된 모델이고,상기 오차 데이터는 기 학습된 제1 머신 러닝 모델의 출력 데이터의 오차 값에 대한 데이터이며,상기 제3 머신 러닝 모델은 상기 생성된 오차 데이터가 입력 데이터에 포함되는 제3 학습 데이터를 이용하여 제1 머신 러닝 모델과 동일한 종류의 출력 데이터를 예측하도록 학습된 모델인 방법
|
10 |
10
메모리; 및메모리에 저장된 정보를 이용하여, 제1 내지 제3 머신 러닝 모델에 대한 학습을 제어하는 제어부;를 포함하며,상기 제어부는,제1 학습 데이터를 이용하여 제1 머신 러닝 모델을 학습시킨 후, 테스트 데이터를 이용하여 제1 머신 러닝 모델에 대해 테스트하여, 제1 머신 러닝 모델의 출력 데이터의 오차 값에 대한 데이터인 오차 데이터를 생성하도록 제어하고,상기 생성된 오차 데이터가 결과 데이터에 포함되는 제2 학습 데이터를 이용하여 오차 데이터를 예측하도록 제2 머신 러닝 모델의 학습을 제어하며,상기 예측된 오차 데이터가 입력 데이터에 포함되는 제3 학습 데이터를 이용하여 제1 머신 러닝 모델과 동일한 종류의 출력 데이터를 예측하도록 제3 머신 러닝 모델을 학습을 제어하는 장치
|
11 |
11
제10항에 있어서,상기 제3 머신 러닝 모델은 예측의 정확성이 상기 제1 머신 러닝 모델 보다 높은 장치
|
12 |
12
제10항에 있어서,상기 제2 학습 데이터의 입력 데이터는 상기 제1 학습 데이터의 입력 데이터의 종류와 동일하거나 상기 제1 학습 데이터의 입력 데이터의 종류 중에 적어도 하나를 포함하는 장치
|
13 |
13
제10항에 있어서,상기 제3 학습 데이터의 입력 데이터는 상기 제1 학습 데이터의 입력 데이터 종류에 추가적으로 상기 예측된 오차 데이터를 포함하는 장치
|
14 |
14
제10항에 있어서,상기 제1 및 제3 머신 러닝 모델은 전력 수요량, 날씨 또는 주식의 결과 데이터를 예측하는 모델인 장치
|
15 |
15
제10항에 있어서,상기 제1 및 제3 머신 러닝 모델은 전력 수요량에 대한 결과 데이터를 예측하는 모델이며,상기 제1 학습 데이터는 어느 날짜의 날짜 데이터 및 기상 데이터에 대한 입력 데이터와, 해당 날짜에 측정된 전력 수요량에 대한 결과 데이터를 각각 포함하고,상기 제2 학습 데이터는 상기 제1 학습 데이터의 입력 데이터의 종류와 동일하거나 상기 제1 학습 데이터의 입력 데이터의 종류 중에 적어도 하나에 대한 입력 데이터와, 상기 생성된 오차 데이터에 대한 결과 데이터를 각각 포함하며,상기 제3 학습 데이터는 어느 날짜의 날짜 데이터, 기상 데이터 및 상기 예측된 오차 데이터에 대한 입력 데이터와, 해당 날짜에 측정된 전력 수요량에 대한 결과 데이터를 각각 포함하는 장치
|
16 |
16
제15항에 있어서,상기 요일 데이터는 연도, 월 및 요일을 포함하는 장치
|
17 |
17
제15항에 있어서,상기 제1 및 제3 학습 데이터의 입력 데이터는 휴일 데이터를 더 포함하는 장치
|
18 |
18
제10항에 있어서,상기 제어부는 상기 학습된 제1 내지 제3 머신 러닝 모델 중 적어도 하나를 통신부를 통해 다른 장치로 전송하도록 제어하는 장치
|
19 |
19
메모리; 및메모리에 저장된 정보를 이용하여, 기 학습된 제2 및 제3 머신 러닝 모델을 이용하여 예측 기능의 수행을 제어하는 제어부;를 포함하며,상기 제어부는 기 학습된 제2 머신 모델을 이용하여 대상 데이터에 연관된 오차 데이터를 예측하도록 제어하고, 기 학습된 제3 머신 모델을 이용하여 대상 데이터에 연관된 결과 데이터를 예측하도록 제어하며,상기 제2 머신 러닝 모델은 제1 학습 데이터를 이용하여 기 학습된 제1 머신 러닝 모델에 대해 테스트 데이터를 이용하여 테스트함으로써 생성된 오차 데이터가 결과 데이터에 포함되는 제2 학습 데이터를 이용하여 오차 데이터를 예측하도록 학습된 모델이고,상기 오차 데이터는 기 학습된 제1 머신 러닝 모델의 출력 데이터의 오차 값에 대한 데이터이며,상기 제3 머신 러닝 모델은 상기 생성된 오차 데이터가 입력 데이터에 포함되는 제3 학습 데이터를 이용하여 제1 머신 러닝 모델과 동일한 종류의 출력 데이터를 예측하도록 학습된 모델인 장치
|
20 |
20
제19항에 있어서,상기 제어부는 상기 기 학습된 제2 및 제3 머신 러닝 모델을 통신부를 통해 다른 장치로부터 수신하도록 제어하는 장치
|