1 |
1
복수개 이상의 결과 변수를 포함하는 다변량 시계열 데이터를 수집하는 데이터 수집부,상기 다변량 시계열 데이터에 기초하여 그래프 구조를 생성하는 그래프 생성부;상기 다변량 시계열 데이터의 적어도 하나 이상의 신경망을 활용하여 시간적 특징을 추출하는 특징 추출부; 및상기 그래프 구조와 상기 시간적 특징을 이용하여 연산 그래프를 생성하고, 상기 연산 그래프로부터 인플루엔자 확산을 예측하는 예측부를 포함하고,상기 그래프 생성부는:상기 다변량 시계열 데이터의 노드 간의 공간 유사도를 계산하고, 상기 노드 간의 상관 관계를 설정하는 변환 모듈;상기 그래프 구조에서 시계열적 특징이 상이한 상기 노드 간의 유사도를 확인하여 가중치를 설정하는 시간 지연 모듈; 및상기 그래프 구조에서 상기 노드 간의 연결 관계를 확인하여 가중치를 설정하는 엣지 모듈을 포함하는 인플루엔자 확산 예측 장치
|
2 |
2
제1항에 있어서,상기 변환 모듈은,상기 다변량 시계열 데이터로부터 고속 푸리에 변환을 통해 상기 노드 간의 유사도를 계산하는 인플루엔자 확산 예측 장치
|
3 |
3
제2항에 있어서,상기 엣지 모듈은,상기 노드 간의 연결 관계를 복수로 가지는 허브 노드의 가중치를 설정하는 인플루엔자 확산 예측 장치
|
4 |
4
제1항에 있어서,상기 특징 추출부는,상기 다변량 시계열 데이터로부터 k(여기서, k는 자연수)개의 필터를 이용하여 k개의 시간적 특징을 추출하는 인플루엔자 확산 예측 장치
|
5 |
5
제1항에 있어서,상기 다변량 시계열 데이터는 인플루엔자 또는 유사 질병의 지역별 확진자 수, 날짜별 확진자 수, 사망자 수 및 감염 재생산 지수를 포함하는 인플루엔자 확산 예측 장치
|
6 |
6
인플루엔자 확산 예측 장치의 동작 방법으로서,복수개 이상의 결과 변수를 포함하는 다변량 시계열 데이터를 수집하는 단계;상기 다변량 시계열 데이터에 기초하여 그래프 구조를 생성하는 단계;상기 다변량 시계열 데이터의 적어도 하나 이상의 신경망을 활용하여 시간적 특징을 추출하는 단계; 및상기 그래프 구조와 상기 시간적 특징을 이용하여 연산 그래프를 생성하고, 상기 연산 그래프로부터 인플루엔자 확산을 예측하는 단계를 포함하고,상기 그래프 구조를 생성하는 단계는:상기 다변량 시계열 데이터의 노드 간의 공간 유사도를 계산하고, 상기 노드 간의 상관 관계를 설정하는 단계;상기 그래프 구조에서 시계열적 특징이 상이한 상기 노드 간의 유사도를 확인하여 가중치를 설정하는 단계; 및상기 그래프 구조에서 상기 노드 간의 연결 관계를 확인하여 가중치를 설정하는 단계를 포함하는 인플루엔자 확산 예측 방법
|
7 |
7
제6항에 있어서,상기 노드 간의 상관 관계를 설정하는 단계는,상기 다변량 시계열 데이터로부터 고속 푸리에 변환을 통해 상기 노드 간의 유사도를 계산하는 인플루엔자 확산 예측 방법
|
8 |
8
제7항에 있어서,상기 노드 간의 연결 관계를 확인하여 가중치를 설정하는 단계는,상기 노드 간의 연결 관계를 복수로 가지는 허브 노드의 가중치를 설정하는 인플루엔자 확산 예측 방법
|
9 |
9
제6항에 있어서,시간적 특징을 추출하는 단계는,상기 다변량 시계열 데이터로부터 k(여기서, k는 자연수)개의 필터를 이용하여 k개의 시간적 특징을 추출하는 인플루엔자 확산 예측 방법
|
10 |
10
제6항에 있어서,상기 다변량 시계열 데이터는 인플루엔자 또는 유사 질병의 지역별 확진자 수, 날짜별 확진자 수, 사망자 수 및 감염 재생산 지수를 포함하는 인플루엔자 확산 예측 방법
|