| 1 |
1
이전 컬링 경기에 대한 원시 데이터와 현재 컬링 경기에 대한 경기 데이터에서 제1 특징 데이터를 각각 추출하는 전처리부;상기 제1 특징 데이터를 학습하며 상기 제1 특징 데이터를 기초로 상기 현재 컬링 경기의 복수의 제1 승패 결과를 각각 예측하는 1차 예측부;상기 제1 특징 데이터와 상기 복수의 제1 승패 결과를 결합하여 제2 특징 데이터를 생성하는 특징 결합부; 및상기 제2 특징 데이터를 학습하며 상기 제2 특징 데이터를 기초로 상기 현재 컬링 경기의 제2 승패 결과를 예측하는 2차 예측부를 포함하는 컬링 경기 결과 예측 장치
|
| 2 |
2
제 1 항에 있어서,상기 1차 예측부는 상기 복수의 제1 승패 결과를 각각 예측하는 서로 다른 복수의 1차 분류기를 포함하는컬링 경기 결과 예측 장치
|
| 3 |
3
제 2 항에 있어서,상기 복수의 1차 분류기는SVM(Support Vector Machine), CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), MLP(Multi Layer Perceptron) 및 Logistic Regression 중 적어도 어느 하나를 포함하는컬링 경기 결과 예측 장치
|
| 4 |
4
제 1 항에 있어서,상기 2차 예측부는상기 제2 승패 결과를 예측하는 하나의 2차 분류기를 포함하는컬링 경기 결과 예측 장치
|
| 5 |
5
제 4 항에 있어서,상기 2차 분류기는 SVM(Support Vector Machine), CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), MLP(Multi Layer Perceptron) 및 Logistic Regression 중 어느 하나인 컬링 경기 결과 예측 장치
|
| 6 |
6
◈청구항 6은(는) 설정등록료 납부시 포기되었습니다
|
| 7 |
7
◈청구항 7은(는) 설정등록료 납부시 포기되었습니다
|
| 8 |
8
제 1 항에 있어서,상기 제1 특징 데이터는두 팀 중 어느 하나의 팀을 기준으로 n(여기서, n은 2이상의 정수)번째 엔드까지 각 엔드에서의 상기 두 팀의 누적 점수차이고,상기 n은 마지막 번째 엔드 수 보다 작은컬링 경기 결과 예측 장치
|
| 9 |
9
제 8 항에 있어서,상기 n은 전체 엔드 수의 1/2(단, 0
|
| 10 |
10
제 8 항에 있어서,상기 전처리부는상기 제1 특징 데이터를 n차원 벡터로 변환하는 특징 추출부를 포함하는컬링 경기 결과 예측 장치
|
| 11 |
11
제 10 항에 있어서,상기 전처리부는상기 n차원 벡터를 상기 누적 점수차의 분포에 따라 m(여기서, m(m003e#n)은 6이상의 정수)차원 벡터로 변환하는 차원 확장부를 더 포함하는컬링 경기 결과 예측 장치
|
| 12 |
12
제 11 항에 있어서,상기 m차원 벡터의 각 차원은 1 또는 0의 값을 갖는컬링 경기 결과 예측 장치
|
| 13 |
13
제 11 항에 있어서,콜드 게임이 되는 상기 누적 점수차가 L(여기서, L은 1이상의 정수)이면, 상기 m은 (2*L+1)*n인컬링 경기 결과 예측 장치
|
| 14 |
14
◈청구항 14은(는) 설정등록료 납부시 포기되었습니다
|
| 15 |
15
이전 컬링 경기에 대한 원시 데이터와 현재 컬링 경기에 대한 경기 데이터에서 제1 특징 데이터를 각각 추출하는 단계;상기 제1 특징 데이터를 학습하며 상기 제1 특징 데이터를 기초로 상기 현재 컬링 경기의 복수의 제1 승패 결과를 각각 예측하는 단계;상기 제1 특징 데이터와 상기 복수의 제1 승패 결과를 결합하여 제2 특징 데이터를 생성하는 단계; 및상기 제2 특징 데이터를 학습하며 상기 제2 특징 데이터를 기초로 상기 현재 컬링 경기의 제2 승패 결과를 예측하는 단계를 포함하는 컬링 경기 결과 예측 방법
|
| 16 |
16
제 15 항에 있어서,상기 원시 데이터를 수집하고 상기 경기 데이터를 입력 받는 단계를 더 포함하는컬링 경기 결과 예측 방법
|
| 17 |
17
제 15 항에 있어서,상기 제1 특징 데이터는두 팀 중 어느 하나의 팀을 기준으로 n(여기서, n은 2이상의 정수)번째 엔드까지 각 엔드에서의 상기 두 팀의 누적 점수차이고,상기 n은 마지막 번째 엔드 수 보다 작은컬링 경기 결과 예측 방법
|
| 18 |
18
제 17 항에 있어서,제1 특징 데이터를 각각 추출하는 단계는상기 제1 특징 데이터를 n차원 벡터로 변환하는 단계를 포함하는컬링 경기 결과 예측 방법
|
| 19 |
19
제 18 항에 있어서,제1 특징 데이터를 각각 추출하는 단계는상기 n차원 벡터를 상기 누적 점수차의 분포에 따라 m(여기서, m(m003e#n)은 6이상의 정수)차원 벡터로 변환하는 단계를 더 포함하는컬링 경기 결과 예측 방법
|
| 20 |
20
◈청구항 20은(는) 설정등록료 납부시 포기되었습니다
|
