1 |
1
컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법에 있어서,상기 컴퓨터로 구현되는 연관성 학습 시스템은, 컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 상기 서열 데이터의 연관성 학습 방법은,상기 연관성 학습 시스템에서, 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 연관성 학습 시스템에서, 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함하고,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,도메인 를 포함하는 p차원의 확률 벡터 이고, 각각의 확률 변수 에 대응하는 노드를 갖는 그래프를 라고 하면,확률 벡터의 모든 노드 조건부 분포가 단변량 누적 비율 모델을 따를 경우, 특정 노드 조건부 분포가 마르코프 결합 분포와 일치하지 않는 연관성 학습 방법
|
2 |
2
제1항에 있어서,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,상기 변수에 대한 단변량 서열 분포를 통해 노드 조건부 분포를 지정하고, 상기 지정된 노드 조건부 분포에 대한 분석을 수행하여 결합 분포를 탐색하는 단계를 포함하는 연관성 학습 방법
|
3 |
3
삭제
|
4 |
4
컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법에 있어서,상기 컴퓨터로 구현되는 연관성 학습 시스템은, 컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법은,상기 연관성 학습 시스템에서, 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 연관성 학습 시스템에서, 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함하고,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,도메인 를 포함하는 p 차원의 확률 벡터 에서, 각각의 확률 변수 에 대응하는 노드를 갖는 그래프를 라고 하면, 확률 벡터의 모든 노드 조건부 분포가 단변수 연속 비율 모델을 따를 경우, 특정 노드 조건부 분포가 마르코프 결합 분포와 일치하지 않는 것을 특징으로 하는 연관성 학습 방법
|
5 |
5
컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법에 있어서,상기 컴퓨터로 구현되는 연관성 학습 시스템은, 컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법은,상기 연관성 학습 시스템에서, 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 연관성 학습 시스템에서, 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함하고,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,서열 확률 변수 에 대한 연속 비율 모델이 지수족에 포함되며, 서열 확률 벡터 에 대하여 노드 조건부 분포를 지정하기 위하여 단변량 서열 분포를 사용할 경우, 노드 조건부 분포가 단변량 지수족에 속하기 때문에 마르코프 결합 분포와 일치하는 것을 특징으로 하는 연관성 학습 방법
|
6 |
6
삭제
|
7 |
7
컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법에 있어서,상기 컴퓨터로 구현되는 연관성 학습 시스템은, 컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법은,상기 연관성 학습 시스템에서, 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 연관성 학습 시스템에서, 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함하고,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,다변량 양자화 서열 분포에서 다변량 잠재 확률 벡터가 다변량 가우시안인 경우, 다변량 프로빗 모델로 불리며, 종속성이 가우스 분포를 통하여 잠재적인 확률 벡터에 의해 표현되는 것을 특징으로 하는 연관성 학습 방법
|
8 |
8
삭제
|
9 |
9
삭제
|
10 |
10
제7항에 있어서,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,상기 다변량 프로빗 모델에서 알려지지 않은 파라미터를 추정하기 위하여 단변량 주변에서 임계값을 추정하고, 이변량 주변 분포로부터 polychoric 상관 관계 를 추정하는 것을 특징으로 하는 연관성 학습 방법
|
11 |
11
제10항에 있어서,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,상기 이변량 주변 분포로부터 polychoric 상관 관계를 추정하기 위하여, 이변량 주변 우도로부터 원시 추정치를 계산하고, sparse 잠재 그래프와 평활화된 추정치를 추정하기 위하여 예측된 공분산 행렬을 그래픽 lasso 추정기로 플러그인하는 것을 특징으로 하는 연관성 학습 방법
|
12 |
12
삭제
|
13 |
13
삭제
|
14 |
14
제11항에 있어서, 상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,상기 예측된 공분산 행렬을 파라 메트릭 가우시안 그래프 모델 추정기 중 그래픽 lasso 추정기로 플러그인하여 그래프의 구조와 최종 공분산을 획득하는 것을 특징으로 하는 연관성 학습 방법
|
15 |
15
컴퓨터로 구현되는 연관성 학습 시스템에 있어서,컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 상기 복수 개의 프로세서 또는 하나의 프로세서는,서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 예측부; 및 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 제공부를 포함하고,상기 예측부는,도메인 를 포함하는 p차원의 확률 벡터 이고, 각각의 확률 변수 에 대응하는 노드를 갖는 그래프를 라고 하면, 확률 벡터의 모든 노드 조건부 분포가 단변량 누적 비율 모델을 따를 경우, 특정 노드 조건부 분포가 마르코프 결합 분포와 일치하지 않는 연관성 학습 시스템
|