1 |
1
학습용 이진 카운트 값의 비트 값들에 기초하여, 상기 학습용 이진 카운트 값이 진성 난수인지 의사 난수인지를 나타내는 라벨링된 데이터를 생성하는 분류 회로; 및상기 라벨링된 데이터에 기초하여 기계 학습을 수행하고, 상기 기계 학습을 수행한 결과에 기초하여, 타겟 이진 카운트 값을 상기 진성 난수 또는 상기 의사 난수로 분류하는 기준이 되는 기준 데이터를 생성하는 학습 회로를 포함하되,상기 학습용 이진 카운트 값 및 상기 타겟 이진 카운트 값은 각각 펄스들 사이의 시간 간격들에 대응하는 난수 생성 장치
|
2 |
2
제 1 항에 있어서, 상기 분류 회로는 상기 학습용 이진 카운트 값에 포함되는 0 값들의 개수 및 1 값들의 개수에 기초하여, 상기 학습용 이진 카운트 값이 상기 진성 난수인지 상기 의사 난수인지를 판단하는 난수 생성 장치
|
3 |
3
제 2 항에 있어서, 상기 분류 회로는 상기 0 값들의 개수 및 상기 1 값들의 개수 사이의 절대차가 기준 차이보다 큰 경우, 상기 학습용 이진 카운트 값이 상기 의사 난수인 것으로 판단하고,상기 절대차가 상기 기준 차이보다 작은 경우, 상기 학습용 이진 카운트 값이 상기 진성 난수인 것으로 판단하는 난수 생성 장치
|
4 |
4
제 2 항에 있어서, 상기 분류 회로는 상기 학습용 이진 카운트 값에 포함되는 전체 비트들의 개수에 대한 상기 0 값들의 개수의 비율이 기준 범위에 포함되는 경우, 상기 학습용 이진 카운트 값이 상기 진성 난수인 것으로 판단하고,상기 비율이 상기 기준 범위에 포함되지 않는 경우, 상기 학습용 이진 카운트 값이 상기 의사 난수인 것으로 판단하는 난수 생성 장치
|
5 |
5
제 1 항에 있어서, 상기 학습용 이진 카운트 값에 기초하여, 변환 데이터를 생성하는 변환 회로를 더 포함하고,상기 분류 회로는 상기 변환 데이터에 기초하여 상기 라벨링된 데이터를 생성하되,상기 변환 데이터는 상기 학습에 이용되는 알고리즘의 입력 데이터인 난수 생성 장치
|
6 |
6
제 5 항에 있어서,상기 변환 회로는 상기 변환 데이터를 (x, y)의 평면 좌표 형태로 생성하고, 상기 x는 상기 학습용 이진 카운트 값에 포함된 0 값들의 개수와 관련되고,상기 y는 상기 학습용 이진 카운트 값에 포함된 1 값들의 개수와 관련되는 난수 생성 장치
|
7 |
7
제 6 항에 있어서,상기 학습 회로는 비선형 SVM 알고리즘에 기초하여 상기 기계 학습을 수행하는 난수 생성 장치
|
8 |
8
제 5 항에 있어서,상기 변환 회로는 상기 변환 데이터를 (x, y)의 평면 좌표 형태로 생성하고, 상기 x 또는 상기 y는 상기 학습용 이진 카운트 값에 포함된 0 값들의 개수와 1 값들의 개수의 절대차를 상기 0 값들의 개수와 상기 1 값들의 개수 중 작은 값으로 나눈 값과 관련되는 난수 생성 장치
|
9 |
9
제 8 항에 있어서,상기 학습 회로는 선형 SVM 알고리즘에 기초하여 상기 기계 학습을 수행하는 난수 생성 장치
|
10 |
10
펄스들이 수신되는 시간 간격들을 측정하고, 상기 시간 간격들에 각각 대응되는 이진 카운트 값들을 생성하는 카운터; 및상기 이진 카운트 값들 중 학습용 이진 카운트 값들을 기준 값에 기초하여 진성 난수 또는 의사 난수로 라벨링하여 라벨링된 데이터를 생성하고, 상기 라벨링된 데이터에 기초하여 분류 알고리즘에 기반하는 기계 학습을 수행함으로써 기준 데이터를 생성하고, 상기 기준 데이터에 기초하여 상기 이진 카운트 값들 중 타겟 이진 카운트 값이 상기 진성 난수인지 상기 의사 난수인지 여부를 판단하는 난수 출력 회로를 포함하는 난수 생성 장치
|
11 |
11
제 10 항에 있어서, 상기 난수 출력 회로는 상기 라벨링된 데이터를 의사 클래스 또는 진성 클래스로 분류하기 위한 초평면(hyper-plane)을 계산하고, 상기 초평면에 기초하여 상기 기준 데이터를 생성하되,상기 의사 클래스는 상기 라벨링된 데이터 중 상기 의사 난수로 라벨링된 데이터가 속하는 클래스이고,상기 진성 클래스는 상기 라벨링된 데이터 중 상기 진성 난수로 라벨링된 데이터가 속하는 클래스인 난수 생성 장치
|
12 |
12
제 10 항에 있어서, 상기 난수 출력 회로는 상기 기준 데이터에 기초하여 상기 이진 카운트 값들 중 테스트용 이진 카운트 값을 상기 진성 난수 또는 상기 의사 난수로 분류한 제 1 결과와 상기 기준 값에 기초하여 상기 테스트용 이진 카운트 값을 상기 진성 난수 또는 상기 의사 난수로 분류한 제 2 결과를 비교하고, 비교 결과에 따라 새로운 기준 데이터를 생성할지 여부를 결정하는 난수 생성 장치
|
13 |
13
제 12 항에 있어서, 상기 난수 출력 회로는 상기 제 1 결과와 상기 제 2 결과가 일치하는 경우, 상기 기준 데이터에 기초하여 상기 타겟 이진 카운트 값이 상기 진성 난수인지 상기 의사 난수인지를 판단하고,상기 제 1 결과와 상기 제 2 결과가 일치하지 않는 경우, 상기 새로운 기준 데이터를 생성하고, 상기 새로운 기준 데이터에 기초하여 상기 타겟 이진 카운트 값이 상기 진성 난수인지 상기 의사 난수인지를 판단하는 난수 생성 장치
|
14 |
14
제 13 항에 있어서, 상기 난수 출력 회로는 상기 제 1 결과와 상기 제 2 결과가 일치하지 않는 경우, 상기 분류 알고리즘의 파라미터를 변경하여 상기 새로운 기준 데이터를 생성하는 난수 생성 장치
|
15 |
15
제 14 항에 있어서, 상기 분류 알고리즘이 선형 SVM 알고리즘인 경우, 상기 난수 출력 회로는 C 파라미터(cost parameter)를 변경하는 난수 생성 장치
|
16 |
16
제 14 항에 있어서,상기 분류 알고리즘이 비선형 SVM 알고리즘인 경우, 상기 난수 출력 회로는 감마 파라미터(gamma parameter) 또는 커널 함수의 차수를 변경하는 난수 생성 장치
|
17 |
17
펄스들이 수신되는 시간 간격들을 측정하고, 상기 시간 간격들에 각각 대응되는 이진 카운트 값들을 생성하는 카운터; 및분류 알고리즘에 기반하는 기계 학습을 통해 생성된 기준 데이터에 기초하여, 상기 이진 카운트 값들 중 타겟 이진 카운트 값이 진성 난수인지 의사 난수인지 여부를 판단하는 난수 출력 회로를 포함하되,상기 기계 학습은 기준 값에 의해 상기 이진 카운트 값들 중 학습용 이진 카운트 값들이 상기 진성 난수 또는 상기 의사 난수로 라벨링된 데이터에 기초하여 수행되는 난수 생성 장치
|
18 |
18
제 17 항에 있어서,상기 기준 데이터는 상기 타겟 이진 카운트 값을 상기 진성 난수 또는 상기 의사 난수로 구분하는 초평면(hyper plane)에 관한 정보를 포함하는 난수 생성 장치
|
19 |
19
제 17 항에 있어서,상기 기준 값은 상기 이진 카운트 값들을 상기 이진 카운트 값들 각각에 포함된 0 값들의 개수 및 1 값들의 개수에 따라 라벨링하기 위한 값인 난수 생성 장치
|
20 |
20
제 17 항에 있어서,상기 난수 출력 회로는 상기 타겟 이진 카운트 값을 상기 알고리즘의 입력 데이터로 변환하고, 상기 변환된 입력 데이터 및 상기 기준 데이터에 기초하여 상기 타겟 이진 카운트 값이 상기 진성 난수인지 상기 의사 난수인지 여부를 판단하는 난수 생성 장치
|