초록 ▼

최소값과 최대값이 정해져 있지 않은 특정한 데이터를 효율적으로 학습할 수 있는 인공 신경망 모델 학습 방법 및 딥 러닝 시스템이 개시된다. 본 발명의 일 측면에 따르면, 딥 러닝 시스템으로서, 인공 신경망 모델을 학습하는데 이용되는 적어도 하나의 학습 데이터를 획득하는 획득모듈-여기서 상기 학습 데이터 각각은, 제1특징 내지 제M특징(M은 2이상의 정수) 각각에 상응하는 M개의 특징 값을 포함함- 및 상기 적어도 하나의 학습 데이터를 이용하여 상기 인공 신경망 모델을 학습하는 학습모듈을 포함하되, 상기 인공 신경망 모델은, 입력 레

최소값과 최대값이 정해져 있지 않은 특정한 데이터를 효율적으로 학습할 수 있는 인공 신경망 모델 학습 방법 및 딥 러닝 시스템이 개시된다. 본 발명의 일 측면에 따르면, 딥 러닝 시스템으로서, 인공 신경망 모델을 학습하는데 이용되는 적어도 하나의 학습 데이터를 획득하는 획득모듈-여기서 상기 학습 데이터 각각은, 제1특징 내지 제M특징(M은 2이상의 정수) 각각에 상응하는 M개의 특징 값을 포함함- 및 상기 적어도 하나의 학습 데이터를 이용하여 상기 인공 신경망 모델을 학습하는 학습모듈을 포함하되, 상기 인공 신경망 모델은, 입력 레이어(input layer), 변환 함수 레이어(modification function layer), 적어도 하나의 이너 프로덕트 레이어(inner product layer), 및 출력 레이어(output layer)를 포함하도록 구성되며, 상기 변환 함수 레이어는, K개(K는 2 이상의 자연수)의 변환 함수 노드를 포함하도록 구성되며, k번째 변환 함수 노드(k는 1<=k<=K를 만족하는 임의의 자연수)는, 상기 입력 레이어로부터 학습 데이터에 상응하는 M차원 벡터를 입력받고, 입력된 M차원 벡터에 포함된 각각의 특징 값에 소정의 제k 변환 함수를 적용하여 M차원 변환 값 벡터를 생성하고, 생성된 M차원 변환 값 벡터를 최상단 이너 프로덕트 레이어의 각 노드로 출력하도록 구성되는 딥 러닝 시스템이 제공된다.

대표청구항 ▼

딥 러닝 시스템으로서,인공 신경망 모델을 학습하는데 이용되는 적어도 하나의 학습 데이터를 획득하는 획득모듈-여기서 상기 학습 데이터 각각은, 제1특징 내지 제M특징(M은 2이상의 정수) 각각에 상응하는 M개의 특징 값을 포함함; 및상기 적어도 하나의 학습 데이터를 이용하여 상기 인공 신경망 모델을 학습하는 제어모듈을 포함하되,상기 인공 신경망 모델은,입력 레이어(input layer), 변환 함수 레이어(modification function layer), 적어도 하나의 이너 프로덕트 레이어(inner product layer),

딥 러닝 시스템으로서,인공 신경망 모델을 학습하는데 이용되는 적어도 하나의 학습 데이터를 획득하는 획득모듈-여기서 상기 학습 데이터 각각은, 제1특징 내지 제M특징(M은 2이상의 정수) 각각에 상응하는 M개의 특징 값을 포함함; 및상기 적어도 하나의 학습 데이터를 이용하여 상기 인공 신경망 모델을 학습하는 제어모듈을 포함하되,상기 인공 신경망 모델은,입력 레이어(input layer), 변환 함수 레이어(modification function layer), 적어도 하나의 이너 프로덕트 레이어(inner product layer), 및 출력 레이어(output layer)를 포함하도록 구성되며,상기 변환 함수 레이어는,K개(K는 2 이상의 자연수)의 변환 함수 노드를 포함하도록 구성되며,k번째 변환 함수 노드(k는 1<=k<=K를 만족하는 임의의 자연수)는,상기 입력 레이어로부터 학습 데이터에 상응하는 M차원 벡터를 입력받고, 입력된 M차원 벡터에 포함된 각각의 특징 값에 소정의 제k 변환 함수를 적용하여 M차원 변환 값 벡터를 생성하고, 생성된 M차원 변환 값 벡터를 최상단 이너 프로덕트 레이어의 각 노드로 출력하도록 구성되며,상기 제1변환 함수 내지 제K 변환 함수는 모두 S-shaped curve 성질을 가지는 함수 또는 구간(0,∞)에서 함수값은 증가하고 미분값은 감소하는 성질을 가지는 함수인 것을 특징으로 하는 딥 러닝 시스템.