초록

하이퍼파라미터 최적화 방법이 제공된다. 본 발명의 일 실시예에 따른 하이퍼파라미터 최적화 방법은 제1 하이퍼파라미터 샘플 집합을 구성하는 복수의 하이퍼파라미터 샘플 각각을 타깃 모델(target model)에 적용하여, 상기 복수의 하이퍼파라미터 샘플 각각에 대한 평가 점수를 산출하는 단계, 상기 산출된 평가 점수를 가중치로 이용하여, 상기 복수의 하이퍼파라미터 샘플에 대해 가중치 기반 클러스터링을 수행하는 단계 및 상기 클러스터링 결과에 기초하여 제2 하이퍼파라미터 샘플 집합을 구성하는 단계를 포함할 수 있다.

대표청구항 ▼

하이퍼파라미터 최적화 장치에서 모델의 하이퍼파라미터(hyper-parameter)를 최적화하는 방법에 있어서,제1 하이퍼파라미터 샘플 집합을 구성하는 복수의 하이퍼파라미터 샘플 각각을 타깃 모델(target model)에 적용하여, 상기 복수의 하이퍼파라미터 샘플 각각에 대한 평가 점수를 산출하는 단계;상기 산출된 평가 점수를 가중치로 이용하여, 상기 복수의 하이퍼파라미터 샘플에 대해 가중치 기반 클러스터링을 수행하는 단계; 및상기 클러스터링 결과에 기초하여 제2 하이퍼파라미터 샘플 집합을 구성하는 단계를 포함하는 것을 특징으로 하

하이퍼파라미터 최적화 장치에서 모델의 하이퍼파라미터(hyper-parameter)를 최적화하는 방법에 있어서,제1 하이퍼파라미터 샘플 집합을 구성하는 복수의 하이퍼파라미터 샘플 각각을 타깃 모델(target model)에 적용하여, 상기 복수의 하이퍼파라미터 샘플 각각에 대한 평가 점수를 산출하는 단계;상기 산출된 평가 점수를 가중치로 이용하여, 상기 복수의 하이퍼파라미터 샘플에 대해 가중치 기반 클러스터링을 수행하는 단계; 및상기 클러스터링 결과에 기초하여 제2 하이퍼파라미터 샘플 집합을 구성하는 단계를 포함하는 것을 특징으로 하는,하이퍼파라미터 최적화 방법.