초록 ▼

본 발명의 농산물 가격 및 판매량을 예측하는 장치에서의 농산물 가격 및 판매량 예측 방법에서, 농산물 가격 및 판매량에 관련된 데이터가 입력되면, 입력된 데이터를 가공하는 단계, LSTM(Long Short-Term Memory model) 네트워크를 생성하는 단계, 상기 LSTM 네트워크에서 가공된 데이터에 대한 학습을 진행하는 단계 및 학습된 데이터를 이용하여 상기 농산물 가격 및 판매량을 예측하는 단계를 포함한다. 본 발명에 의하면, LSTM(Long Short-Term Memory)을 이용하여 농산물 가격 및 판매량을 예측함

본 발명의 농산물 가격 및 판매량을 예측하는 장치에서의 농산물 가격 및 판매량 예측 방법에서, 농산물 가격 및 판매량에 관련된 데이터가 입력되면, 입력된 데이터를 가공하는 단계, LSTM(Long Short-Term Memory model) 네트워크를 생성하는 단계, 상기 LSTM 네트워크에서 가공된 데이터에 대한 학습을 진행하는 단계 및 학습된 데이터를 이용하여 상기 농산물 가격 및 판매량을 예측하는 단계를 포함한다. 본 발명에 의하면, LSTM(Long Short-Term Memory)을 이용하여 농산물 가격 및 판매량을 예측함으로써, 보다 용이하고 정확하게 농산물 가격 및 판매량을 예측할 수 있다는 효과가 있다.

대표청구항 ▼

농산물 가격 및 판매량을 예측하는 장치에서의 농산물 가격 및 판매량 예측 방법에서, 농산물 가격 및 판매량에 관련된 데이터가 입력되면, 입력된 데이터를 가공하는 단계; LSTM(Long Short-Term Memory model) 네트워크를 생성하는 단계;상기 LSTM 네트워크에서 가공된 데이터에 대한 학습을 진행하는 단계; 및학습된 데이터를 이용하여 상기 농산물 가격 및 판매량을 예측하는 단계를 포함하고, 상기 입력된 데이터를 가공하는 단계에서, 상기 입력된 데이터를 각 열 별로 정규화하는 단계; 정규화된 데이터들을 학습시키기 위

농산물 가격 및 판매량을 예측하는 장치에서의 농산물 가격 및 판매량 예측 방법에서, 농산물 가격 및 판매량에 관련된 데이터가 입력되면, 입력된 데이터를 가공하는 단계; LSTM(Long Short-Term Memory model) 네트워크를 생성하는 단계;상기 LSTM 네트워크에서 가공된 데이터에 대한 학습을 진행하는 단계; 및학습된 데이터를 이용하여 상기 농산물 가격 및 판매량을 예측하는 단계를 포함하고, 상기 입력된 데이터를 가공하는 단계에서, 상기 입력된 데이터를 각 열 별로 정규화하는 단계; 정규화된 데이터들을 학습시키기 위해 입력에 대한 데이터 시퀀스와 출력에 대한 데이터 시퀀스를 생성하는 단계; 및학습시킬 학습용 데이터셋(dataset)과, 학습된 내용을 확인할 테스트용 데이터셋을 생성하는 단계를 포함하고, 상기 LSTM 네트워크에서 가공된 데이터에 대한 학습을 진행하는 단계에서, 상기 LSTM 네트워크를 이용하여 상기 학습용 데이터셋을 학습시키고, 상기 농산물 가격 및 판매량에 관련된 데이터는 정형 데이터와 비정형 데이터로 구분되고, 상기 정형 데이터는 미리 지정된 농산물의 도매가, 소매가, 판매량 및 판매금액을 포함하고, 상기 비정형 데이터는 미리 지정된 농산물이 언급된 SNS, 뉴스 또는 방송 데이터를 포함하며, 상기 LSTM 네트워크는 저장소에 값을 저장하고, 출력하고, 망각 값을 조정하는 게이트인 메모리 셀(memory cell), 입력 값에 대한 입력 게이트(input gate), 출력 값에 대한 출력 게이트(output gate) 및 망각 값에 대한 망각 게이트(forget gate)로 구성되고, 상기 LSTM 네트워크에서 입력 데이터는 상기 농산물의 도매가, 소매가, 판매량 및 판매금액을 포함하는 정형 데이터와, 상기 농산물이 언급된 SNS, 뉴스 또는 방송 데이터를 포함하는 비정형 데이터이고, 입력 게이트에 대한 가중치는 Ui,Wi이고, 출력 게이트에 대한 가중치는 Uo,Wo,Vo이고, 망각 게이트에 대한 가중치 Uf,Wf이고, 메모리 셀(memory cell)에 대한 가중치는 Uc,Wc이고, 각 게이트의 편차 항 bi,bo,bf,bc을 사용하고, 출력 데이터는 LSTM의 출력 값 h1, h2, ..., ht이고, 입력 게이트에 대한 입출력 파라미터가 it, 출력 게이트에 대한 입출력 파라미터가 ot, 망각 게이트에 대한 입출력 파라미터가 ft, 메모리 셀에 대한 입출력 파라미터가 ct라고 할 때, 각 게이트에 대한 입출력 파라미터를, 로 나타낼 수 있으며, 상기 LSTM 네트워크에서 상기 학습용 데이터셋을 학습시킴에 있어서, 그래디언트(gradient)를 결정하기 위해 오차 함수 E의 각 게이트와 내부상태의 k번째 원소에 대한 편미분을, (수학식 1)로 계산할 수 있고, t-1 단계로 전달되는 그래디언트를, (수학식 2)로 나타낼 수 있고, p 단계 앞으로 전달되는 그래디언트를, (수학식 3)로 나타낼 수 있는 것을 특징으로 하는 농산물 가격 및 판매량 예측 방법.