KR102395556B1 - Apparatus and method of selecting model input variable based on error information content - Google Patents
Apparatus and method of selecting model input variable based on error information content Download PDFInfo
- Publication number
- KR102395556B1 KR102395556B1 KR1020140183061A KR20140183061A KR102395556B1 KR 102395556 B1 KR102395556 B1 KR 102395556B1 KR 1020140183061 A KR1020140183061 A KR 1020140183061A KR 20140183061 A KR20140183061 A KR 20140183061A KR 102395556 B1 KR102395556 B1 KR 102395556B1
- Authority
- KR
- South Korea
- Prior art keywords
- input variables
- error
- model
- input
- amount
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Complex Calculations (AREA)
- Image Processing (AREA)
Abstract
오차의 정보량을 기반으로 한 모델의 입력 변수 선정 장치 및 방법이 제공된다. 모델의 입력 변수 선정 장치는, 모델의 예비 입력 변수들을 선정하는 예비 입력 선정부와, 선정된 예비 입력 변수들을 모델에 입력한 후 모델로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차를 구하는 오차 연산부와, 오차의 정보량이 미리 설정된 정보량 이상인 경우 선정된 예비 입력 변수들을 모델의 입력 변수로 선정하는 최종 입력 변수 선정부를 포함함으로써, 모델의 특성을 향상시키거나 또는 출력을 얻는데 드는 시간을 줄일 수 있다.An apparatus and method for selecting an input variable for a model based on the amount of information of an error are provided. The input variable selection device of the model includes: a preliminary input selection unit for selecting preliminary input variables of the model; , by including a final input variable selector that selects the selected preliminary input variables as input variables of the model when the amount of information of the error is greater than or equal to the preset amount of information, it is possible to improve the characteristics of the model or reduce the time required to obtain an output.
Description
본 출원은, 모델의 입력 변수 선정에 관한 것이다.
This application relates to the selection of input variables of a model.
일반적으로, 산업 현장에서는 특정 공정이나 장치 등의 실제 시스템과 유사하게 모델을 만들어 놓고, 모델에 입력 변수들을 입력한 후 모델로부터 실제 시스템과 유사한 출력을 얻는 방식이 자주 사용된다. 실제 시스템과 유사한 모델이 완성되면, 실제 시스템에 입력 변수를 입력하는 대신 상술한 모델에 입력 변수를 입력함으로써, 실제 시스템의 출력과 유사한 출력을 얻을 수 있는 것이다. 따라서, 모델이 실제 시스템에 근접할수록 모델로부터 나오는 출력 역시 실제 시스템과 유사하게 나올 수 있다.
In general, in industrial sites, a method of making a model similar to an actual system such as a specific process or device, inputting input variables into the model, and obtaining an output similar to the actual system from the model is often used. When a model similar to the real system is completed, an output similar to the output of the real system can be obtained by inputting input variables to the above-described model instead of inputting input variables to the real system. Therefore, the closer the model is to the real system, the more similar the output from the model can be to the real system.
하지만, 실제 시스템은 매우 복잡하기 때문에 모델로 입력되는 입력 변수들의 수는 매우 많으며, 따라서 출력에 가장 큰 영향을 줄 수 있는 입력 데이터들의 종류 및 수를 결정하는 것은 모델의 특성을 향상시키거나 또는 정확한 출력을 얻는데 드는 시간을 줄이기 위해 매우 중요한 문제이다.
However, since the actual system is very complex, the number of input variables input to the model is very large. Therefore, determining the type and number of input data that can have the greatest effect on the output may improve the characteristics of the model or improve the accuracy of the model. This is a very important issue to reduce the time it takes to get the output.
본 출원은, 모델의 특성을 향상시키거나 또는 정확한 출력을 얻는데 드는 시간을 줄일 수 있는 오차의 정보량을 기반으로 한 모델의 입력 변수 선정 장치 및 방법을 제공한다.
The present application provides an apparatus and method for selecting an input variable of a model based on the amount of error information that can improve the characteristics of the model or reduce the time required to obtain an accurate output.
본 발명의 제1 실시 형태에 의하면, 모델의 예비 입력 변수들을 선정하는 예비 입력 선정부; 상기 선정된 예비 입력 변수들을 상기 모델에 입력한 후 상기 모델로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차를 구하는 오차 연산부; 및 상기 오차의 정보량이 미리 설정된 정보량 이상인 경우 상기 선정된 예비 입력 변수들을 상기 모델의 입력 변수로 선정하는 최종 입력 변수 선정부를 포함하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 장치를 제공한다.
According to a first embodiment of the present invention, a preliminary input selection unit for selecting preliminary input variables of a model; an error calculating unit for inputting the selected preliminary input variables into the model and calculating an error between the output data output from the model and the original output data; and a final input variable selector for selecting the selected preliminary input variables as input variables of the model when the amount of information of the error is greater than or equal to the preset amount of information.
본 발명의 일 실시 형태에 의하면, 상기 최종 입력 변수 선정부는, 상기 오차의 정보량이 미리 설정된 정보량 이상인 경우 상기 예비 입력 변수들이 입력 제한 조건을 만족하는지를 판단하고, 상기 예비 입력 변수들이 입력 제한 조건을 만족하는 경우에 상기 예비 입력 변수들을 상기 모델의 입력 변수로 선정할 수 있다.
According to an embodiment of the present invention, the final input variable selecting unit determines whether the preliminary input variables satisfy an input restriction condition when the amount of information of the error is equal to or greater than a preset information amount, and the preliminary input variables satisfy the input restriction condition. In this case, the preliminary input variables may be selected as input variables of the model.
본 발명의 일 실시 형태에 의하면, 상기 최종 입력 변수 선정부는, 상기 예비 입력 변수들이 필수 입력 변수를 포함하는지 및 상기 예비 입력 변수의 개수가 미리 설정된 개수 이상인지를 판단할 수 있다.
According to an embodiment of the present invention, the final input variable selector may determine whether the preliminary input variables include essential input variables and whether the number of the preliminary input variables is equal to or greater than a preset number.
본 발명의 일 실시 형태에 의하면, 상기 오차 연산부는, 상기 모델로부터 출력되는 출력 데이터를 양자화한 후 상기 양자화된 출력 데이터와 상기 원본 출력 데이터 간의 오차를 구할 수 있다.
According to an embodiment of the present invention, the error calculating unit may obtain an error between the quantized output data and the original output data after quantizing the output data output from the model.
본 발명의 일 실시 형태에 의하면, 상기 오차의 정보량은, 샤논의 엔트로피 정의에 따라 구할 수 있다.
According to an embodiment of the present invention, the information amount of the error can be obtained according to Shannon's entropy definition.
본 발명의 일 실시 형태에 의하면, 상기 최종 입력 변수 선정부는, 상기 오차의 정보량이 미리 설정된 정보량 미만이거나 또는 상기 예비 입력 변수들이 입력 제한 조건을 만족하지 않는 경우 모델의 입력 변수들을 재선정할 수 있다.
According to an embodiment of the present invention, the final input variable selector may reselect the input variables of the model when the amount of information of the error is less than a preset amount of information or the preliminary input variables do not satisfy the input restriction condition. .
본 발명의 일 실시 형태에 의하면, 상기 최종 입력 변수 선정부는, 유전 알고리즘 또는 유전 전략 중 어느 하나에 따라 재선정할 수 있다.
According to an embodiment of the present invention, the final input variable selector may reselect according to either a genetic algorithm or a genetic strategy.
본 발명의 제2 실시 형태에 의하면, 예비 입력 변수 선정부에서, 모델의 예비 입력 변수들을 선정하는 제1 단계; 오차 연산부에서, 상기 선정된 예비 입력 변수들을 상기 모델에 입력한 후 상기 모델로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차를 구하는 제2 단계; 및 최종 입력 변수 선정부에서, 상기 오차의 정보량이 미리 설정된 정보량 이상인 경우 상기 선정된 예비 입력 변수들을 상기 모델의 입력 변수로 선정하는 제3 단계를 포함하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 방법을 제공한다.
According to a second embodiment of the present invention, in the preliminary input variable selection unit, a first step of selecting preliminary input variables of a model; a second step of inputting the selected preliminary input variables into the model, and then calculating an error between the output data output from the model and the original output data; and a third step of selecting, in the final input variable selecting unit, the selected preliminary input variables as input variables of the model when the amount of information of the error is greater than or equal to the preset amount of information. It provides a selection method.
본 발명의 일 실시 형태에 의하면, 상기 모델의 제3 단계는, 상기 오차의 정보량이 미리 설정된 정보량 이상인 경우 상기 예비 입력 변수들이 입력 제한 조건을 만족하는지를 판단하는 단계; 및 상기 예비 입력 변수들이 입력 제한 조건을 만족하는 경우에 상기 예비 입력 변수들을 상기 모델의 입력 변수로 선정하는 단계를 더 포함할 수 있다.
According to an embodiment of the present invention, the third step of the model may include: determining whether the preliminary input variables satisfy an input restriction condition when the amount of information of the error is equal to or greater than a preset amount of information; and selecting the preliminary input variables as input variables of the model when the preliminary input variables satisfy an input restriction condition.
본 발명의 일 실시 형태에 의하면, 상기 제3 단계는, 상기 예비 입력 변수들이 필수 입력 변수를 포함하는지 및 상기 예비 입력 변수의 개수가 미리 설정된 개수 이상인지를 판단하는 단계를 포함할 수 있다.
According to an embodiment of the present invention, the third step may include determining whether the preliminary input variables include essential input variables and whether the number of the preliminary input variables is equal to or greater than a preset number.
본 발명의 일 실시 형태에 의하면, 상기 제2 단계는, 상기 모델로부터 출력되는 출력 데이터를 양자화한 후 상기 양자화된 출력 데이터와 상기 원본 출력 데이터 간의 오차를 구하는 단계를 포함할 수 있다.
According to an embodiment of the present invention, the second step may include quantizing the output data output from the model, and then obtaining an error between the quantized output data and the original output data.
본 발명의 일 실시 형태에 의하면, 상기 오차의 정보량은, 샤논의 엔트로피 정의에 따라 구할 수 있다.
According to an embodiment of the present invention, the information amount of the error can be obtained according to Shannon's entropy definition.
본 발명의 일 실시 형태에 의하면, 상기 제3 단계는, 상기 오차의 정보량이 미리 설정된 정보량 미만이거나 또는 상기 예비 입력 변수들이 입력 제한 조건을 만족하지 않는 경우 모델의 입력 변수들을 재선정하는 단계를 더 포함할 수 있다.
According to an embodiment of the present invention, the third step further includes reselecting the input variables of the model when the amount of information of the error is less than a preset amount of information or the preliminary input variables do not satisfy the input restriction condition. can do.
본 발명의 일 실시 형태에 의하면, 상기 제3 단계는, 유전 알고리즘 또는 유전 전략 중 어느 하나에 따라 재선정하는 단계를 포함할 수 있다.
According to an embodiment of the present invention, the third step may include reselecting according to any one of a genetic algorithm and a genetic strategy.
본 발명의 일 실시 형태에 의하면, 모델로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차의 정보량에 기초하여 입력 변수를 적절하게 선정함으로써, 모델의 특성을 향상시키거나 또는 출력을 얻는데 드는 시간을 줄일 수 있다.
According to an embodiment of the present invention, by appropriately selecting an input variable based on the amount of information of the error between the output data output from the model and the original output data, it is possible to improve the characteristics of the model or reduce the time required to obtain the output. there is.
도 1은 본 발명의 일 실시 형태에 따른 오차의 정보량을 기반으로 한 모델의 입력 변수 선정 장치의 구성도이다.
도 2는 본 발명의 일 실시 형태에 따른 오차의 정보량을 구하는 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시 형태에 따른 오차의 정보량을 기반으로 한 모델의 입력 변수 선정 방법을 설명하는 흐름도이다.1 is a block diagram of an apparatus for selecting an input variable for a model based on an amount of error information according to an embodiment of the present invention.
FIG. 2 is a diagram for explaining a process of obtaining an amount of error information according to an embodiment of the present invention.
3 is a flowchart illustrating a method of selecting an input variable of a model based on an amount of information of an error according to an embodiment of the present invention.
이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 설명한다. 그러나 본 발명의 실시형태는 여러 가지의 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로만 한정되는 것은 아니다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.
DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. However, the embodiment of the present invention may be modified in various other forms, and the scope of the present invention is not limited only to the embodiments described below. The shapes and sizes of elements in the drawings may be exaggerated for a clearer description, and elements indicated by the same reference numerals in the drawings are the same elements.
도 1은 본 발명의 일 실시 형태에 따른 오차의 정보량을 기반으로 한 모델의 입력 변수 선정 장치의 구성도이다. 한편, 도 2는 본 발명의 일 실시 형태에 따른 오차의 정보량을 구하는 과정을 설명하기 위한 도면이다.
1 is a block diagram of an apparatus for selecting an input variable for a model based on an amount of error information according to an embodiment of the present invention. Meanwhile, FIG. 2 is a diagram for explaining a process of obtaining an information amount of an error according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명의 일 실시 형태에 따른 오차의 정보량을 기반으로 한 모델의 입력 변수 선정 장치는, 예비 입력 선정부(110), 오차 연산부(130) 및 최종 입력 변수 선정부(140)를 포함할 수 있다.
As shown in FIG. 1 , the apparatus for selecting an input variable for a model based on the amount of error information according to an embodiment of the present invention includes a
이하, 도 1을 참조하여, 본 발명의 일 실시 형태에 따른 오차의 정보량을 기반으로 한 모델의 입력 변수 선정 장치를 상세하게 설명한다.
Hereinafter, an apparatus for selecting an input variable for a model based on an amount of information about an error according to an embodiment of the present invention will be described in detail with reference to FIG. 1 .
우선, 예비 입력 선정부(110)는, 모델(120)의 예비 입력 변수들(입력변수 1 내지 N)을 선정할 수 있다. 상술한 예비 입력 변수들(입력변수 1 내지 N)은 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M, 여기서 M > N임)로부터 선정될 수 있다.
First, the
여기서, 상술한 모델은, 데이터 기반 모델로, 예를 들면 압연 공정에서 스케일을 구하는 모델일 수 있으며, 이 경우 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M)은 슬라브의 온도, 냉각수의 양, 롤 스피드, 압하율, 소재의 종류, 두께, 폭 등 다양한 변수들을 포함할 수 있다. 다른 실시예로, 상술한 모델은 사람 얼굴을 찾는 모델일 수 있으며, 이 경우 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M)은 눈, 코, 입, 색깔, 머리와 얼굴의 비율, 상호간의 간격, 명암 차이 등을 포함할 수 있다.
Here, the above-mentioned model is a data-based model, for example, it may be a model for obtaining a scale in the rolling process, in which case the candidate group of input variables (input variable 1 to input variable M) is the temperature of the slab, the amount of cooling water, Various variables such as roll speed, reduction ratio, material type, thickness, and width may be included. In another embodiment, the above-described model may be a model for finding a human face. In this case, the candidate group of input variables (input variable 1 to input variable M) includes eyes, nose, mouth, color, head-to-face ratio, and each other. Intervals, contrast differences, and the like may be included.
한편, 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M)으로부터 예비 입력 변수들(입력변수 1 내지 N)의 선정은 다양한 변수들 중 임의의 변수를 랜덤하게 뽑아서 목적에 맞는 것만 추려내는 방식들, 예를 들면 유전 알고리즘 또는 유전 전략 등이 사용될 수 있다. 그리고 상술한 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M)은 대상 공정의 전문가에 의해 선정될 수 있다.
On the other hand, the selection of preliminary input variables (input variables 1 to N) from a candidate group (input variables 1 to M) of input variables is a method of selecting randomly among various variables and selecting only those suitable for the purpose, For example, a genetic algorithm or genetic strategy may be used. In addition, the candidate group (input variable 1 to input variable M) of the above-described input variables may be selected by an expert in the target process.
그리고, 오차 연산부(130)는, 선정된 예비 입력 변수들(입력변수 1 내지 N)을 모델(120)에 입력한 후 모델(120)로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차를 구할 수 있다.
Then, the
여기서, 원본 출력 데이터는 상술한 예비 입력 변수들(입력변수 1 내지 N)을 실제 시스템에 입력할 경우 실제 시스템으로부터 나오는 출력 데이터로 데이터베이스에 미리 저장된 것일 수 있다.
Here, the original output data may be previously stored in the database as output data from the actual system when the aforementioned preliminary input variables (input variables 1 to N) are input to the actual system.
실시 형태에 따라서는, 오차 연산부(130)는, 모델(120)로부터 출력되는 출력 데이터를 양자화한 후 양자화된 출력 데이터와 원본 출력 데이터 간의 오차를 구할 수 있다.
According to an embodiment, the
최종 입력 변수 선정부(140)는, 오차의 정보량이 미리 설정된 정보량 이상인 경우 선정된 예비 입력 변수들(입력변수 1 내지 N)을 모델(120)의 입력 변수로 선정할 수 있다. 여기서, 오차의 정보량은 오차들의 분포에 대한 평균 에너지 상태라고 볼 수 있으며, 예를 들면 샤논의 엔트로피 정의로부터 구할 수 있다.
The final
본 발명의 이해를 돕기 위해, 도 2에 도시된 바와 같은 강판 표면에 형성된 스케일(S)을 기준으로, 상술한 오차의 정보량을 구하는 과정을 상세하게 설명한다. 도 2에서 (a)는 원본 출력 데이터, (b)는 모델로부터 나오는 출력 데이터이며, (c)는 원본 출력 데이터와 모델로부터 나오는 출력 데이터의 오차일 수 있으며, 스케일(S)은 검은색으로 표현(비트값은 '1')이며, 스케일이 아닌 강판은 흰색으로 표현(비트값은 '0')하였다.
In order to help the understanding of the present invention, the process of obtaining the information amount of the above-described error based on the scale (S) formed on the surface of the steel plate as shown in FIG. 2 will be described in detail. In FIG. 2, (a) is the original output data, (b) is the output data from the model, (c) may be an error between the original output data and the output data from the model, and the scale (S) is expressed in black. (Bit value is '1'), and non-scale steel plates are expressed in white (bit value is '0').
오차의 정보량을 구하기 위해, 최종 입력 변수 선정부(140)는, 도 2의 (c)에 도시된 바와 같은 오차를 서브 그룹 단위(201 내지 216)로 분할할 수 있다. 이 경우 제1 서브 그룹(201)의 데이터(즉, 서브 그룹에 포함된 스케일을 나타내는 화소의 수)는 도시된 바와 같이 6(즉 서브 그룹(201) 내에 포함된 스케일을 나타내는 화소의 개수)일 수 있다. 마찬가지로 제4 서브 그룹(204), 제13 서브 그룹(213) 및 제16 서브 그룹(216)의 데이터는 모두 4이며, 제11 서브 그룹(211)의 데이터는 3일 수 있다.
In order to obtain the information amount of the error, the final
이후, 최종 입력 변수 선정부(140)는, 다음과 같은 샤논의 엔트로피 정의에 따른 수학식 1에 의해 오차의 정보량을 구할 수 있다.Thereafter, the final
[수학식 1][Equation 1]
오차의 정보량 = - Σ{(각 서브 그룹의 확률)×log(각 서브 그룹의 확률)}Information amount of error = - Σ{(probability of each subgroup)×log(probability of each subgroup)}
여기서, 각 서브 그룹의 확률은 동일한 화소수를 가지는 서브 그룹의 수를 총 서브 그룹의 수로 나눈 값이다.
Here, the probability of each subgroup is a value obtained by dividing the number of subgroups having the same number of pixels by the total number of subgroups.
예를 들어, 도 2에 도시된 바와 같이, 총 서브 그룹의 수가 16이고, 이들 중 데이터(즉, 서브 그룹에 포함된 스케일을 나타내는 화소 수)가 6인 서브 그룹이 1개, 데이터가 4인 서브 그룹의 수가 4개, 데이터의 수가 3인 서브 그룹의 수가 1개인 경우 오차의 정보량은 수학식 1에 따라 -{(1/16)×log(1/16) + (3/16)×log(3/16) + (1/16)×log(1/16)}이 될 수 있다.
For example, as shown in FIG. 2 , the total number of subgroups is 16, among which data (that is, the number of pixels representing the scale included in the subgroup) is 6, 1 subgroup, and data is 4 When the number of subgroups is 4 and the number of subgroups is 3, the information amount of the error is -{(1/16)×log(1/16) + (3/16)×log according to Equation 1 (3/16) + (1/16)×log(1/16)}.
본 발명의 일 실시 형태로 상술한 서브 그룹은 상호 중복되지 않는 것으로 설명하였으나, 이는 발명의 이해를 위해 최대한 간략화하여 도시한 것이며, 자세한 정보량 패턴이 필요할 경우에는 상호 중복되도록 할 수 있음은 물론이다.
In an embodiment of the present invention, the above-described subgroups have been described as not overlapping with each other, but this is illustrated in a simplified manner as much as possible for the understanding of the present invention, and if a detailed information amount pattern is necessary, it is of course possible to overlap each other.
실시 형태에 따라서는, 최종 입력 변수 선정부(140)는, 오차의 정보량이 미리 설정된 정보량 이상인 경우 예비 입력 변수들(입력변수 1 내지 N)이 입력 제한 조건을 만족하는지를 더 판단할 수 있으며, 이 경우 예비 입력 변수들(입력변수 1 내지 N)이 입력 제한 조건을 만족하는 경우에 예비 입력 변수들(입력변수 1 내지 N)을 모델(120)의 입력 변수로 선정할 수 있다. 여기서, 입력 제한 조건이란 예비 입력 변수(입력변수 1 내지 N)가 필수 입력 변수를 포함하는지 및 예비 입력 변수(입력변수 1 내지 N)의 개수가 미리 설정된 개수 이상인지를 말한다.
According to an embodiment, the final
한편, 최종 입력 변수 선정부(140)는, 오차의 정보량이 미리 설정된 정보량 미만이거나 또는 예비 입력 변수들(입력변수 1 내지 N)이 입력 제한 조건을 만족하지 않는 경우 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M)으로부터 모델(120)의 입력 변수들을 재선정할 수 있다. 재선정 방식은 상술한 바와 같은 유전 알고리즘 또는 유전 전략 등이 사용될 수 있다.
On the other hand, the final input
상술한 바와 같이, 본 발명의 일 실시 형태에 의하면, 모델로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차의 정보량에 기초하여 입력 변수를 적절하게 선정함으로써, 모델의 특성을 향상시키거나 또는 출력을 얻는데 드는 시간을 줄일 수 있다.
As described above, according to one embodiment of the present invention, by appropriately selecting an input variable based on the amount of information of the error between the output data output from the model and the original output data, it is possible to improve the characteristics of the model or obtain an output. can reduce the time required.
한편, 도 2는 본 발명의 일 실시 형태에 따른 오차의 정보량을 기반으로 한 모델의 입력 변수 선정 방법을 설명하는 흐름도이다. 발명의 간명화를 위해 도 1과 관련하여 중복된 부분에 대한 설명은 생략한다.
Meanwhile, FIG. 2 is a flowchart illustrating a method of selecting an input variable of a model based on an amount of information of an error according to an embodiment of the present invention. For simplicity of the invention, descriptions of overlapping parts with respect to FIG. 1 will be omitted.
도 1 내지 도 2를 참조하면, 우선 예비 입력 선정부(110)는, 모델(120)의 예비 입력 변수들(입력변수 1 내지 N)을 선정할 수 있다(S201). 상술한 예비 입력 변수들(입력변수 1 내지 N)은 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M, 여기서 M > N임)로부터 선정될 수 있다.
1 to 2 , first, the
여기서, 상술한 모델은, 데이터 기반 모델로, 예를 들면 압연 공정에서 스케일의 크기를 구하는 모델일 수 있으며, 이 경우 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M)은 슬라브의 온도, 냉각수의 양, 롤 스피드, 압하율, 소재의 종류, 두께, 폭 등 다양한 변수들을 포함할 수 있다. 다른 실시예로, 상술한 모델은 사람 얼굴을 찾는 모델일 수 있으며, 이 경우 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M)은 눈, 코, 입, 색깔, 머리와 얼굴의 비율, 상호간의 간격, 명암 차이 등을 포함할 수 있다.
Here, the above-mentioned model is a data-based model, and may be, for example, a model for obtaining the size of a scale in a rolling process. In this case, the candidate group of input variables (input variable 1 to input variable M) is the temperature of the slab, Various variables such as amount, roll speed, reduction ratio, material type, thickness, and width may be included. In another embodiment, the above-described model may be a model for finding a human face. In this case, the candidate group of input variables (input variable 1 to input variable M) includes eyes, nose, mouth, color, head-to-face ratio, and each other. Intervals, contrast differences, and the like may be included.
다음, 오차 연산부(130)는, 선정된 예비 입력 변수들(입력변수 1 내지 N)을 모델(120)에 입력한 후 모델(120)로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차를 구할 수 있다(S202).
Next, the
여기서, 원본 출력 데이터는 상술한 예비 입력 변수들(입력변수 1 내지 N)을 실제 시스템에 입력할 경우 실제 시스템으로부터 나오는 출력 데이터로 데이터베이스에 미리 저장된 것일 수 있다.
Here, the original output data may be previously stored in the database as output data from the actual system when the aforementioned preliminary input variables (input variables 1 to N) are input to the actual system.
본 발명의 실시 형태에 따라서는, 오차 연산부(130)는, 모델(120)로부터 출력되는 출력 데이터를 양자화한 후 양자화된 출력 데이터와 원본 출력 데이터 간의 오차를 구할 수 있음은 상술한 바와 같다.
According to the embodiment of the present invention, the
마지막으로, 최종 입력 변수 선정부(140)는, 오차의 정보량이 미리 설정된 정보량 이상인 경우 선정된 예비 입력 변수들(입력변수 1 내지 N)을 모델(120)의 입력 변수로 선정할 수 있다(S203).
Finally, the final input
본 발명의 실시 형태에 따라서는, 최종 입력 변수 선정부(140)는, 오차의 정보량이 미리 설정된 정보량 이상인 경우 예비 입력 변수들(입력변수 1 내지 N)이 입력 제한 조건을 만족하는지를 더 판단할 수 있으며, 이 경우 예비 입력 변수들(입력변수 1 내지 N)이 입력 제한 조건을 만족하는 경우에 예비 입력 변수들(입력변수 1 내지 N)을 모델(120)의 입력 변수로 선정할 수 있다.
According to an embodiment of the present invention, the final input
본 발명의 실시 형태에 따라서는, 최종 입력 변수 선정부(140)는, 오차의 정보량이 미리 설정된 정보량 미만이거나 또는 예비 입력 변수들(입력변수 1 내지 N)이 입력 제한 조건을 만족하지 않는 경우 입력 변수들의 후보군(입력 변수 1 내지 입력 변수 M)으로부터 모델(120)의 입력 변수들을 재선정할 수 있다. 재선정 방식은 상술한 바와 같이 유전 알고리즘 또는 유전 전략 등이 사용될 수 있음은 상술한 바와 같다.
According to the embodiment of the present invention, the final input
상술한 바와 같이, 본 발명의 일 실시 형태에 의하면, 모델로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차의 정보량에 기초하여 입력 변수를 적절하게 선정함으로써, 모델의 특성을 향상시키거나 또는 출력을 얻는데 드는 시간을 줄일 수 있다.
As described above, according to one embodiment of the present invention, by appropriately selecting an input variable based on the amount of information of the error between the output data output from the model and the original output data, it is possible to improve the characteristics of the model or obtain an output. can reduce the time required.
본 발명의 실시 형태에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
The term '~ unit' used in the embodiment of the present invention means software or a hardware component such as a field-programmable gate array (FPGA) or ASIC, and '~ unit' performs certain roles. However, '-part' is not limited to software or hardware. '~' may be configured to reside on an addressable storage medium or may be configured to refresh one or more processors. Accordingly, as an example, '~' indicates components such as software components, object-oriented software components, class components, and task components, and processes, functions, properties, and procedures. , subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays, and variables. The functions provided in the components and '~ units' may be combined into a smaller number of components and '~ units' or further separated into additional components and '~ units'. In addition, components and '~ units' may be implemented to play one or more CPUs in a device or secure multimedia card.
본 출원은 상술한 실시형태 및 첨부된 도면에 의해 한정되지 아니한다. 첨부된 청구범위에 의해 권리범위를 한정하고자 하며, 청구범위에 기재된 본 출원의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 형태의 치환, 변형 및 변경할 수 있다는 것은 당 기술분야의 통상의 지식을 가진 자에게 자명할 것이다.
The present application is not limited by the above-described embodiment and the accompanying drawings. It is intended to limit the scope of rights by the appended claims, and it is to those of ordinary skill in the art that various types of substitutions, modifications and changes can be made without departing from the technical spirit of the present application described in the claims. it will be self-evident
110: 예비 입력 변수 선정부
120: 모델
130: 오차 연산부
140: 최종 입력 변수 선정부110: preliminary input variable selection unit
120: model
130: error calculation unit
140: final input variable selection unit
Claims (14)
상기 선정된 예비 입력 변수들을 상기 모델에 입력한 후 상기 모델로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차를 구하는 오차 연산부; 및
상기 오차의 정보량이 미리 설정된 정보량 이상인 경우 상기 선정된 예비 입력 변수들을 상기 모델의 입력 변수로 선정하는 최종 입력 변수 선정부를 포함하며,
상기 최종 입력 변수 선정부는,
상기 오차의 정보량이 미리 설정된 정보량 이상인 경우 상기 예비 입력 변수들이 입력 제한 조건을 만족하는지를 더 판단하고,
상기 예비 입력 변수들이 입력 제한 조건을 만족하는 경우에 상기 예비 입력 변수들을 상기 모델의 입력 변수로 선정하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 장치.
a preliminary input selection unit for selecting preliminary input variables of the model;
an error calculating unit which inputs the selected preliminary input variables into the model and calculates an error between the output data output from the model and the original output data; and
and a final input variable selector for selecting the selected preliminary input variables as input variables of the model when the amount of information of the error is greater than or equal to a preset amount of information;
The final input variable selection unit,
If the information amount of the error is greater than or equal to a preset information amount, it is further determined whether the preliminary input variables satisfy an input restriction condition,
An apparatus for selecting an input variable for a model based on an information amount of an error of selecting the preliminary input variables as the input variables of the model when the preliminary input variables satisfy the input restriction condition.
상기 최종 입력 변수 선정부는,
상기 예비 입력 변수들이 필수 입력 변수를 포함하는지 및 상기 예비 입력 변수의 개수가 미리 설정된 개수 이상인지를 판단하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 장치.
According to claim 1,
The final input variable selection unit,
An apparatus for selecting an input variable for a model based on an amount of error information for determining whether the preliminary input variables include essential input variables and whether the number of the preliminary input variables is equal to or greater than a preset number.
상기 오차 연산부는,
상기 모델로부터 출력되는 출력 데이터를 양자화한 후 상기 양자화된 출력 데이터와 상기 원본 출력 데이터 간의 오차를 구하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 장치.
According to claim 1,
The error calculation unit,
An apparatus for selecting an input variable of a model based on an amount of error information for obtaining an error between the quantized output data and the original output data after quantizing the output data output from the model.
상기 오차의 정보량은,
샤논의 엔트로피 정의에 따라 구하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 장치.
According to claim 1,
The information amount of the error is,
A device for selecting input variables for a model based on the amount of error information obtained according to Shannon's definition of entropy.
상기 최종 입력 변수 선정부는,
상기 오차의 정보량이 미리 설정된 정보량 미만이거나 또는 상기 예비 입력 변수들이 입력 제한 조건을 만족하지 않는 경우 모델의 입력 변수들을 재선정하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 장치.
According to claim 1,
The final input variable selection unit,
An apparatus for selecting an input variable of a model based on the information amount of the error for reselecting the input variables of the model when the amount of information of the error is less than a preset amount of information or the preliminary input variables do not satisfy the input restriction condition.
상기 최종 입력 변수 선정부는,
유전 알고리즘 또는 유전 전략 중 어느 하나에 따라 재선정하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 장치.
7. The method of claim 6,
The final input variable selection unit,
A device for selecting input variables for a model based on the amount of error information reselected according to either a genetic algorithm or a genetic strategy.
오차 연산부에서, 상기 선정된 예비 입력 변수들을 상기 모델에 입력한 후 상기 모델로부터 출력되는 출력 데이터와 원본 출력 데이터간의 오차를 구하는 제2 단계; 및
최종 입력 변수 선정부에서, 상기 오차의 정보량이 미리 설정된 정보량 이상인 경우 상기 선정된 예비 입력 변수들을 상기 모델의 입력 변수로 선정하는 제3 단계를 포함하며,
상기 제3 단계는,
상기 오차의 정보량이 미리 설정된 정보량 이상인 경우 상기 예비 입력 변수들이 입력 제한 조건을 만족하는지를 판단하는 단계; 및
상기 예비 입력 변수들이 입력 제한 조건을 만족하는 경우에 상기 예비 입력 변수들을 상기 모델의 입력 변수로 선정하는 단계를 더 포함하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 방법.
a first step of selecting, in the preliminary input variable selection unit, preliminary input variables of the model;
a second step of inputting the selected preliminary input variables into the model, and then calculating an error between the output data output from the model and the original output data; and
a third step of selecting, in the final input variable selecting unit, the selected preliminary input variables as input variables of the model when the amount of information of the error is greater than or equal to a preset amount of information;
The third step is
determining whether the preliminary input variables satisfy an input restriction condition when the information amount of the error is equal to or greater than a preset information amount; and
and selecting the preliminary input variables as the input variables of the model when the preliminary input variables satisfy input restriction conditions.
상기 제3 단계는,
상기 예비 입력 변수들이 필수 입력 변수를 포함하는지 및 상기 예비 입력 변수의 개수가 미리 설정된 개수 이상인지를 판단하는 단계를 포함하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 방법.
9. The method of claim 8,
The third step is
and determining whether the preliminary input variables include essential input variables and whether the number of the preliminary input variables is equal to or greater than a preset number.
상기 제2 단계는,
상기 모델로부터 출력되는 출력 데이터를 양자화한 후 상기 양자화된 출력 데이터와 상기 원본 출력 데이터 간의 오차를 구하는 단계를 포함하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 방법.
9. The method of claim 8,
The second step is
and calculating an error between the quantized output data and the original output data after quantizing the output data output from the model.
상기 오차의 정보량은,
샤논의 엔트로피 정의에 따라 구하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 방법.
9. The method of claim 8,
The information amount of the error is,
A method of selecting input variables for a model based on the amount of error information obtained according to Shannon's definition of entropy.
상기 제3 단계는,
상기 오차의 정보량이 미리 설정된 정보량 미만이거나 또는 상기 예비 입력 변수들이 입력 제한 조건을 만족하지 않는 경우 모델의 입력 변수들을 재선정하는 단계를 더 포함하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 방법.
9. The method of claim 8,
The third step is
and reselecting the input variables of the model when the amount of information of the error is less than a preset amount of information or the preliminary input variables do not satisfy the input restriction condition.
상기 제3 단계는,
유전 알고리즘 또는 유전 전략 중 어느 하나에 따라 재선정하는 단계를 포함하는 오차의 정보량을 기반으로 한 모델의 입력변수 선정 방법.
14. The method of claim 13,
The third step is
A method of selecting an input variable for a model based on the amount of information about an error, comprising reselecting according to either a genetic algorithm or a genetic strategy.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140183061A KR102395556B1 (en) | 2014-12-18 | 2014-12-18 | Apparatus and method of selecting model input variable based on error information content |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140183061A KR102395556B1 (en) | 2014-12-18 | 2014-12-18 | Apparatus and method of selecting model input variable based on error information content |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160074785A KR20160074785A (en) | 2016-06-29 |
| KR102395556B1 true KR102395556B1 (en) | 2022-05-10 |
Family
ID=56365399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140183061A KR102395556B1 (en) | 2014-12-18 | 2014-12-18 | Apparatus and method of selecting model input variable based on error information content |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102395556B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011095946A (en) * | 2009-10-29 | 2011-05-12 | Mitsubishi Electric Corp | Prediction error-evaluating device, prediction error-evaluating method, and prediction error-evaluating program |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0635707A (en) * | 1992-05-19 | 1994-02-10 | Sanyo Electric Co Ltd | Self-multiplication type neuro fuzzy knowledge acquring device and dimension estimating device using the same |
| US6941287B1 (en) * | 1999-04-30 | 2005-09-06 | E. I. Du Pont De Nemours And Company | Distributed hierarchical evolutionary modeling and visualization of empirical data |
| US9104641B2 (en) * | 2009-12-15 | 2015-08-11 | Nec Corporation | Information processing device, method of processing information and storage medium |
-
2014
- 2014-12-18 KR KR1020140183061A patent/KR102395556B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011095946A (en) * | 2009-10-29 | 2011-05-12 | Mitsubishi Electric Corp | Prediction error-evaluating device, prediction error-evaluating method, and prediction error-evaluating program |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20160074785A (en) | 2016-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4404104A3 (en) | Machine learning for determining protein structures | |
| US20200349673A1 (en) | Method for processing image for improving the quality of the image and apparatus for performing the same | |
| CN103400368B (en) | Based on graph theory and the parallel rapid SAR image segmentation method of super-pixel | |
| CN104091339B (en) | Rapid image three-dimensional matching method and device | |
| Lazarevich et al. | Post-training deep neural network pruning via layer-wise calibration | |
| CN107770525B (en) | Image coding method and device | |
| JP2016206837A5 (en) | ||
| CN109903245B (en) | Non-uniform correction method for infrared image | |
| FI3510773T3 (en) | Quantisation parameter determination and layered coding | |
| Miyazaki et al. | Real-space renormalization-group approach to the random transverse-field Ising model in finite dimensions | |
| CN115984273B (en) | Road disease detection method, device, computer equipment and readable storage medium | |
| KR102395556B1 (en) | Apparatus and method of selecting model input variable based on error information content | |
| TW201931309A (en) | A color image authentication method and computer program product based on palette compression technique | |
| US8483487B2 (en) | Image processing device and method for capturing object outline | |
| EP2990998B1 (en) | Method and device for assessing damage in disaster area | |
| CN105046632A (en) | Space-time efficient binary image binary logic operation method | |
| CN106709393A (en) | QR two-dimensional code binarization method and system | |
| TW202001701A (en) | Method for quantizing an image and method for training a neural network | |
| JP2013009075A5 (en) | ||
| US10295992B2 (en) | Production system having constraint evaluator generating constrained sequences | |
| CN104835176A (en) | Threshold segmentation method of laser vision image | |
| JP2016511962A5 (en) | ||
| JP2007235758A5 (en) | ||
| CN109993338B (en) | Link prediction method and device | |
| JP2011023984A5 (en) | Image processing apparatus and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |