KR20230024931A - 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 - Google Patents
뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 Download PDFInfo
- Publication number
- KR20230024931A KR20230024931A KR1020230013844A KR20230013844A KR20230024931A KR 20230024931 A KR20230024931 A KR 20230024931A KR 1020230013844 A KR1020230013844 A KR 1020230013844A KR 20230013844 A KR20230013844 A KR 20230013844A KR 20230024931 A KR20230024931 A KR 20230024931A
- Authority
- KR
- South Korea
- Prior art keywords
- bed device
- state
- baby
- module
- information
- Prior art date
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004891 communication Methods 0.000 claims abstract description 81
- 230000015654 memory Effects 0.000 claims abstract description 43
- 230000006870 function Effects 0.000 claims description 60
- 239000013598 vector Substances 0.000 claims description 60
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 52
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 28
- 229910052760 oxygen Inorganic materials 0.000 claims description 28
- 239000001301 oxygen Substances 0.000 claims description 28
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 26
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 26
- 239000001569 carbon dioxide Substances 0.000 claims description 26
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 26
- 239000000428 dust Substances 0.000 claims description 26
- 230000036760 body temperature Effects 0.000 claims description 22
- 239000012855 volatile organic compound Substances 0.000 claims description 11
- 239000007921 spray Substances 0.000 claims description 10
- 239000003205 fragrance Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 20
- 230000036387 respiratory rate Effects 0.000 description 19
- 238000007726 management method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 9
- 230000007958 sleep Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000008602 contraction Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000001939 inductive effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005281 excited state Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 235000014653 Carica parviflora Nutrition 0.000 description 2
- 241000243321 Cnidaria Species 0.000 description 2
- 206010011469 Crying Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000004887 air purification Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- VKWMGUNWDFIWNW-UHFFFAOYSA-N 2-chloro-1,1-dioxo-1,2-benzothiazol-3-one Chemical compound C1=CC=C2S(=O)(=O)N(Cl)C(=O)C2=C1 VKWMGUNWDFIWNW-UHFFFAOYSA-N 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47D—FURNITURE SPECIALLY ADAPTED FOR CHILDREN
- A47D9/00—Cradles ; Bassinets
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C19/00—Bedsteads
- A47C19/02—Parts or details of bedsteads not fully covered in a single one of the following subgroups, e.g. bed rails, post rails
- A47C19/021—Bedstead frames
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C21/00—Attachments for beds, e.g. sheet holders, bed-cover holders; Ventilating, cooling or heating means in connection with bedsteads or mattresses
- A47C21/003—Lighting, radio, telephone or the like connected to the bedstead
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C21/00—Attachments for beds, e.g. sheet holders, bed-cover holders; Ventilating, cooling or heating means in connection with bedsteads or mattresses
- A47C21/04—Devices for ventilating, cooling or heating
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C31/00—Details or accessories for chairs, beds, or the like, not provided for in other groups of this subclass, e.g. upholstery fasteners, mattress protectors, stretching devices for mattress nets
- A47C31/12—Means, e.g. measuring means for adapting chairs, beds or mattresses to the shape or weight of persons
- A47C31/123—Means, e.g. measuring means for adapting chairs, beds or mattresses to the shape or weight of persons for beds or mattresses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/04—Babies, e.g. for SIDS detection
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Optics & Photonics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Air Conditioning Control Device (AREA)
Abstract
실시예들은 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치를 제시한다. 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 침대 장치는, 아기가 안치되는 바닥면을 구비한 침구 수단; 상기 침구 수단을 지지하는 하부 프레임; 상기 하부 프레임과 결합된 상부 프레임; 상기 하부 프레임과 상기 상부 프레임 사이의 일 측에 위치하고 자동으로 개폐가 가능한 제1 커버 및 상기 하부 프레임과 상기 상부 프레임 사이의 타 측에 위치한 제2 커버를 포함하는 몸체부; 하나 이상의 메모리; 하나 이상의 기능 모듈 및 상기 하나 이상의 메모리와 상기 하나 이상의 기능 모듈을 연결하는 하나 이상의 프로세서를 포함하는 제어부;를 포함하되, 및 상기 하나 이상의 기능 모듈은 디스플레이 모듈, 디퓨져 모듈, 센서 모듈, 오디오 모듈, 전열교환 모듈, 조명 모듈, 카메라 모듈 및 통신 모듈을 포함할 수 있다. 상기 하나 이상의 프로세서는: 상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보를 상기 센서 모듈을 기반으로 획득하고, 상기 아기의 상태와 관련된 정보는 아기의 심박수, 아기의 호흡수, 아기의 체온 및 아기의 산소 포화도를 포함하고, 상기 침대 장치의 내부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하고, 상기 침대 장치의 외부 정보는 상기 침대 장치 외부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하고, 상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 상기 아기의 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 상기 전열 교환 모듈에 대한 급기와 배기의 세기가 조절될 수 있다.
Description
본 개시의 실시예들은 아기의 주변 환경을 조절하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 기술에 대한 것이다.
기존의 유아용 침대에 장착된 공기 청정기는 아기에게 깨끗한 공기를 제공하기 위해 사용된다. 다만, 공기 청정기는 실내 공기를 정화시키는 기능은 있지만, 공기 청정기만을 사용하여 유아용 침대 내부의 온도 및 습도를 조절하기 어려울 수 있다.
또한, 유아용 침대의 외부 환경과 아기의 상태는 변할 수 있으므로, 변경된 외부 환경 또는 아기의 상태를 반영하지 않고 유아용 침대의 내부 환경을 조절한다면, 유아용 침대가 상기 아기에게 상대적으로 쾌적하지 않을 수 있다.
이에, 유아용 침대 내부의 공기 정화와 더불어 유아용 침대의 온도 및 습도까지 효율적으로 조절할 필요가 있으며, 아기의 상태와 유아용 침대 외부의 환경까지 고려한 설정 값에 따라 유아용 침대의 내부 환경을 조절할 필요가 있다.
실시예들은, 전열 교환 모듈이 구비된 침대 장치가 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절함으로써, 침대 장치는 침대 장치 내부의 공기 정화 뿐만 아니라 침대 장치의 온도 및 습도까지 조절할 수 있다.
실시예들은, 침대 장치가 아기의 상태 및 침대 장치의 외부 정보를 기반으로 침대 장치 내부의 설정 값을 결정함으로써, 침대 장치는 아기의 특성과 외부 환경을 고려한 개별적인 값에 따라 아기의 주변 환경을 조절할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 침대 장치는, 아기가 안치되는 바닥면을 구비한 침구 수단; 상기 침구 수단을 지지하는 하부 프레임; 상기 하부 프레임과 결합된 상부 프레임; 상기 하부 프레임과 상기 상부 프레임 사이의 일 측에 위치하고 자동으로 개폐가 가능한 제1 커버 및 상기 하부 프레임과 상기 상부 프레임 사이의 타 측에 위치한 제2 커버를 포함하는 몸체부; 하나 이상의 메모리; 하나 이상의 기능 모듈 및 상기 하나 이상의 메모리와 상기 하나 이상의 기능 모듈을 연결하는 하나 이상의 프로세서를 포함하는 제어부;를 포함하되, 및 상기 하나 이상의 기능 모듈은 디스플레이 모듈, 디퓨져 모듈, 센서 모듈, 오디오 모듈, 전열교환 모듈, 조명 모듈, 카메라 모듈 및 통신 모듈을 포함할 수 있다. 상기 하나 이상의 프로세서는: 상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보를 상기 센서 모듈을 기반으로 획득하고, 상기 아기의 상태와 관련된 정보는 아기의 심박수, 아기의 호흡수, 아기의 체온 및 아기의 산소 포화도를 포함하고, 상기 침대 장치의 내부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하고, 상기 침대 장치의 외부 정보는 상기 침대 장치 외부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하고, 상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 상기 아기의 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 상기 전열 교환 모듈에 대한 급기와 배기의 세기가 조절될 수 있다.
일 실시예에 따라, 침대 장치는 사전 설정된 시간 동안 획득된 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보를 기반으로 상기 뉴럴 네트워크를 통해 학습된, 제1 모델을 기초로 복수의 상기 아기의 상태를 결정할 수 있다. 상기 복수의 아기의 상태는 제1 상태, 제2 상태 및 제3 상태를 포함할 수 있다. 예를 들어, 상기 제1 상태는 상기 아기가 흥분된 상태를 나타내고, 상기 제2 상태는 상기 아기가 안정적인 상태를 나타내고, 상기 제3 상태는 상기 아기가 수면하는 상태를 나타낼 수 있다.
예를 들어, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다.
예를 들어, 상기 복수의 상기 아기의 상태와 관련된 정보, 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보 및 정답 복수의 아기의 상태 정보는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 특징 벡터는 상기 출력 레이어에 연결된 복수의 손실함수 레이어에 입력되고, 상기 복수의 손실함수 레이어는 상기 특징 벡터와 상기 제1 상태에 대한 정답 벡터, 상기 제2 상태에 대한 정답 벡터 및 상기 제3 상태에 대한 정답 벡터를 비교하는 각각의 손실함수를 이용하여 각각에 대한 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 각각에 대한 손실 값이 작아지는 방향으로 학습되는, 상기 제1 모델이 생성될 수 있다.
예를 들어, 상기 제1 상태인 것에 기반하여, 상기 디스플레이 모듈은 상기 제1 상태에 매칭되는 제1 영상을 디스플레이 하고, 상기 디퓨져 모듈은 상기 제1 상태에 매칭되는 제1 향기를 분사하고, 상기 오디오 모듈은 상기 제1 영상에 매칭되는 제1 음향을 출력하고, 상기 조명 모듈은 상기 제1 상태에 매칭되는 제1 세기로 동작할 수 있다.
예를 들어, 상기 제2 상태인 것에 기반하여, 상기 디스플레이 모듈은 상기 제2 상태에 매칭되는 제2 영상을 디스플레이 하고, 상기 디퓨져 모듈은 상기 제2 상태에 매칭되는 제2 향기를 분사하고, 상기 오디오 모듈은 상기 제2 영상에 매칭되는 제2 음향을 출력하고, 상기 조명 모듈은 상기 제2 상태에 매칭되는 제2 세기로 동작할 수 있다.
예를 들어, 상기 제3 상태인 것에 기반하여, 상기 디스플레이 모듈은 화면을 오프(off)하고, 상기 디퓨져 모듈은 상기 제3 상태에 매칭되는 제3 향기를 분사하고, 상기 오디오 모듈은 상기 제3 상태에 매칭되는 제3 음향을 출력하고, 상기 조명 모듈은 상기 제3 상태에 매칭되는 제3 세기로 동작할 수 있다.
일 실시예에 따라, 침대 장치는 상기 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 학습된, 제2 모델을 기초로 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 상기 침대 장치의 외부 정보, 상기 복수의 상기 아기의 상태에 대한 정보 및 정답 침대 장치의 내부 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습된, 상기 제2 모델이 생성될 수 있다.
일 실시예에 따라, 상기 설정 값은 상기 아래 수학식에 의해 설정될 수 있다.
상기 수학식에서, 상기 s는 상기 설정 값이고, 상기 n은 사전 설정된 시간 동안 획득된 상기 침대 장치의 내부 정보의 개수이고, 상기 ao는 최적화된 상기 침대 장치 내부의 일산화탄소 농도, ai는 상기 침대 장치 내부의 일산화탄소 농도, 상기 bo는 최적화된 상기 침대 장치 내부의 이산화탄소 농도, bi는 상기 침대 장치 내부의 이산화 탄소 농도, 상기 do는 최적화된 상기 침대 장치 내부의 미세먼지 농도, di는 상기 침대 장치 내부의 미세먼지 농도, 상기 vo는 최적화된 상기 침대 장치 내부의 TVOC 농도, vi는 상기 침대 장치 내부의 TVOC 농도, 상기 co는 최적화된 상기 침대 장치의 내부 온도, ci는 상기 침대 장치 내부의 온도, 상기 mo는 최적화된 상기 침대 장치의 내부 습도, mi는 상기 침대 장치 내부의 습도, 상기 w1은 상기 침대 장치 내부의 공기질에 대한 가중치 및 상기 w2는 상기 침대 장치 내부의 온도 및 습도에 대한 가중치일 수 있다. 여기서, 최적화된 농도보다 큰 값을 가진 농도인 경우, 상기 농도의 차이 값이 상기 수학식에 반영될 수 있다. 즉, ai>ao인 경우, 
값을 반영할 수 있고, ai<ao인 경우에는 20|ao-ai| 값을 반영하지 않고 나머지 차이 값을 기반으로 설정 값이 결정될 수 있다.
일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 침대 장치가 아기의 주변 환경을 조절하는 방법은, 상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보를 상기 침대 장치에 포함된 센서 모듈을 기반으로 획득하되, 상기 아기의 상태와 관련된 정보는 아기의 심박수, 아기의 호흡수, 아기의 체온 및 아기의 산소 포화도를 포함하고, 상기 침대 장치의 내부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하고, 상기 침대 장치의 외부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하는 단계; 상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 상기 아기의 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정하는 단계; 및 상기 아기의 상태와 관련된 정보 및 상기 침대 장치의 최적화된 내부 정보에 기반하여 상기 침대 장치에 포함된 하나 이상의 기능 모듈이 동작하는 단계;를 포함할 수 있다. 예를 들어, 상기 하나 이상의 기능 모듈은 디스플레이 모듈, 디퓨져 모듈, 상기 센서 모듈, 오디오 모듈, 전열 교환 모듈, 조명 모듈, 카메라 모듈 및 통신 모듈을 포함할 수 있다. 예를 들어, 상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 상기 하나 이상의 기능 모듈에 포함된 전열 교환 모듈에 대한 급기와 배기의 세기가 조절될 수 있다.
부가적으로, 예를 들어, 상기 복수의 아기의 상태는 제1 상태, 제2 상태 및 제3 상태를 포함하고, 상기 복수의 아기의 상태는 하기 수학식에 의해 결정된 값에 따라 결정될 수 있다.
상기 수학식에서, z는 상기 아기의 상태와 관련된 정보에 기초한 값이고, h는 아기의 심박수, b는 아기의 호흡수, c는 아기의 체온, o는 아기의 산소 포화도, α는 상기 아기에 대한 가중치일 수 있다. 예를 들어, 사전 설정된 제1 범위는 아기의 평균 심박수, 평균 호흡수, 평균 체온, 평균 산소 포화도 및 상기 아기에 대한 가중치를 기반으로 결정될 수 있다. 예를 들어, 사전 설정된 제1 범위는 7 이상부터 9 미만까지의 범위 일 수 있다. 예를 들어, 상기 아기에 대한 가중치는 복수의 아기에 대한 평균 심박수, 평균 호흡수, 평균 체온 및 평균 산소 포화도와, 상기 아기에 대한 평균 심박수, 평균 호흡수, 평균 체온 및 평균 산소 포화도 사이의 차이 값에 기반하여 결정될 수 있다. 예를 들어, 상기 아기에 대한 가중치는 뉴럴 네트워크를 통해 복수의 아기에 대한 심박수, 호흡수, 체온 및 산소 포화도와, 상기 아기에 대한 심박수, 호흡수, 체온 및 산소 포화도를 기반으로 결정될 수 있다.
부가적으로, 예를 들어, 상기 아기의 상태가 긴급 상태인 것으로 결정된 경우, 침대 장치는 상기 오디오 모듈을 통해 경고음을 출력할 수 있다. 이때, 상기 경고음의 세기는 아래 수학식에 의해 결정될 수 있다.
상기 수학식에서, V는 경고음의 세기, Vo는 사전 설정된 경고음의 세기, dx는 보호자의 단말과 상기 제1 침대 장치 사이의 거리, di는 상기 제1 침대 장치와 주변 침대 장치들 각각에 대한 거리, n은 주변 침대 장치들의 개수, β는 가중치일 수 있다.
실시예들에 따르면, 침대 장치는 전열 교환 모듈을 통해 침대 장치 내부의 공기를 외부의 공기와 순환시킴으로써, 내구의 공기를 정화시킬 뿐만 아니라 효율적으로 침대 장치 내부의 온도와 습도를 조절할 수 있다.
또한, 침대 장치는 침대 장치의 외부 환경 및 아기의 개별적인 특성에 따른 상태를 고려함으로써, 보다 상기 아기에게 쾌적한 침대 장치 내부의 환경을 조절할 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 침대 장치가 뉴럴 네트워크를 통해 결정된 최적화 정보에 기반하여 하나 이상의 기능 모듈을 동작시키는 방법을 나타낸다.
도 4는 일 실시예에 따른 뉴럴 네트워크를 통해 아기의 주변 환경을 조절하는 침대 장치 시스템을 나타낸다.
도 5는 일 실시예에 따른 뉴럴 네트워크를 통해 아기의 주변 환경을 조절하는 침대 장치를 나타낸다.
도 6은 일 실시예에 따른 뉴럴 네트워크를 통해 학습된 제1 모델 및 제2 모델을 나타낸다.
도 7은 일 실시예에 따른 침대 장치가 아기의 상태를 분석하고, 최적화된 내부 정보를 결정하는 동작을 도시한 흐름도이다.
도 8은 일 실시예에 따른 침대 장치가 경고음의 세기를 결정하는 동작을 나타낸 신호 교환도이다.
도 9는 일 실시예에 따른 침대 장치가 디스플레이 모듈을 통해 디스플레이하는 영상들에 대한 예를 나타낸다.
도 10은 일 실시예에 따른 침대 장치와 관련된 서버의 구성을 나타내는 블록도이다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 침대 장치가 뉴럴 네트워크를 통해 결정된 최적화 정보에 기반하여 하나 이상의 기능 모듈을 동작시키는 방법을 나타낸다.
도 4는 일 실시예에 따른 뉴럴 네트워크를 통해 아기의 주변 환경을 조절하는 침대 장치 시스템을 나타낸다.
도 5는 일 실시예에 따른 뉴럴 네트워크를 통해 아기의 주변 환경을 조절하는 침대 장치를 나타낸다.
도 6은 일 실시예에 따른 뉴럴 네트워크를 통해 학습된 제1 모델 및 제2 모델을 나타낸다.
도 7은 일 실시예에 따른 침대 장치가 아기의 상태를 분석하고, 최적화된 내부 정보를 결정하는 동작을 도시한 흐름도이다.
도 8은 일 실시예에 따른 침대 장치가 경고음의 세기를 결정하는 동작을 나타낸 신호 교환도이다.
도 9는 일 실시예에 따른 침대 장치가 디스플레이 모듈을 통해 디스플레이하는 영상들에 대한 예를 나타낸다.
도 10은 일 실시예에 따른 침대 장치와 관련된 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따른 침대 장치가 뉴럴 네트워크를 통해 결정된 최적화 정보에 기반하여 하나 이상의 기능 모듈을 동작시키는 방법을 나타낸다. 도 3의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, 단계 S301에서, 침대 장치는 아기의 상태와 관련된 정보, 침대 장치의 내부 정보 및 침대 장치의 외부 정보를 침대 장치에 포함된 센서 모듈을 기반으로 획득할 수 있다.
여기서, 아기의 상태와 관련된 정보는 아기의 상태를 나타내는 정보일 수 있다. 예를 들어, 상기 아기의 상태와 관련된 정보는 아기의 심박수, 아기의 호흡수, 아기의 체온, 아기의 산소 포화도, 아기의 피부 수축도, 아기의 홍채 수축도, 아기의 피부 수축도에 따른 스트레스 정도 및 아기의 홍채 수축도에 따른 스트레스 정도를 포함할 수 있다.
여기서, 침대 장치의 내부 정보는 침대 장치의 내부 상태를 나타내는 정보일 수 있다. 예를 들어, 상기 침대 장치의 내부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함할 수 있다. 여기서, TVOC는 총 휘발성 유기 화합물을 지칭할 수 있다. 예를 들어, TVOC 농도는 대기 중으로 쉽게 증발되는 액체 또는 기체상 유기화합물에 대한 농도일 수 있다.
여기서, 침대 장치의 외부 정보는 상기 침대 장치의 외부 상태를 나타내는 정보일 수 있다. 예를 들어, 침대 장치의 외부 정보는 상기 침대 장치 외부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함할 수 있다.
예를 들어, 침대 장치 내부의 온도는 21도에서 23도 사이의 온도가 아기가 쾌적하게 느끼는 평균적인 온도일 수 있다. 예를 들어, 침대 장치 내부의 습도는 45%도에서 55%도 사이의 습도가 아기가 쾌적하게 느끼는 평균적인 습도일 수 있다. 예를 들어, 침대 장치 내부의 쾌적한 습도는 침대 장치 내부의 온도에 따라 상이할 수 있다. 예를 들어, 침대 장치 내부의 일산화탄소 농도는 0.5에서 1.5PPM(parts per million)이 평균적인 농도일 수 있다. 예를 들어, 침대 장치 내부의 이산화탄소 농도는 400에서 500PPM(parts per million)이 평균적인 농도일 수 있다. 예를 들어, 침대 장치 내부의 미세먼지 농도는 35㎍/㎥에서 45㎍/㎥ 일수 있다. 예를 들어, 침대 장치 내부의 TVOC 농도는 90㎍/㎥에서 150㎍/㎥ 일 수 있다.
여기서, 예를 들어, 상기 센서 모듈은 침대 장치의 외부 및 내부에 대해 감지하는 제1 센서 및 아기의 상태를 감지하는 제2 센서를 포함할 수 있다. 즉, 상기 센서 모듈은 침대 장치의 외부 상태, 침대 장치의 내부 상태, 또는 외부의 상태(예: 아기의 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 예를 들어, 상기 제1 센서 및 제2 센서는 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 가스 센서, 미세먼지 센서, TVOC 센서, 또는 조도 센서 중 적어도 하나를 포함할 수 있다.
단계 S303에서, 침대 장치는 아기의 상태와 관련된 정보, 침대 장치의 내부 정보 및 침대 장치의 외부 정보에 기반하여 뉴럴 네트워크를 통해 아기의 상태에 따른 침대 장치의 최적화된 내부 정보를 결정할 수 있다.
예를 들어, 침대 장치는 사전 설정된 시간 동안 획득된 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보를 기반으로 상기 뉴럴 네트워크를 통해 학습된, 제1 모델을 기초로 복수의 상기 아기의 상태를 결정할 수 있다. 예를 들어, 상기 복수의 아기의 상태는 제1 상태, 제2 상태 및 제3 상태를 포함할 수 있다. 예를 들어, 상기 제1 상태는 상기 아기가 흥분된 상태를 나타내고, 상기 제2 상태는 상기 아기가 안정적인 상태를 나타내고, 상기 제3 상태는 상기 아기가 수면하는 상태를 나타낼 수 있다.
예를 들어, 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 예를 들어, 상기 복수의 상기 아기의 상태와 관련된 정보, 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보 및 정답 아기의 상태 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 특징 벡터로 출력될 수 있다. 그리고, 상기 특징 벡터는 상기 출력 레이어에 연결된 복수의 손실함수 레이어에 입력되고, 상기 복수의 손실함수 레이어는 상기 특징 벡터와 상기 제1 상태에 대한 정답 벡터, 상기 제2 상태에 대한 정답 벡터 및 상기 제3 상태에 대한 정답 벡터를 비교하는 각각의 손실함수를 이용하여 각각에 대한 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 각각에 대한 손실 값이 작아지는 방향으로 학습될 수 있다. 이러한 과정을 통해 상기 뉴럴 네트워크는 상기 제1 모델을 생성할 수 있다.
여기서, 아기의 상태에 따른 침대 장치의 최적화된 내부 정보는 현재 아기의 상태에 따른 침대 장치 내부의 적정 온도, 적정 습도, 적정 이산화탄소 농도, 적정 일산화탄소 농도, 적정 미세먼지 농도 및 적정 TVOC 농도를 포함할 수 있다.
예를 들어, 침대 장치는 상기 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 학습된, 제2 모델을 기초로 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 상기 침대 장치의 외부 정보, 상기 복수의 상기 아기의 상태에 대한 정보 및 정답 침대 장치의 내부 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력될 수 있다. 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습될 수 있다. 이러한 과정을 통해 상기 뉴럴 네트워크는 상기 제2 모델을 생성할 수 있다.
따라서, 단순히 아기의 상태와 관련된 정보만을 기반으로 상기 아기의 주변 환경을 조절하지 않고, 아기의 상태와 관련된 정보와 아기에 대한 영상 정보를 기반으로 상기 아기의 상태를 결정하고, 상기 아기의 상태와 상기 침대 장치의 외부 환경을 고려한 상기 아기에게 최적화된 침대 장치의 내부 환경을 결정할 수 있다.
단계 S305에서, 침대 장치는 아기의 상태와 관련된 정보 및 침대 장치의 최적화된 내부 정보에 기반하여 침대 장치에 포함된 하나 이상의 기능 모듈을 동작시킬 수 있다.
예를 들어, 상기 하나 이상의 기능 모듈은 디스플레이 모듈, 디퓨져 모듈, 센서 모듈, 오디오 모듈, 전열교환 모듈, 조명 모듈, 카메라 모듈 및 통신 모듈을 포함할 수 있다.
여기서, 예를 들어, 디스플레이 모듈은 아기의 상태에 따라 특정 영상을 시각적으로 제공할 수 있다. 예를 들어, 디퓨져 모듈은 아기의 상태에 따라 특정 향기를 분사할 수 있다.
예를 들어, 오디오 모듈은 아기의 상태에 따라 특정 음향 신호를 침대 장치 내부 또는 외부로 출력할 수 있다. 예를 들어, 아기의 상태가 긴급한 상태로 결정되면, 상기 침대 장치는 상기 오디오 모듈을 통해 경고음을 출력할 수 있다.
부가적으로, 일 실시예에 따라, 상기 침대 장치 이외에 복수의 침대 장치가 존재하는 경우, 상기 침대 장치는 상기 복수의 침대 장치와 메시지를 송수신함으로써, 상기 복수의 침대 장치의 개수와 각각에 대한 거리를 결정할 수 있다. 이후, 상기 침대 장치는 상기 복수의 침대 장치의 개수 및 각각에 대한 거리와 상기 침대 장치와 연결된 보호자의 단말의 거리에 기반하여 상기 경고음의 세기를 조절할 수 있다.
예를 들어, 조명 모듈은 복수 개의 LED(light-emitting diode)와 상기 복수 개의 LED를 제어하기 위한 제어 회로를 포함할 수 있다. 예를 들어, 조명 모듈은 복수의 제1 조명과 제2 조명을 포함할 수 있고, 복수의 제1 조명은 아기의 상태에 따라 조도가 조절될 수 있고, 제2 조명은 아기가 긴급한 상태인 경우에 긴급 상태를 알리기 위해 동작할 수 있다.
예를 들어, 카메라 모듈은 아기의 정지 영상 및 동영상을 촬영할 수 있다. 예를 들어, 카메라 모듈은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
예를 들어, 통신 모듈은 침대 장치의 외부 전자 장치(예: 도 1의 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 예를 들어, 통신 모듈은 무선 통신 모듈 또는 유선 통신 모듈을 포함할 수 있다. 또한, 예를 들어, 통신 모듈은 RFID(radio frequency identification) 태그 또는 QR(quick response) 코드를 더 포함할 수 있다. 즉, 보호자는 통신 모듈 내 RFID 태그를 통해 상기 침대 장치 내 아기에 대한 정보를 확인할 수 있거나, 통신 모듈 외부에 기록된 QR 코드를 판독함으로써 상기 침대 장치 내 아기에 대한 정보를 확인할 수 있다.
예를 들어, 전열교환 모듈은 침대 장치의 외부로 침내 장치의 내부 공기를 배기하고, 동시에 침대 장치의 내부로 침대 장치의 외부 공기를 급기할 수 있다. 예를 들어, 상기 전열교환 모듈은 송풍기, 필터 및 열교환 소자를 포함할 수 있다. 즉, 상기 전열교환 모듈 내 구비된 필터를 통해 침대 장치 외부의 신선한 공기와 침대 장치 내부의 오염된 공기가 교환되고, 상기 전열교환 모듈 내 구비된 열교환 소자를 통해 상기 침대 장치 내부의 온도 및 습도를 조절할 수 있다. 예를 들어, 상기 송풍기의 세기에 따라 온도, 습도 및 공기질(예: 일산화탄소 농도, 이산화탄소 농도, TVOC 농도, 미세먼지 농도)이 조절될 수 있다. 따라서, 공기만을 정화하는 공기 청정기와는 달리, 전열 교환 모듈은 공기를 순환시킴으로써, 산소 농도를 개선시킬 수 있고, TVOC를 제거할 수 있으며, 온도 및 습도까지 효율적으로 조절할 수 있다.
예를 들어, 상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 상기 전열 교환 모듈에 대한 급기와 배기의 세기가 조절될 수 있다. 또한, 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 상기 전열 교환 모듈에 의해 외기의 유입이 차단될 수 있다.
부가적으로, 예를 들어, 상기 침대 장치는 산소 공급 장치를 더 포함할 수 있다. 이러한 경우, 예를 들어, 상기 외기의 유입이 차단된 것에 기반하여, 침대 장치는 상기 센서 모듈에 의해 측정된 산소 농도에 따라 상기 침대 장치에 포함된 산소 공급 장치를 동작시킬 수 있다.
예를 들어, 상기 설정 값은 상기 아래 수학식 1에 의해 설정될 수 있다.
상기 수학식 1에서, 상기 s는 상기 설정 값이고, 상기 n은 사전 설정된 시간 동안 획득된 상기 침대 장치의 내부 정보의 개수이고, 상기 ao는 최적화된 상기 침대 장치 내부의 일산화탄소 농도, ai는 상기 침대 장치 내부의 일산화탄소 농도, 상기 bo는 최적화된 상기 침대 장치 내부의 이산화탄소 농도, bi는 상기 침대 장치 내부의 이산화 탄소 농도, 상기 do는 최적화된 상기 침대 장치 내부의 미세먼지 농도, di는 상기 침대 장치 내부의 미세먼지 농도, 상기 vo는 최적화된 상기 침대 장치 내부의 TVOC 농도, vi는 상기 침대 장치 내부의 TVOC 농도, 상기 co는 최적화된 상기 침대 장치의 내부 온도, ci는 상기 침대 장치 내부의 온도, 상기 mo는 최적화된 상기 침대 장치의 내부 습도, mi는 상기 침대 장치 내부의 습도, 상기 w1은 상기 침대 장치 내부의 공기질에 대한 가중치 및 상기 w2는 상기 침대 장치 내부의 온도 및 습도에 대한 가중치일 수 있다. 여기서, 최적화된 농도보다 큰 값을 가진 농도인 경우, 상기 농도의 차이 값이 상기 수학식에 반영될 수 있다. 즉, ai>ao인 경우, 20|ao-ai| 값을 반영할 수 있고, ai<ao인 경우에는 20|ao-ai| 값을 반영하지 않고 나머지 차이 값을 기반으로 설정 값이 결정될 수 있다.
예를 들어, 침대 장치는 상기 아기가 상기 제1 상태인 것에 기반하여, 상기 디스플레이 모듈을 통해 상기 제1 상태에 매칭되는 제1 영상을 디스플레이 하고, 상기 디퓨져 모듈을 통해 상기 제1 상태에 매칭되는 제1 향기를 분사하고, 상기 오디오 모듈을 통해 상기 제1 영상에 매칭되는 제1 음향을 출력하고, 상기 조명 모듈이 상기 제1 상태에 매칭되는 제1 세기로 동작하게 할 수 있다.
예를 들어, 침대 장치는 상기 아기가 상기 제2 상태인 것에 기반하여, 상기 디스플레이 모듈을 통해 상기 제2 상태에 매칭되는 제2 영상을 디스플레이 하고, 상기 디퓨져 모듈을 통해 상기 제2 상태에 매칭되는 제2 향기를 분사하고, 상기 오디오 모듈을 통해 상기 제2 영상에 매칭되는 제2 음향을 출력하고, 상기 조명 모듈이 상기 제2 상태에 매칭되는 제2 세기로 동작하게 할 수 있다.
예를 들어, 침대 장치는 상기 아기가 상기 제3 상태인 것에 기반하여, 상기 디스플레이 모듈의 화면을 오프(off) 시키고, 상기 디퓨져 모듈을 통해 상기 제3 상태에 매칭되는 제3 향기를 분사하고, 상기 오디오 모듈을 통해 상기 제3 상태에 매칭되는 제3 음향을 출력하고, 상기 조명 모듈이 상기 제3 상태에 매칭되는 제3 세기로 동작하게 할 수 있다.
도 4는 일 실시예에 따른 뉴럴 네트워크를 통해 아기의 주변 환경을 조절하는 침대 장치 시스템을 나타낸다. 도 4의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 침대 장치 시스템은 네트워크(410), 센서 중계기(420), 모바일 디바이스 또는 PC(430), 저장 장치(440), 예측 관리 서버(450), 침대 장치(460) 및 아기용 센서(470)를 포함할 수 있다. 여기서, 네트워크(410)는 근거리 무선 네트워크(예: 블루투스, WiFi, IrDA) 또는 원거리 무선 네트워크(예: 셀룰러 네트워크, 5G 네트워크, 인터넷) 중 적어도 하나를 포함할 수 있다. 센서 중계기(420)는 침대 장치 내에 구비된 센서 모듈을 통해 측정된 값을 모바일 디바이스 또는 PC(430), 저장 장치(440) 또는 예측 관리 서버(450) 중 적어도 하나에게 중계할 수 있다. 저장 장치(440)는 센서 모듈을 통해 측정된 값 뿐만 아니라 다양한 데이터를 저장할 수 있고, 클라우드 서버를 포함할 수 있다. 예측 관리 서버(450)는 저장 장치(440)에 저장된 데이터 또는 센서 모듈을 통해 측정된 값을 수신하여, 아기의 상태를 예측하거나, 침대 장치의 최적화된 내부 정보를 결정할 수 있다.
예를 들어, 복수의 침대 장치(460) 각각에 구비된 센서(제1 센서)는 침대 장치 내부의 온도, 습도, 일산화탄소 농도, 이산화탄소 농도 및 TVOC 농도가 측정할 수 있고, 복수의 아기용 센서(470) 각각(제2 센서)은 통해 아기의 심박수, 호흡수, 체온 및 산소 포화도를 측정할 수 있다.
예를 들어, 복수의 침대 장치(460) 각각에 구비된 카메라 모듈을 통해 촬영된 아기의 영상 정보가 네트워크(410)를 통해 저장 장치(440) 또는 예측 관리 서버(450)에게 전송될 수 있다.
이후, 예를 들어, 센서 중계기(420)는 상기 제1 센서 및 상기 제2 센서를 통해 측정된 값을 네트워크(410)를 통해 저장 장치(440) 또는 예측 관리 서버(450)에게 전송하거나, 모바일 디바이스 또는 PC(430)에게 전송할 수 있다.
그리고, 예를 들어, 예측 관리 서버(450)는 센서 모듈을 통해 측정된 값을 기반으로 최적화된 침대 장치의 내부 정보를 결정하고, 상기 최적화된 내부 정보를 네트워크(410)를 통해 침대 장치(460)에게 전송할 수 있다.
이하 상기 침대 장치(460)를 보다 구체적으로 설명한다.
도 5는 일 실시예에 따른 뉴럴 네트워크를 통해 아기의 주변 환경을 조절하는 침대 장치를 나타낸다. 도 5의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 5를 참조하면, 침대 장치(500)는 아기가 안치되는 바닥면을 구비한 침구 수단(520), 침구 수단(520)을 지지하는 하부 프레임(501), 하부 프레임(501)과 결합된 상부 프레임(502), 하부 프레임(501)과 상부 프레임(502) 사이의 일 측에 위치하고 자동으로 개폐가 가능한 제1 커버(511) 및 하부 프레임(501)과 상부 프레임(502) 사이의 타 측에 위치한 제2 커버(512)를 포함하는 몸체부를 포함할 수 있다.
또한, 침대 장치(500)는 하나 이상의 메모리, 하나 이상의 기능 모듈 및 상기 하나 이상의 메모리와 상기 하나 이상의 기능 모듈을 연결하는 하나 이상의 프로세서를 포함하는 제어부를 포함할 수 있다. 예를 들어, 하나 이상의 기능 모듈은 디스플레이 모듈, 디퓨져 모듈, 센서 모듈, 오디오 모듈, 전열교환 모듈, 조명 모듈, 카메라 모듈 및 통신 모듈을 포함할 수 있다.
예를 들어, 화재가 발생하는 경우, 침대 장치(500)는 상기 센서 모듈을 통해 상기 화재를 확인할 수 있고, 상기 제1 커버(511)를 닫을 수 있다.
예를 들어, 전열 교환 모듈(530)은 제1 커버(511)의 안쪽 면에 장착될 수 있다. 전열 교환 모듈(530)은 열교환 소자, 송풍기 및 필터를 포함할 수 있다. 예를 들어, 센서 모듈을 통해 측정된 침대 장치(500)의 외부 정보, 침대 장치(500)의 내부 정보 및 아기의 상태와 관련된 정보에 기반하여 침대 장치(500)의 최적화된 내부 정보가 결정되는 경우, 전열 교환 모듈(530)은 상기 최적화된 내부 정보 및 상기 침대 장치(500)의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 급기와 배기의 세기를 조절할 수 있다.
센서 모듈은 침대 장치(500)에 구비된 제1 센서(541)와 아기의 상태를 감지하기 위한 제2 센서(542)를 포함할 수 있다. 이때, 제1 센서(541)는 하부 프레임(501)에 구비된 공간에 장착될 수 있고, 제2 센서(542)는 아기의 주변에 위치하거나 아기의 신체에 부착될 수 있다. 또한, 제1 센서는 침대 장치(500)의 외부 온도, 외부 습도, 외부 일산화탄소 농도, 외부 이산화탄소 농도, 외부 미세먼지 농도 및 외부 TVOC 농도를 측정할 수 있고, 침대 장치(500)의 내부 온도, 내부 습도, 내부 일산화탄소 농도, 내부 이산화탄소 농도, 내부 미세먼지 농도 및 내부 TVOC 농도를 측정할 수 있다. 제2 센서(542)는 아기의 심박수, 호흡수, 체온 및 산소 포화도를 측정할 수 있다. 또한, 제1 센서(541) 또는 제2 센서(542)는 통신 모듈(580)과 무선 연결됨으로써, 제2 센서(542)를 통해 획득된 아기의 상태와 관련된 정보를 통신 모듈(580)로 전송할 수 있다.
예를 들어, 디퓨져 모듈(550) 및 음향 모듈(560)은 침대 장치(500)의 내부에서 하부 프레임(501)의 측면에 장착될 수 있다. 예를 들어, 사전 설정된 복수의 향들이 디퓨져 모듈(550)에 설정될 수 있다. 사전 설정된 복수의 향들 각각에 대해 사전 설정된 시간 동안 측정된 아기의 상태와 관련된 정보에 기반하여, 상기 뉴럴 네트워크를 통해 사전 설정된 복수의 향들 중에서 하나 이상의 향이 학습될 수 있다. 예를 들어, 상술한 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보에 대해 상기 학습된 하나 이상의 향이 매칭될 수 있고, 디퓨져 모듈(550)은 상기 매칭된 하나 이상의 향을 상기 복수의 상기 아기의 상태에 대한 정보에 기반하여 분사할 수 있다. 즉, 디퓨져 모듈(550)은 아기의 상태에 따라 서로 다른 향을 분사할 수 있다. 또한, 예를 들어, 사전 설정된 복수의 음향들이 음향 모듈(560)에 설정될 수 있다. 사전 설정된 복수의 음향들 각각에 대해, 사전 설정된 시간 동안 측정된 아기의 상태와 관련된 정보에 기반하여, 상기 뉴럴 네트워크를 통해 사전 설정된 복수의 음향들 중에서 하나 이상의 음향이 학습될 수 있다. 예를 들어, 상술한 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보에 대해 상기 학습된 하나 이상의 음향이 매칭될 수 있고, 음향 모듈(560)은 상기 매칭된 하나 이상의 음향을 상기 복수의 상기 아기의 상태에 대한 정보에 기반하여 출력할 수 있다. 즉, 음향 모듈(560)은 아기의 상태에 따라 서로 다른 음향을 출력할 수 있다.
조명 모듈은 제1 조명(571), 제2 조명(572), 제3 조명(573), 제4 조명(574) 및 제5 조명(575)를 포함할 수 있다. 예를 들어, 제1 조명(571)은 하부 프레임(501)의 바깥 면에 장착될 수 있다. 제1 조명(571)은 침대 장치(500) 내 아기의 상태에 따라 조명의 색깔이 변경될 수 있고, 제1 조명(571)은 경고등 역할을 수행할 수도 있다. 예를 들어, 제2 조명(572), 제3 조명(573), 제4 조명(574) 및 제5 조명(575)는 각각 이격되어 상부 프레임(502)의 안쪽 면에 장착될 수 있다. 제2 조명(572), 제3 조명(573), 제4 조명(574) 및 제5 조명(575)은 침내 장치(500) 내부에 대한 조명으로서, 침대 장치(500) 내 아기의 상태에 따라 조명의 세기가 변경될 수 있다. 예를 들어, 사전 설정된 복수의 조명 세기들 각각에 대해, 사전 설정된 시간 동안 측정된 아기의 상태와 관련된 정보에 기반하여, 상기 뉴럴 네트워크를 통해 사전 설정된 복수의 조명 세기들 중에서 하나 이상의 조명 세기가 학습될 수 있다. 예를 들어, 상술한 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보에 대해 상기 학습된 하나 이상의 조명 세기가 매칭될 수 있고, 조명 모듈은 상기 복수의 상기 아기의 상태에 대한 정보에 기반하여 상기 매칭된 하나 이상의 조명 세기로 조명을 방사할 수 있다. 즉, 조명 모듈은 아기의 상태에 따라 상이한 조명 세기로 조명을 방사할 수 있다.
예를 들어, 영상 장치(580)는 아기의 시선이 닿을 수 있는 위치에 상부 프레임(502)과 결합될 수 있다. 영상 장치(580)는 카메라 모듈(581)과 디스플레이 모듈(582)을 포함할 수 있다. 카메라 모듈(581)은 아기의 정지 영상 및 동영상을 촬영할 수 있다. 예를 들어, 카메라 모듈(581)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다. 디스플레이 모듈(582)은 아기에게 다양한 영상을 제공할 수 있다. 예를 들어, 사전 설정된 복수의 영상들 각각에 대해, 사전 설정된 시간 동안 측정된 아기의 상태와 관련된 정보에 기반하여, 상기 뉴럴 네트워크를 통해 사전 설정된 영상들 중에서 하나 이상의 영상이 학습될 수 있다. 예를 들어, 상술한 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보에 대해 상기 학습된 하나 이상의 영상이 매칭될 수 있고, 디스플레이 모듈(582)은 상기 복수의 상기 아기의 상태에 대한 정보에 기반하여 상기 매칭된 하나 이상의 영상을 디스플레이 할 수 있다. 즉, 디스플레이 모듈(582)은 아기의 상태에 따라 사전 설정된 영상을 디스플레이할 수 있다.
도 5에 도시된 상기 침대 장치(500)의 구성은 하나의 일 예로 필수 구성 요소인 것은 아니다. 도 5에 도시된 구성 요소보다 많은 구성 요소에 의해 침대 장치(500)가 구현될 수도 있고, 도 5에 도시된 구성 요소보다 적은 구성 요소에 의해 침대 장치(500)가 구현될 수도 있다.
도 6은 일 실시예에 따른 뉴럴 네트워크를 통해 학습된 제1 모델 및 제2 모델을 나타낸다. 도 6의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 6을 참조하면, 뉴럴 네트워크는 제1 입력 레이어(611), 하나 이상의 제1 히든 레이어(612), 제1 출력 레이어(613) 및 복수의 제1 손실 레이어(614)로 구성된 제1 모델(610)과 제2 입력 레이어(621), 하나 이상의 제2 히든 레이어(622), 제2 출력 레이어(623) 및 제2 손실 레이어(624)로 구성된 제2 모델(620)을 포함할 수 있다.
예를 들어, 사전 설정된 시간 동안 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보가 획득될 수 있다. 이후, 상기 복수의 상기 아기의 상태와 관련된 정보, 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보 및 정답 복수의 아기의 상태 정보로 구성된 학습 데이터는 제1 입력 레이어(611)에 입력될 수 있다. 예를 들어, 상기 복수의 상기 아기의 상태와 관련된 정보, 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보는 기 설정된 포맷으로 가공되어, 제1 입력 레이어(611)에 입력될 수 있다. 그리고, 제1 입력 레이어(611)에 입력된 상기 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보는 상기 하나 이상의 제1 히든 레이어(612) 및 제1 출력 레이어(613)를 통과하여 특징 벡터로 출력될 수 있다. 그리고, 상기 특징 벡터는 상기 제1 출력 레이어(613)에 연결된 복수의 제1 손실함수 레이어(614)에 입력되고, 상기 복수의 제1 손실함수 레이어(614)는 상기 특징 벡터와 상기 아기의 상태에 대한 복수의 정답 벡터를 비교하는 각각의 손실함수를 이용하여 각각에 대한 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 각각에 대한 손실 값이 작아지는 방향으로 학습될 수 있다. 이러한 과정을 통해 상기 뉴럴 네트워크는 제1 모델(610)을 생성할 수 있다.
즉, 사전 설정된 시간 동안 획득된 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보가 입력되면, 상기 뉴럴 네트워크의 제1 모델(610)을 통해 학습된 복수의 아기의 상태 중에서 어느 하나의 상태를 결정할 수 있다. 따라서, 아기마다 흥분된 상태, 평소 상태 및 수면 상태 등에 대한 심박수, 호흡수, 체온 및 산호 포화도가 다를 수 있으므로, 개별적인 아기의 심박수, 호흡수, 체온 및 산호 포화도를 고려하여 아기의 상태를 분류함으로써, 상기 아기가 안치된 침대 장치에 대해 최적화된 내부 정보를 결정할 수 있다.
그리고, 예를 들어, 사전 설정된 시간 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보가 획득될 수 있다. 이후, 상기 침대 장치의 외부 정보, 상기 복수의 상기 아기의 상태에 대한 정보 및 정답 침대 장치의 내부 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 제2 입력 레이어(621)에 입력되어 상기 하나 이상의 제2 히든 레이어(622) 및 제2 출력 레이어(623)를 통과하여 출력 벡터로 출력될 수 있다. 상기 출력 벡터는 상기 제2 출력 레이어(623)에 연결된 제2 손실함수 레이어(624)에 입력되고, 상기 제2 손실함수 레이어(624)는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습될 수 있다. 이러한 과정을 통해 상기 뉴럴 네트워크는 상기 제2 모델(620)을 생성할 수 있다. 즉, 사전 설정된 시간 동안 획득된 침대 장치의 외부 정보 및 침대 장치의 내부 정보와 상기 복수의 상기 아기의 상태에 대한 정보가 입력되면, 상기 뉴럴 네트워크의 제2 모델(620)을 통해 상기 침대 장치의 외부 정보와 상기 아기의 상태를 고려한 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 이후, 상기 침대 장치의 최적화된 내부 정보와 현재 침대 장치의 내부 정보를 비교하고, 침대 장치에 구비된 하나 이상의 기능 모듈이 그 차이 값을 고려하여 동작할 수 있다.
즉, 침대 장치의 외부 및 내부 정보와 상기 아기의 상태에 대한 정보가 입력되면, 상기 뉴럴 네트워크의 제2 모델(620)을 통해 학습된 복수의 내부 정보들 중에서 현재 아기의 상태에 적합한 내부 정보를 결정할 수 있다. 따라서, 침대 장치는 침대 장치의 내부 온도, 습도 및 공기질 뿐만 아니라 침대 장치의 외부 온도, 습도 및 공기질을 고려하고, 아기의 상태에 따라 침내 장치 내부 환경을 쾌적하게 조절할 수 있다.
도 7은 일 실시예에 따른 침대 장치가 아기의 상태를 분석하고, 최적화된 내부 정보를 결정하는 동작을 도시한 흐름도이다. 도 7의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 7을 참조하면, 단계 S701에서, 침대 장치는 아기의 상태와 관련된 정보 및 아기에 대한 영상 정보를 획득할 수 있다. 예를 들어, 침대 장치는 사전 설정된 시간 간격으로 아기의 상태와 관련된 정보 및 아기에 대한 영상 정보를 획득할 수 있다. 예를 들어, 아기의 상태와 관련된 정보는 아기의 심박수, 아기의 호흡수, 아기의 체온 및 아기의 산소 포화도를 포함할 수 있다.
단계 S702에서, 침대 장치는 아기가 제1 상태인지 여부를 결정할 수 있다. 예를 들어, 상기 아기의 상태와 관련된 정보에 기초한 값이 사전 설정된 제1 범위에 포함되거나, 상기 아기의 영상을 통해 아기가 울고 있다고 결정된 경우, 침대 장치는 아기가 제1 상태인 것으로 결정할 수 있다. 여기서, 제1 상태는 아기가 흥분된 상태를 나타낼 수 있다. 예를 들어, 상기 아기의 상태와 관련된 정보에 기초한 값은 하기 수학식 2에 의해 결정될 수 있다.
상기 수학식 2에서, z는 상기 아기의 상태와 관련된 정보에 기초한 값이고, h는 아기의 심박수, b는 아기의 호흡수, c는 아기의 체온, o는 아기의 산소 포화도, 
는 상기 아기에 대한 가중치일 수 있다. 예를 들어, 사전 설정된 제1 범위는 아기의 평균 심박수, 평균 호흡수, 평균 체온, 평균 산소 포화도 및 상기 아기에 대한 가중치를 기반으로 결정될 수 있다. 예를 들어, 사전 설정된 제1 범위는 7 이상부터 9 미만까지의 범위 일 수 있다. 예를 들어, 상기 아기에 대한 가중치는 복수의 아기에 대한 평균 심박수, 평균 호흡수, 평균 체온 및 평균 산소 포화도와, 상기 아기에 대한 평균 심박수, 평균 호흡수, 평균 체온 및 평균 산소 포화도 사이의 차이 값에 기반하여 결정될 수 있다. 예를 들어, 상기 아기에 대한 가중치는 뉴럴 네트워크를 통해 복수의 아기에 대한 심박수, 호흡수, 체온 및 산소 포화도와, 상기 아기에 대한 심박수, 호흡수, 체온 및 산소 포화도를 기반으로 결정될 수 있다.
또한, 예를 들어, 침대 장치는 아기에 대한 영상 정보를 상기 뉴럴 네트워크를 통해 아기의 표정을 분류할 수 있다. 이때, 현재 아기에 대한 영상 정보가 분류된 아기의 표정 중에서 아기가 우는 표정에 매칭되는 경우, 침대 장치는 아기가 흥분된 상태로 결정할 수 있다.
단계 S703에서, 침대 장치는 상기 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보를 획득할 수 있다. 예를 들어, 침대 장치의 외부 정보는 상기 침대 장치 외부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC 농도를 포함할 수 있다. 예를 들어, 상기 침대 장치의 내부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC 농도를 포함할 수 있다.
단계 S704에서, 침대 장치는 상기 제1 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 침대 장치는 뉴럴 네트워크를 통해 상기 제1 상태에 대한 정보, 상기 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보에 기반하여 상기 제1 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 상기 아기가 안정적인 상태인 제2 상태일 때, 상기 침대 장치의 현재 외부 정보에 대응하여 예측되는 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다. 즉, 침대 장치는 상기 아기가 흥분된 상태에서 상기 아기가 안정적인 상태로 유도할 수 있는 상기 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다.
단계 S705에서, 상기 아기의 상태가 제1 상태에 해당하지 않는 경우, 침대 장치는 아기가 제2 상태인지 여부를 결정할 수 있다. 예를 들어, 상기 아기의 상태와 관련된 정보에 기초한 값이 사전 설정된 제2 범위에 포함된 경우, 침대 장치는 아기가 제2 상태인 것으로 결정할 수 있다. 여기서, 제2 상태는 아기가 안정적인 상태를 나타낼 수 있다. 예를 들어, 상기 아기의 상태와 관련된 정보에 기초한 값은 상술한 수학식 2에 의해 결정될 수 있다.
단계 S706에서, 침대 장치는 상기 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보를 획득할 수 있다.
단계 S707에서, 침대 장치는 상기 제2 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 침대 장치는 뉴럴 네트워크를 통해 상기 제2 상태에 대한 정보, 상기 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보에 기반하여 상기 제2 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 상기 아기가 안정적인 상태인 제2 상태일 때, 상기 침대 장치의 현재 외부 정보에 대응하여 예측되는 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다. 또는, 예를 들어, 상기 침대 장치가 다른 장치로부터 아기의 수면을 유도하는 메시지를 수신하거나, 아기의 수면 유도를 사용자로부터 입력받은 경우, 상기 침대 장치는 상기 침대 장치의 현재 외부 정보에 대응하여 상기 아기가 수면하는 상태인 제3 상태에서 예측되는 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다. 즉, 침대 장치가 아기의 수면을 유도하는 메시지를 수신하거나 입력받으면, 침대 장치는 상기 아기의 수면을 유도할 수 있는 상기 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다.
단계 S708에서, 상기 아기의 상태가 제2 상태에 해당하지 않는 경우, 침대 장치는 아기가 제3 상태인지 여부를 결정할 수 있다. 예를 들어, 상기 아기의 상태와 관련된 정보에 기초한 값이 사전 설정된 제3 범위에 포함된 경우, 침대 장치는 아기가 제3 상태인 것으로 결정할 수 있다. 여기서, 제3 상태는 아기가 수면하는 상태를 나타낼 수 있다. 예를 들어, 상기 아기의 상태와 관련된 정보에 기초한 값은 상술한 수학식 2에 의해 결정될 수 있다.
단계 S709에서, 침대 장치는 상기 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보를 획득할 수 있다.
단계 S710에서, 침대 장치는 제3 상태에 따른 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 침대 장치는 뉴럴 네트워크를 통해 상기 제3 상태에 대한 정보, 상기 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보에 기반하여 상기 제3 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 상기 아기가 수면하는 상태인 제3 상태일 때, 상기 침대 장치의 현재 외부 정보에 대응하여 예측되는 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다. 또는, 예를 들어, 상기 침대 장치가 다른 장치로부터 아기를 잠에서 깨우는 메시지를 수신하거나, 사용자로부터 입력 받은 경우, 상기 침대 장치는 상기 침대 장치의 현재 외부 정보에 대응하여 상기 아기가 안정적인 상태인 제2 상태에서 예측되는 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다. 즉, 침대 장치가 아기를 잠에서 깨우는 메시지를 수신하거나 입력 받으면, 침대 장치는 상기 아기를 잠에서 깨울 수 있는 상기 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다.
단계 S711에서, 상기 아기의 상태가 제3 상태에 해당하지 않는 경우, 침대 장치는 경고음을 출력하고, 긴급 메시지를 사전 설정된 장치에게 전송할 수 있다.
단계 S712에서, 침대 장치는 상기 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보를 획득할 수 있다.
단계 S713에서, 침대 장치는 긴급 상태에 따른 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 침대 장치는 뉴럴 네트워크를 통해 상기 긴급 상태에 대한 정보, 상기 침대 장치의 외부 정보 및 상기 침대 장치의 내부 정보에 기반하여 상기 긴급 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 상기 아기가 위험한 상태인 긴급 상태일 때, 상기 침대 장치의 현재 외부 정보에 대응하여 예측되는 침대 장치의 내부 정보를 최적화된 내부 정보로 결정할 수 있다. 또는, 예를 들어, 상기 침대 장치에 대해 사전 설정된 내부 정보가 설정된 경우, 상기 침대 장치는 상기 침대 장치의 현재 외부 정보에 대응하는 사전 설정된 내부 정보를 최적화된 내부 정보로 결정할 수 있다.
단계 S714에서, 침대 장치는 최적화된 내부 정보와 현재 침대 장치의 내부 정보의 차이 값이 사전 설정된 범위에 포함되는지 여부를 결정할 수 있다. 예를 들어, 최적화된 내부 정보와 현재 침대 장치의 내부 정보의 차이 값에 대한 사전 설정된 범위는 뉴럴 네트워크를 통해 학습된 값에 기반하여 결정될 수 있다. 예를 들어, 상기 뉴럴 네트워크는 아기가 상기 침대 장치 내부의 변화에 민감한 정도를 결정할 수 있다. 예를 들어, 상기 뉴럴 네트워크는 상기 아기의 상태가 변경되기 전의 상기 침대 장치의 내부 정보와 상기 아기의 상태가 변경된 후의 상기 침대 장치의 내부 정보 사이의 차이 값 및 사전 설정된 시간동안 상기 아기의 상태가 변경되는 횟수에 기반하여, 상기 침대 장치 내부의 변화에 대한 아기의 민감도를 학습한 모델을 생성할 수 있다. 즉, 침대 장치는 상기 뉴럴 네트워크를 통해 상기 침대 장치 내부의 변화에 대한 아기의 민감도에 대한 값이 클수록 상기 사전 설정된 범위에 대한 값을 작게 설정할 수 있다. 또는, 침대 장치는 상기 뉴럴 네트워크를 통해 상기 침대 장치 내부의 변화에 대한 아기의 민감도에 대한 값이 작을수록 상기 사전 설정된 범위에 대한 값을 크게 설정할 수 있다.
단계 S715에서, 상기 최적화된 내부 정보와 현재 침대 장치의 내부 정보의 차이 값이 사전 설정된 범위에 포함되지 않으면, 침대 장치는 전열 교환 모듈을 동작 시킬 수 있다. 예를 들어, 최적화된 내부 정보와 현재 침대 장치의 내부 정보의 차이 값이 사전 설정된 범위에 포함되지 않으면, 침대 장치는, 상기 최적화된 내부 정보에 기반한 침대 장치의 내부 환경이 될 때까지, 상술한 수학식 1에 의한 설정 값에 따라 전열 교환 모듈을 동작 시킬 수 있다.
단계 S716에서, 상기 최적화된 내부 정보와 현재 침대 장치의 내부 정보의 차이 값이 사전 설정된 범위에 포함되는 경우, 사전 설정된 시간이 경과된 후, 침대 장치는 상기 아기의 상태와 관련된 정보 및 영상 정보를 다시 획득할 수 있다. 예를 들어, 상기 최적화된 내부 정보와 현재 침대 장치의 내부 정보의 차이 값이 사전 설정된 범위에 포함되는 경우, 침대 장치는 전열 교환 모듈을 동작 시키지 않을 수 있다.
또한, 상기 도 7의 실시예는 하나의 예이며, 침대 장치는 사전 설정된 범위 내인지 판단하는 과정을 독립적으로 수행할 수 있다. 또는, 예를 들어, 침대 장치는 상기 판단하는 과정들을 병렬적으로 수행할 수 있다.
도 8은 일 실시예에 따른 침대 장치가 경고음의 세기를 결정하는 동작을 나타낸 신호 교환도이다. 도 8의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 8을 참조하면, 단계 S810에서, 제1 침대 장치는 디스커버리 메시지를 제2 침대 장치, 제3 침대 장치 및 제4 침대 장치에게 전송할 수 있다. 예를 들어, 상기 디스커버리 메시지는 근접한 장치들 사이의 통신을 위해 주변 장치에게 자신을 알리기 위한 메시지일 수 있다. 예를 들어, 상기 디스커버리 메시지는 브로드 캐스트 메시지일 수 있다.
단계 S820에서, 제1 침대 장치는 제2 침대 장치 및 제3 침대 장치로부터 상기 디스커버리 메시지에 대한 응답 메시지를 수신할 수 있다. 예를 들어, 제1 침대 장치는 상기 디스커버리 메시지를 전송한 시간과 상기 응답 메시지를 수신한 시간에 기반하여 상기 제2 침대 장치 및 상기 제3 침대 장치 각각에 대한 거리를 결정할 수 있다.
단계 S830에서, 제1 침대 장치는 보호자의 단말과의 거리를 결정할 수 있다. 예를 들어, 제1 침대 장치는 사전에 연결이 확립된 보호자의 단말과 무선 통신을 수행할 수 있고, 상기 제1 침대 장치와 상기 보호자의 단말과의 거리를 다양한 방식을 통해 결정할 수 있다.
단계 S840에서, 제1 침대 장치는 상기 보호자의 단말과의 거리, 상기 제2 침대 장치와의 거리, 상기 제3 침대 장치와의 거리 및 상기 수신한 응답 메시지의 개수에 기반하여 경고음의 세기를 결정할 수 있다.
예를 들어, 상기 경고음은 상기 도 7에서 상기 아기의 상태가 긴급 상태인 것으로 결정된 경우, 상기 제1 침대 장치가 출력하는 경고음일 수 있다. 이때, 예를 들어, 상기 경고음의 세기는 아래 수학식 3에 의해 결정될 수 있다.
상기 수학식 3에서, V는 경고음의 세기, Vo는 사전 설정된 경고음의 세기, dx는 보호자의 단말과 상기 제1 침대 장치 사이의 거리, di는 상기 제1 침대 장치와 주변 침대 장치들 각각에 대한 거리, n은 주변 침대 장치들의 개수, β는 가중치일 수 있다. 여기서, min 함수는 괄호 안의 두 값 중에서 더 작은 값을 선택하는 함수일 수 있다.
예를 들어, 상기 도 7에서 상기 아기의 상태가 긴급 상태인 것으로 결정된 경우, 제1 침대 장치는 상기 보호자의 단말과의 거리가 멀고, 상기 제2 침대 장치와의 거리 및 상기 제3 침대 장치와의 거리가 멀수록 더 큰 음량으로 경고음을 출력할 수 있다. 따라서, 경고음의 세기를 보호자와의 거리 및 주변 침대 장치들과의 거리에 따라 조절함으로써, 침대 장치는 주변의 침대 장치들 내의 아기들의 휴식에 방해되지 않도록 경고음을 출력할 수 있다.
도 9는 일 실시예에 따른 침대 장치가 디스플레이 모듈을 통해 디스플레이하는 영상들에 대한 예를 나타낸다. 도 9의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
일 실시 예에 따라, 디스플레이 모듈(예: 도 5의 디스플레이 모듈(582))은 아기의 상태에 따라 특정 영상을 시각적으로 제공할 수 있다. 예를 들어, 상술한 제1 모델에 의해 도출된 복수의 상기 아기의 상태에 대한 정보에 대해 사전 저장된 영상이 매칭될 수 있고, 디스플레이 모듈은 상기 복수의 상기 아기의 상태에 대한 정보에 기반하여 상기 매칭된 영상을 디스플레이 할 수 있다. 예를 들어, 상기 복수의 아기의 상태는 제1 상태, 제2 상태 및 제3 상태를 포함할 수 있다. 예를 들어, 상기 제1 상태는 상기 아기가 흥분된 상태를 나타내고, 상기 제2 상태는 상기 아기가 안정적인 상태를 나타내고, 상기 제3 상태는 상기 아기가 수면하는 상태를 나타낼 수 있다. 즉, 디스플레이 모듈은 아기의 상태에 따라 사전 설정된 영상을 디스플레이 할 수 있다.
도 9를 참조하면, 아기의 상태가 상기 제1 상태로 결정된 경우, 디스플레이 모듈은 상기 제1 상태에 매칭되는 제1 영상(910)을 디스플레이 할 수 있다. 예를 들어, 제1 영상(910)은 상기 디스플레이 모듈에 사전 저장된 복수의 영상들 중에서 어느 하나의 영상으로 설정될 수 있다. 이때, 상기 디스플레이 모듈은 상기 사전 저장된 복수의 영상들 중에서 상기 아기가 제1 상태에서 제2 상태로 변경된 횟수가 가장 많은 영상을 제1 영상(910)으로 선택할 수 있다. 예를 들어, 제1 영상(910)은 상기 아기의 보호자가 손을 흔드는 영상일 수 있다.
아기의 상태가 제2 상태로 결정된 경우, 디스플레이 모듈은 상기 제2 상태에 매칭되는 제2 영상(920)을 디스플레이 할 수 있다. 예를 들어, 제1 영상(920)은 상기 디스플레이 모듈에 사전 저장된 복수의 영상들 중에서 어느 하나의 영상으로 설정될 수 있다. 이때, 예를 들어, 상기 디스플레이 모듈은 상기 사전 저장된 복수의 영상들 중에서 상기 아기가 제2 상태가 가장 오래 유지된 영상을 제2 영상(920)으로 선택할 수 있다. 또는, 예를 들어, 상기 디스플레이 모듈은 상기 사전 저장된 복수의 영상들 중에서 상기 아기가 제2 상태에서 제3 상태로 변경된 횟수가 가장 많은 영상을 제2 영상(920)으로 선택할 수 있다. 예를 들어, 제2 영상(920)은 3차원 모빌과 관련된 영상일 수 있다.
아기의 상태가 제3 상태로 결정된 경우, 디스플레이 모듈은 상기 제3 상태인 것에 따라 상기 디스플레이 모듈의 화면(930)을 끌 수 있다. 예를 들어, 상기 아기가 제3 상태인 것으로 결정된 시점으로부터 사전 설정된 시간 이후, 디스플레이 모듈은 상기 디스플레이 모듈의 화면을 끌 수 있다.
도 10은 일 실시예에 따른 침대 장치와 관련된 서버를 나타내는 블록도 이다. 도 10의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 10에 도시된 바와 같이, 침대 장치와 관련된 서버(1000)(이하, 서버)는 프로세서(1010), 통신부(1020) 및 메모리(1030)를 포함할 수 있다. 그러나, 도 10에 도시된 구성 요소 모두가 서버(1000)의 필수 구성 요소인 것은 아니다. 도 10에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(1000)가 구현될 수도 있고, 도 10에 도시된 구성 요소보다 적은 구성 요소에 의해 서버(1000)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 서버(1000)는 프로세서(1010), 통신부(1020) 및 메모리(1030) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(1010)는, 통상적으로 서버(1000)의 전반적인 동작을 제어한다. 프로세서(1010)는 하나 이상의 프로세서를 구비하여, 서버(1000)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(1010)는, 메모리(1030)에 저장된 프로그램들을 실행함으로써, 통신부(1020) 및 메모리(1030) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1010)는 메모리(1030)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 9에 기재된 침대 장치와 관련된 서버(1000)의 기능을 수행할 수 있다.
일 실시예에 따라, 프로세서(1010)는 아기의 상태와 관련된 정보, 침대 장치의 내부 정보 및 침대 장치의 외부 정보를 획득할 수 있다. 예를 들어, 프로세서(1010)는 통신부(1020)를 통해 아기의 상태와 관련된 정보, 침대 장치의 내부 정보 및 침대 장치의 외부 정보를 네트워크를 통해 침대 장치로부터 수신할 수 있다. 예를 들어, 프로세서(1010)는 사전 설정된 시간 동안 획득된 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보를 통신부(1020)를 통해 침대 장치로부터 수신할 수 있다.
프로세서(1010)는 아기의 상태와 관련된 정보, 침대 장치의 내부 정보 및 침대 장치의 외부 정보에 기반하여 뉴럴 네트워크를 통해 아기의 상태에 따른 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 프로세서(1010)는 사전 설정된 시간 동안 획득된 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보를 기반으로 상기 뉴럴 네트워크를 통해 학습된, 제1 모델을 기초로 복수의 상기 아기의 상태를 결정할 수 있다. 예를 들어, 상기 복수의 아기의 상태는 제1 상태, 제2 상태 및 제3 상태를 포함할 수 있다. 예를 들어, 상기 제1 상태는 상기 아기가 흥분된 상태를 나타내고, 상기 제2 상태는 상기 아기가 안정적인 상태를 나타내고, 상기 제3 상태는 상기 아기가 수면하는 상태를 나타낼 수 있다.
예를 들어, 프로세서(1010)는 상기 복수의 상기 아기의 상태와 관련된 정보, 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보 및 정답 아기의 상태 정보로 구성된 각각의 학습 데이터를 상기 뉴럴 네트워크의 입력 레이어에 입력하고, 상기 각각의 학습 데이터를 하나 이상의 히든 레이어 및 출력 레이어에 통과시켜 특징 벡터로 출력시킬 수 있다. 그리고, 프로세서(1010)는 상기 특징 벡터를 상기 출력 레이어에 연결된 복수의 손실함수 레이어에 입력하고, 상기 복수의 손실함수 레이어를 통해 상기 특징 벡터와 상기 제1 상태에 대한 정답 벡터, 상기 제2 상태에 대한 정답 벡터 및 상기 제3 상태에 대한 정답 벡터를 비교하는 각각의 손실함수를 이용하여 각각에 대한 손실 값을 출력시킬 수 있다. 그리고, 프로세서(1010)는 상기 뉴럴 네트워크의 파라미터를 상기 각각에 대한 손실 값이 작아지는 방향으로 학습시킬 수 있다. 이러한 과정을 통해, 프로세서(1010)는 상기 뉴럴 네트워크를 이용하여 상기 제1 모델을 생성할 수 있다.
예를 들어, 프로세서(1010)는 침대 장치는 상기 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 학습된, 제2 모델을 기초로 상기 침대 장치의 최적화된 내부 정보를 결정할 수 있다. 예를 들어, 프로세서(1010)는 상기 침대 장치의 외부 정보, 상기 복수의 상기 아기의 상태에 대한 정보 및 정답 침대 장치의 내부 정보로 구성된 각각의 학습 데이터를 상기 뉴럴 네트워크의 입력 레이어에 입력하고, 상기 각각의 학습 데이터를 상기 하나 이상의 히든 레이어 및 출력 레이어에 통과시켜 출력 벡터로 출력시킬 수 있다. 프로세서(1010)는 상기 출력 벡터를 상기 출력 레이어에 연결된 손실함수 레이어에 입력하고, 상기 손실함수 레이어를 통해 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력시킬 수 있다. 프로세서(1010)는 상기 뉴럴 네트워크의 파라미터를 상기 손실 값이 작아지는 방향으로 학습시킬 수 있다. 이러한 과정을 통해 프로세서(1010)는 상기 뉴럴 네트워크를 이용하여 상기 제2 모델을 생성할 수 있다.
프로세서(1010)는 통신부(1020) 및/또는 메모리(1030)를 통해 아기의 상태와 관련된 정보 및 침대 장치의 최적화된 내부 정보에 기반하여 침대 장치에 포함된 하나 이상의 기능 모듈을 동작 시키기 위한 메시지를 상기 침대 장치에게 전송할 수 있다.
예를 들어, 프로세서(1010)는 아기의 상태가 긴급한 상태로 결정되면, 상기 침대 장치에 포함된 오디오 모듈이 경고음을 출력하도록 하는 메시지를 상기 침대 장치에게 전송할 수 있다. 부가적으로, 일 실시예에 따라, 상기 침대 장치 이외에 복수의 침대 장치가 존재하는 경우, 프로세서(1010)는 상기 복수의 침대 장치에 대한 응답 메시지를 기반으로, 상기 복수의 침대 장치의 개수를 결정할 수 있다. 이후, 프로세서(1010)는 상기 복수의 침대 장치의 개수와 상기 침대 장치와 연결된 보호자의 단말의 거리에 기반하여 상기 경고음의 세기를 결정할 수 있다.
예를 들어, 프로세서(1010)는 상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 상기 침대 장치에 포함된 전열 교환 모듈에 대한 설정 값을 도출할 수 있다. 이후, 프로세서(1010)는 통신부(1020)를 통해 상기 설정 값을 상기 침대 장치에게 전송할 수 있다.
예를 들어, 상기 아기가 상기 제1 상태인 것에 기반하여, 프로세서(1010)는 상기 디스플레이 모듈을 통해 상기 제1 상태에 매칭되는 제1 영상을 디스플레이 하는 설정 값, 상기 디퓨져 모듈을 통해 상기 제1 상태에 매칭되는 제1 향기를 분사하는 설정 값, 상기 오디오 모듈을 통해 상기 제1 영상에 매칭되는 제1 음향을 출력하는 설정 값 및 상기 조명 모듈이 상기 제1 상태에 매칭되는 제1 세기로 동작하게 하는 설정 값을 결정할 수 있다.
예를 들어, 상기 아기가 상기 제2 상태인 것에 기반하여, 프로세서(1010)는 상기 디스플레이 모듈을 통해 상기 제2 상태에 매칭되는 제2 영상을 디스플레이 하는 설정 값, 상기 디퓨져 모듈을 통해 상기 제2 상태에 매칭되는 제2 향기를 분사하는 설정 값, 상기 오디오 모듈을 통해 상기 제2 영상에 매칭되는 제2 음향을 출력하는 설정 값, 상기 조명 모듈이 상기 제2 상태에 매칭되는 제2 세기로 동작하게 하는 설정 값을 결정할 수 있다.
예를 들어, 상기 아기가 상기 제3 상태인 것에 기반하여, 프로세서(1010)는 상기 디스플레이 모듈의 화면을 오프(off) 시키는 설정 값, 상기 디퓨져 모듈을 통해 상기 제3 상태에 매칭되는 제3 향기를 분사하는 설정 값, 상기 오디오 모듈을 통해 상기 제3 상태에 매칭되는 제3 음향을 출력하는 설정 값, 상기 조명 모듈이 상기 제3 상태에 매칭되는 제3 세기로 동작하게 하는 설정 값을 결정할 수 있다.
통신부(1020)는, 서버(1000)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 서버(1000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(1020)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(1020)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(1020)는 프로세서(1010)에서 생성된 정보를 서버(1000)와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(1020)는 서버(1000)와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(1020)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 관련된 동작 정보를 상기 적어도 하나의 장치에게 전송할 수 있다.
메모리(1030)는, 프로세서(1010)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(1030)는 사용자에 의해 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(1030)는 프로세서(1010)에서 획득된 데이터를 저장할 수 있다. 예를 들어, 메모리(1030)는 프로세서(1010)가 획득한 아기의 상태와 관련된 정보, 아기의 영상 정보, 침대 장치의 내부 정보 및 침대 장치의 외부 정보를 저장할 수 있다. 또한, 메모리(1030)는 프로세서(1010)에서 생성된 데이터를 저장할 수 있다. 예를 들어, 메모리(1030)는 프로세서(1010)가 생성한 제1 모델에 대한 정보, 제2 모델에 대한 정보, 침대 장치의 최적화된 내부 정보 및 아기의 상태에 대한 정보를 저장할 수 있다. 메모리(1030)는 서버(1000)로 입력되거나 서버(1000)로부터 출력되는 정보를 저장할 수도 있다. 예를 들어, 메모리(1030)는 사전 설정된 시간에 대한 정보, 사전 설정된 범위에 대한 정보, 내부 정보와 최적화된 내부 정보의 차이에 대한 값 및 하나 이상의 기능 모듈에 대한 설정 값을 저장할 수 있다.
메모리(1030)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (12)
- 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 침대 장치에 있어서,
아기가 안치되는 바닥면을 구비한 침구 수단; 상기 침구 수단을 지지하는 하부 프레임; 상기 하부 프레임과 결합된 상부 프레임; 상기 하부 프레임과 상기 상부 프레임 사이의 일 측에 위치하고 자동으로 개폐가 가능한 제1 커버 및 상기 하부 프레임과 상기 상부 프레임 사이의 타 측에 위치한 제2 커버를 포함하는 몸체부;
하나 이상의 메모리; 하나 이상의 기능 모듈 및 상기 하나 이상의 메모리와 상기 하나 이상의 기능 모듈을 연결하는 하나 이상의 프로세서를 포함하는 제어부; 및
상기 하나 이상의 기능 모듈은 디스플레이 모듈, 디퓨져 모듈, 센서 모듈, 오디오 모듈, 전열 교환 모듈, 조명 모듈, 카메라 모듈 및 통신 모듈을 포함하되,
상기 하나 이상의 프로세서는:
상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보를 상기 센서 모듈을 기반으로 획득하고,
상기 아기의 상태와 관련된 정보는 아기의 심박수, 아기의 호흡수, 아기의 체온 및 아기의 산소 포화도를 포함하고,
상기 침대 장치의 내부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하고,
상기 침대 장치의 외부 정보는 상기 침대 장치 외부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하고,
상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 상기 아기의 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정하고,
상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 상기 전열 교환 모듈에 대한 급기와 배기의 세기가 조절되는,
침대 장치.
- 제 1항에 있어서,
사전 설정된 시간 동안 획득된 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보를 기반으로 상기 뉴럴 네트워크를 통해 학습된, 제1 모델을 기초로 복수의 아기의 상태를 결정하고,
상기 복수의 아기의 상태는 제1 상태, 제2 상태 및 제3 상태를 포함하고,
상기 제1 상태는 상기 아기가 흥분된 상태를 나타내고,
상기 제2 상태는 상기 아기가 안정적인 상태를 나타내고,
상기 제3 상태는 상기 아기가 수면하는 상태를 나타내고,
상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
상기 복수의 상기 아기의 상태와 관련된 정보, 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보 및 정답 복수의 아기의 상태 정보는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 특징 벡터로 출력되고, 상기 특징 벡터는 상기 출력 레이어에 연결된 복수의 손실함수 레이어에 입력되고, 상기 복수의 손실함수 레이어는 상기 특징 벡터와 상기 제1 상태에 대한 정답 벡터, 상기 제2 상태에 대한 정답 벡터 및 상기 제3 상태에 대한 정답 벡터를 비교하는 각각의 손실함수를 이용하여 각각에 대한 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 각각에 대한 손실 값이 작아지는 방향으로 학습되는, 상기 제1 모델이 생성되는,
침대 장치.
- 제 2항에 있어서,
상기 제1 상태인 것에 기반하여, 상기 디스플레이 모듈은 상기 제1 상태에 매칭되는 제1 영상을 디스플레이 하고, 상기 디퓨져 모듈은 상기 제1 상태에 매칭되는 제1 향기를 분사하고, 상기 오디오 모듈은 상기 제1 영상에 매칭되는 제1 음향을 출력하고, 상기 조명 모듈은 상기 제1 상태에 매칭되는 제1 세기로 동작하고,
상기 제2 상태인 것에 기반하여, 상기 디스플레이 모듈은 상기 제2 상태에 매칭되는 제2 영상을 디스플레이 하고, 상기 디퓨져 모듈은 상기 제2 상태에 매칭되는 제2 향기를 분사하고, 상기 오디오 모듈은 상기 제2 영상에 매칭되는 제2 음향을 출력하고, 상기 조명 모듈은 상기 제2 상태에 매칭되는 제2 세기로 동작하고,
상기 제3 상태인 것에 기반하여, 상기 디스플레이 모듈은 화면을 오프(off)하고, 상기 디퓨져 모듈은 상기 제3 상태에 매칭되는 제3 향기를 분사하고, 상기 오디오 모듈은 상기 제3 상태에 매칭되는 제3 음향을 출력하고, 상기 조명 모듈은 상기 제3 상태에 매칭되는 제3 세기로 동작하고,
상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 외기의 유입이 차단되고,
상기 외기의 유입이 차단된 것에 기반하여, 상기 센서 모듈에 의해 측정된 산소 농도에 따라 상기 침대 장치에 포함된 산소 공급 장치가 동작되는,
침대 장치.
- 제 2항에 있어서,
상기 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 학습된, 제2 모델을 기초로 상기 침대 장치의 최적화된 내부 정보를 결정하고,
상기 침대 장치의 외부 정보, 상기 복수의 상기 아기의 상태에 대한 정보 및 정답 침대 장치의 내부 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습된, 상기 제2 모델이 생성되는,
침대 장치.
- 제 1항에 있어서,
상기 설정 값은 상기 아래 수학식에 의해 설정되고,
상기 수학식에서, 상기 s는 상기 설정 값이고, 상기 n은 사전 설정된 시간 동안 획득된 상기 침대 장치의 내부 정보의 개수이고, 상기 ao는 최적화된 상기 침대 장치 내부의 일산화탄소 농도, ai는 상기 침대 장치 내부의 일산화탄소 농도, 상기 bo는 최적화된 상기 침대 장치 내부의 이산화탄소 농도, bi는 상기 침대 장치 내부의 이산화 탄소 농도, 상기 do는 최적화된 상기 침대 장치 내부의 미세먼지 농도, di는 상기 침대 장치 내부의 미세먼지 농도, 상기 vo는 최적화된 상기 침대 장치 내부의 TVOC 농도, vi는 상기 침대 장치 내부의 TVOC 농도, 상기 co는 최적화된 상기 침대 장치의 내부 온도, ci는 상기 침대 장치 내부의 온도, 상기 mo는 최적화된 상기 침대 장치의 내부 습도, mi는 상기 침대 장치 내부의 습도, 상기 w1은 상기 침대 장치 내부의 공기질에 대한 가중치 및 상기 w2는 상기 침대 장치 내부의 온도 및 습도에 대한 가중치인,
침대 장치.
- 뉴럴 네트워크(neural network)를 이용하여 침대 장치가 아기의 주변 환경을 조절하는 방법에 있어서,
상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보를 상기 침대 장치에 포함된 센서 모듈을 기반으로 획득하되,
상기 아기의 상태와 관련된 정보는 아기의 심박수, 아기의 호흡수, 아기의 체온 및 아기의 산소 포화도를 포함하고,
상기 침대 장치의 내부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하고,
상기 침대 장치의 외부 정보는 상기 침대 장치 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도, 미세먼지 농도 및 TVOC(total volatile organic compounds) 농도를 포함하는 단계;
상기 아기의 상태와 관련된 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 상기 아기의 상태에 따른 상기 침대 장치의 최적화된 내부 정보를 결정하는 단계; 및
상기 아기의 상태와 관련된 정보 및 상기 침대 장치의 최적화된 내부 정보에 기반하여 상기 침대 장치에 포함된 하나 이상의 기능 모듈이 동작하는 단계;를 포함하되,
상기 하나 이상의 기능 모듈은 디스플레이 모듈, 디퓨져 모듈, 상기 센서 모듈, 오디오 모듈, 전열 교환 모듈, 조명 모듈, 카메라 모듈 및 통신 모듈을 포함하고,
상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 상기 전열 교환 모듈에 대한 급기와 배기의 세기가 조절되는,
방법.
- 제 6항에 있어서,
사전 설정된 시간 동안 획득된 복수의 상기 아기의 상태와 관련된 정보 및 상기 카메라 모듈에 의해 촬영된 상기 아기의 영상 정보를 기반으로 상기 뉴럴 네트워크를 통해 학습된, 제1 모델을 기초로 복수의 아기의 상태를 결정하는 단계;를 더 포함하되,
상기 복수의 아기의 상태는 제1 상태, 제2 상태 및 제3 상태를 포함하고,
상기 제1 상태는 상기 아기가 흥분된 상태를 나타내고,
상기 제2 상태는 상기 아기가 안정적인 상태를 나타내고,
상기 제3 상태는 상기 아기가 수면하는 상태를 나타내고,
상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
상기 복수의 상기 아기의 상태와 관련된 정보, 상기 카메라 모듈에 의해 촬영된 복수의 상기 아기의 영상 정보 및 정답 복수의 아기의 상태 정보는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 특징 벡터로 출력되고, 상기 특징 벡터는 상기 출력 레이어에 연결된 복수의 손실함수 레이어에 입력되고, 상기 복수의 손실함수 레이어는 상기 특징 벡터와 상기 제1 상태에 대한 정답 벡터, 상기 제2 상태에 대한 정답 벡터 및 상기 제3 상태에 대한 정답 벡터를 비교하는 각각의 손실함수를 이용하여 각각에 대한 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 각각에 대한 손실 값이 작아지는 방향으로 학습되는, 상기 제1 모델을 생성하는,
방법.
- 제 7항에 있어서,
상기 제1 상태인 것에 기반하여, 상기 디스플레이 모듈은 상기 제1 상태에 매칭되는 제1 영상을 디스플레이 하고, 상기 디퓨져 모듈은 상기 제1 상태에 매칭되는 제1 향기를 분사하고, 상기 오디오 모듈은 상기 제1 영상에 매칭되는 제1 음향을 출력하고, 상기 조명 모듈은 상기 제1 상태에 매칭되는 제1 세기로 동작하고,
상기 제2 상태인 것에 기반하여, 상기 디스플레이 모듈은 상기 제2 상태에 매칭되는 제2 영상을 디스플레이 하고, 상기 디퓨져 모듈은 상기 제2 상태에 매칭되는 제2 향기를 분사하고, 상기 오디오 모듈은 상기 제2 영상에 매칭되는 제2 음향을 출력하고, 상기 조명 모듈은 상기 제2 상태에 매칭되는 제2 세기로 동작하고,
상기 제3 상태인 것에 기반하여, 상기 디스플레이 모듈은 화면을 오프(off)하고, 상기 디퓨져 모듈은 상기 제3 상태에 매칭되는 제3 향기를 분사하고, 상기 오디오 모듈은 상기 제3 상태에 매칭되는 제3 음향을 출력하고, 상기 조명 모듈은 상기 제3 상태에 매칭되는 제3 세기로 동작하고,
상기 침대 장치의 최적화된 내부 정보와 상기 침대 장치의 내부 정보에 대한 차이를 기반으로 도출된 설정 값에 따라 외기의 유입이 차단되고,
상기 외기의 유입이 차단된 것에 기반하여, 상기 센서 모듈에 의해 측정된 산소 농도에 따라 상기 침대 장치에 포함된 산소 공급 장치가 동작되는,
방법.
- 제 7항에 있어서,
상기 제1 모델에 의해 도출된 상기 복수의 상기 아기의 상태에 대한 정보, 상기 침대 장치의 내부 정보 및 상기 침대 장치의 외부 정보에 기반하여 상기 뉴럴 네트워크를 통해 학습된, 제2 모델을 기초로 상기 침대 장치의 최적화된 내부 정보를 결정하는 단계;를 더 포함하되,
상기 침대 장치의 외부 정보, 상기 복수의 상기 아기의 상태에 대한 정보 및 정답 침대 장치의 내부 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습된, 상기 제2 모델이 생성되는,
방법.
- 제 6항에 있어서,
상기 설정 값은 상기 아래 수학식에 의해 설정되고,
상기 수학식에서, 상기 s는 상기 설정 값이고, 상기 n은 사전 설정된 시간 동안 획득된 상기 침대 장치의 내부 정보의 개수이고, 상기 ao는 최적화된 상기 침대 장치 내부의 일산화탄소 농도, ai는 상기 침대 장치 내부의 일산화탄소 농도, 상기 bo는 최적화된 상기 침대 장치 내부의 이산화탄소 농도, bi는 상기 침대 장치 내부의 이산화 탄소 농도, 상기 do는 최적화된 상기 침대 장치 내부의 미세먼지 농도, di는 상기 침대 장치 내부의 미세먼지 농도, 상기 vo는 최적화된 상기 침대 장치 내부의 TVOC 농도, vi는 상기 침대 장치 내부의 TVOC 농도, 상기 co는 최적화된 상기 침대 장치의 내부 온도, ci는 상기 침대 장치 내부의 온도, 상기 mo는 최적화된 상기 침대 장치의 내부 습도, mi는 상기 침대 장치 내부의 습도, 상기 w1은 상기 침대 장치 내부의 공기질에 대한 가중치 및 상기 w2는 상기 침대 장치 내부의 온도 및 습도에 대한 가중치인,
방법.
- 하드웨어와 결합되어 제6항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
- 하드웨어와 결합되어 제6항의 방법을 실행시키기는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20220069070 | 2022-06-07 | ||
| KR20220069067 | 2022-06-07 | ||
| KR1020220069070 | 2022-06-07 | ||
| KR1020220069067 | 2022-06-07 | ||
| KR1020220069717A KR102496685B1 (ko) | 2022-06-07 | 2022-06-08 | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220069717A Division KR102496685B1 (ko) | 2022-06-07 | 2022-06-08 | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230024931A true KR20230024931A (ko) | 2023-02-21 |
Family
ID=85225830
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220069717A KR102496685B1 (ko) | 2022-06-07 | 2022-06-08 | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 |
| KR1020230013845A KR20230024932A (ko) | 2022-06-07 | 2023-02-01 | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 |
| KR1020230013844A KR20230024931A (ko) | 2022-06-07 | 2023-02-01 | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 |
Family Applications Before (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220069717A KR102496685B1 (ko) | 2022-06-07 | 2022-06-08 | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 |
| KR1020230013845A KR20230024932A (ko) | 2022-06-07 | 2023-02-01 | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (3) | KR102496685B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102548112B1 (ko) * | 2023-03-23 | 2023-06-28 | (주)월드홈닥터 | 뉴럴 네트워크를 이용하여 정전기 방출량을 결정하는 접지 감지 플러그 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100282659B1 (ko) * | 1998-08-04 | 2001-02-15 | 윤 얀 추 | 공조되는 유아용 침대후드 |
| KR20060019024A (ko) | 2004-08-26 | 2006-03-03 | 이성용 | 유아용 심리안정장치 |
| KR100978090B1 (ko) | 2008-05-23 | 2010-08-25 | (주)인네이터 | 외부 음향 인식에 따른 자동 구동 기능이 구비된 전동침대요람 |
| KR20100083635A (ko) | 2009-01-14 | 2010-07-22 | 서동석 | 다기능 아기 침대 및 그 제어 시스템 |
| KR101376022B1 (ko) | 2012-08-24 | 2014-03-21 | 한밭대학교 산학협력단 | 영유아용 스마트 침대장치 |
| KR102077804B1 (ko) * | 2017-04-26 | 2020-04-07 | 김정희 | 학습 데이터 전처리 방법 및 시스템 |
| KR102483643B1 (ko) * | 2017-08-14 | 2023-01-02 | 삼성전자주식회사 | 모델을 학습하는 방법 및 장치 및 상기 뉴럴 네트워크를 이용한 인식 방법 및 장치 |
| KR102057463B1 (ko) * | 2018-03-07 | 2019-12-19 | 이정우 | 강화학습을 이용한 수면 환경 조절 장치 |
| KR102080244B1 (ko) * | 2018-08-08 | 2020-02-21 | 엔오스 주식회사 | 지능형 아기 침대 |
| KR20210067280A (ko) * | 2019-11-29 | 2021-06-08 | 김보경 | 영유아용 스마트 침대 |
| KR102384892B1 (ko) * | 2021-11-26 | 2022-04-11 | 주식회사 라비베르 | 뉴럴 네트워크를 이용한 기부 컨텐츠 추천 방법 및 장치 |
-
2022
- 2022-06-08 KR KR1020220069717A patent/KR102496685B1/ko active IP Right Grant
-
2023
- 2023-02-01 KR KR1020230013845A patent/KR20230024932A/ko active Application Filing
- 2023-02-01 KR KR1020230013844A patent/KR20230024931A/ko active Application Filing
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102548112B1 (ko) * | 2023-03-23 | 2023-06-28 | (주)월드홈닥터 | 뉴럴 네트워크를 이용하여 정전기 방출량을 결정하는 접지 감지 플러그 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230024932A (ko) | 2023-02-21 |
| KR102496685B1 (ko) | 2023-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11448412B2 (en) | Air conditioner with an artificial intelligence | |
| US20180293367A1 (en) | Multi-Factor Authentication via Network-Connected Devices | |
| KR102480969B1 (ko) | 뉴럴 네트워크를 이용하여 설정된 값을 기반으로 몰래 카메라를 탐지한 결과에 따라 전력을 공급하는 방법 및 장치 | |
| KR102496685B1 (ko) | 뉴럴 네트워크를 이용하여 아기의 주변 환경을 조절하는 방법 및 장치 | |
| US11483172B2 (en) | Integrated control method and system for home appliance using artificial intelligence | |
| KR102582594B1 (ko) | 뉴럴 네트워크를 이용한 의상 추천 방법 및 장치 | |
| KR102558403B1 (ko) | 사용자 피드백에 의해 변화하는 ai 기반 반려동물 증강현실 구현 시스템 | |
| KR102573023B1 (ko) | 수면 유도 장치 | |
| KR102492334B1 (ko) | 뉴럴 네트워크를 이용하여 챗봇 서비스와 관련된 이용 정보를 기반으로 고객 단말과 상담원 단말 사이의 통화 연결을 관리하는 방법 및 장치 | |
| KR20230151425A (ko) | 뉴럴 네트워크를 이용하여 색상 이미지 및 색상 이미지를 선택한 순서에 기반한 심리 상태와 관련된 정보를 제공하는 방법 및 장치 | |
| KR20220166764A (ko) | 사용자의 유형 및 사용자와 관련된 정보를 기초로 증강현실을 이용하여 상품을 추천하는 방법 및 장치 | |
| KR102653942B1 (ko) | 공기질을 관리하는 구독 서비스를 제공하기 위하여 복수의 인터페이스를 통합적으로 운용하는 시스템 | |
| KR102653940B1 (ko) | 사용자의 수면 상태를 기초로 뉴럴 네트워크를 이용하여 가습 장치를 조정하는 방법 및 시스템 | |
| KR102579810B1 (ko) | 인공지능 기반 가정용 건강 보조 기기 유통 플랫폼 시스템 | |
| KR102475145B1 (ko) | 뉴럴 네트워크를 이용하여 3차원 모델링 정보에 기초한 아기의 상태를 분석하는 방법 및 장치 | |
| KR102554242B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 이벤트와 관련된 메시지를 단말에게 제공하는 방법 및 장치 | |
| KR102596451B1 (ko) | 뉴럴 네트워크를 이용하여 상담사 단말과 내담자 단말을 매칭시키는 방법 및 장치 | |
| KR102573319B1 (ko) | 뉴럴 네트워크를 이용하여 사용자 단말에게 가상 공간에 생성된 추모 공간을 제공하는 방법 및 장치 | |
| EP4380112A1 (en) | Server for controlling home network on basis of sleep state and operating method therefor | |
| KR102562282B1 (ko) | 성향 기반 매칭 방법 및 장치 | |
| KR102478964B1 (ko) | 복수의 뉴럴 네트워크를 이용하여 소프트웨어 아키텍쳐와 관련된 정보를 기반으로 결정된 소프트웨어 아키텍쳐에 대한 구성도를 서버가 사용자 단말에게 전송하는 방법 및 장치 | |
| US20230293753A1 (en) | Method and system of controlling a cohort of ozone gas generating devices | |
| KR102481347B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 예측 판매량에 따라 hmr 식품의 주문량을 결정하는 방법 및 장치 | |
| KR102513048B1 (ko) | 뉴럴 네트워크를 이용하여 지원 사업과 관련된 리포트 정보 및 지원 사업과 관련된 진행 정보를 기반으로 진단 정보를 멘토 단말에게 전송하는 방법 및 장치 | |
| KR102487754B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 마케팅 비용에 대한 정보를 단말에게 제공하는 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent |