KR20240047816A - 양자화를 기반하여 센싱 데이터를 축소시키는 시스템, 방법 및 프로그램 - Google Patents

Abstract

본 개시에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 센서 장치는 센싱 데이터를 생성하는 센서부; 및 상기 센싱 데이터의 양자화에 이용되는 양자화 비트 크기를 확인하고, 상기 센싱 데이터를 입력 데이터로 입력받아 예측 데이터를 출력 데이터로 출력하는 예측 모델의 훈련 데이터 세트를 이용하여 상기 양자화 비트 크기에 대응되는 양자화 테이블을 생성하고, 상기 양자화 테이블을 이용하여 상기 센싱 데이터를 상기 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화하는 프로세서;를 포함할 수 있다.

Description

양자화를 기반하여 센싱 데이터를 축소시키는 시스템, 방법 및 프로그램{System, method and program for reducing sensing data based on quantization}

본 개시는 양자화를 기반하여 센싱 데이터를 축소시키는 시스템, 방법 및 프로그램에 관한 것이다.

최근 컴퓨팅 기술의 비약적인 발전과 신호 처리 기술, 소형 전자 장치 개발 기술, 무선 통신 기술이 발전함에 따라 센서 네트워크에서 사용되는 센서 노드는 소형화, 저비용, 저전력이 가능하게 되었다. 무선 센서 네트워크의 주요 목적은 주변 환경이나 관찰하고자 하는 대상의 상태와 관련된 정보를 사용자에게 전달하는 것이다. 이러한 목적에 따라 수집 데이터를 기반으로 효과적인 상황 감지를 수행하는 분야를 무선 센서 네트워크(WSN: Wireless Sensor Networks)라는 용어를 사용한다.

다수의 센서 노드들과 센서 노드 간의 통신으로 이루어지는 무선 센서 네트워크는 센서 노드에 탑재된 센서들을 이용하여 주변 환경의 데이터를 획득하고 전달한다. 사람이 직접 수집하기 어려운 데이터들을 수집하고자 다양한 환경에 설치되어 현장에 대한 감시, 정보의 전달, 그리고 이웃 노드와의 협동 작업 등을 수행한다. 이러한 특징을 이용하여 사람이 직접 수집하기 어려운 환경에 배치되어 정보를 획득한다. 이러한 무선 센서 네트워크는 실시간 모니터링 특성을 활용하여 연구 목적의 환경 감시뿐만 아니라 의료, 건축, 토목, 홈 네트워크, u-City 등 다양한 분야에서 핵심 기술로 활용되고 있다.

일반적으로 무선 센서 네트워크는 다수의 센서 노드를 배포하여 네트워크를 형성하고, 배포되는 센서의 크기가 작고 소형의 배터리를 이용하여 구동되므로 에너지 사용의 제약과 데이터 처리 능력에 제한이 있다. 센서 네트워크에서 사용되는 센서 노드는 무인으로 동작되거나 사람이 접근하기 힘든 환경에서 설치되어 구동되는 경우가 대부분이므로, 각 센서 노드의 배터리를 일일이 교체한다는 것은 불가능하다. 그러므로 네트워크에서 효율적인 에너지 활용 및 원활한 통신을 위한 설계 요구조건을 구성하는 것이 중요하다.

한편, 최근 무선 센서 네트워크에 의해 수집되는 데이터의 크기가 증가함에 따라, 과도한 에너지 소모가 발생하므로, 그로 인해 무선 센서 네트워크의 수명이 단축되는 문제점이 있다.

이러한 문제점을 고려하여 데이터의 크기를 축소하기 위한 데이터 압축 기법을 적용하는 것은 불가능하지는 않다. 하지만 일반 컴퓨터를 기반으로 하는 설계된 기존의 데이터 압축 기법을 자원 한정적인 무선 센서 네트워크에 적용할 경우, 압축 연산에 따른 에너지 소모가 매우 크게 발생하는 문제점이 있다. 더불어, 기존의 데이터 압축 기법은 높은 연산 능력 및 연산의 결과로서 발생하는 데이터를 임시 저장하기 위한 큰 메모리 공간을 필요로 하므로 한정적인 자원을 기반으로 하는 무선 센서 네트워크에서 활용하는 것은 적합하지 않다.

한국등록특허공보 제10-2420744호

본 개시는 예측 정확도와 데이터 축소의 정도가 확보된 양자화 비트 크기의 양자화 테이블을 이용하여 센싱 데이터를 양자화 센싱 데이터로 양자화시키는 양자화를 기반하여 센싱 데이터를 축소시키는 시스템, 방법 및 프로그램을 제공한다.

본 개시의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 개시의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 개시의 실시 예에 의해 보다 분명하게 이해될 것이다. 또한, 본 개시의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.

본 개시에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 센서 장치는 센싱 데이터를 생성하는 센서부; 및 상기 센싱 데이터의 양자화에 이용되는 양자화 비트 크기를 확인하고, 상기 센싱 데이터를 입력 데이터로 입력받아 예측 데이터를 출력 데이터로 출력하는 예측 모델의 훈련 데이터 세트를 이용하여 상기 양자화 비트 크기에 대응되는 양자화 테이블을 생성하고, 상기 양자화 테이블을 이용하여 상기 센싱 데이터를 상기 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화하는 프로세서;를 포함할 수 있다.

바람직하게, 상기 프로세서는 상기 양자화 비트 크기에 대응되는 양자화 레벨 수 만큼의 레이블 데이터를 생성하고, 생성된 상기 레이블 데이터로 상기 양자화 테이블을 구성하고, 상기 훈련 데이터 세트에 포함된 훈련 데이터의 최소값, 상기 훈련 데이터 세트에 포함된 훈련 데이터의 최대값, 상기 양자화 레벨 수 및 생성할 레이블 데이터의 상기 양자화 테이블 내 순서 정보에 기초하여 상기 레이블 데이터를 생성할 수 있다.

바람직하게, 상기 프로세서는 하기의 수학식을 이용하여 상기 레이블 데이터를 생성하고, 상기 레이블 데이터로 구성된 상기 양자화 테이블을 생성할 수 있다.

<수학식>

여기서, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 m번째로 생성된 훈련용 센싱 데이터인 훈련 데이터이고, 는 훈련 데이터 로 구성된 훈련 데이터 세트이고, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 훈련 데이터에 대응되며 양자화 테이블 내 순서 정보가 i이고 양자화 비트 크기가 N인 레이블 데이터이고, 는 레이블 데이터 로 구성된 양자화 테이블이고, i는 1 내지 이다.

바람직하게, 상기 프로세서는 상기 양자화 테이블에 포함된 레이블 데이터 중에서, 양자화되는 센싱 데이터와의 데이터 차이값이 최소인 레이블 데이터의 양자화 테이블 내 순서 정보 및 감쇄 상수를 이용하여 상기 양자화 센싱 데이터를 생성할 수 있다.

바람직하게, 상기 프로세서는 하기의 수학식을 이용하여 상기 양자화 센싱 데이터를 생성할 수 있다.

<수학식>

여기서, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 센싱 데이터이고, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 훈련 데이터에 대응되며 양자화 테이블 내 순서 정보가 i이고 양자화 비트 크기가 N인 레이블 데이터이고, a는 감쇄 상수이다.

본 개시에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템은 상기 양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치; 및 양자화 비트 크기 범위에 포함된 복수의 양자화 비트 크기 중에서 상기 양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치가 양자화에 이용하는 어느 하나의 양자화 비트 크기를 결정하는 결정 장치;를 포함할 수 있다.

본 개시에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 방법은 센서부가, 센싱 데이터를 생성하는 단계; 프로세서가, 상기 센싱 데이터의 양자화에 이용되는 양자화 비트 크기를 확인하는 단계; 상기 프로세서가, 상기 센싱 데이터를 입력 데이터로 입력받아 예측 데이터를 출력 데이터로 출력하는 예측 모델의 훈련 데이터 세트를 이용하여 상기 양자화 비트 크기에 대응되는 양자화 테이블을 생성하는 단계; 및 상기 프로세서가, 상기 양자화 테이블을 이용하여 상기 센싱 데이터를 상기 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화하는 단계;를 포함할 수 있다.

바람직하게, 상기 양자화 테이블을 생성하는 단계는 상기 프로세서가, 상기 양자화 비트 크기에 대응되는 양자화 레벨 수 만큼의 레이블 데이터를 생성하고, 생성된 상기 레이블 데이터로 상기 양자화 테이블을 구성하는 단계; 및 상기 프로세서가, 상기 훈련 데이터 세트에 포함된 훈련 데이터의 최소값, 상기 훈련 데이터 세트에 포함된 훈련 데이터의 최대값, 상기 양자화 레벨 수 및 생성할 레이블 데이터의 상기 양자화 테이블 내 순서 정보에 기초하여 상기 레이블 데이터를 생성하는 단계;를 포함할 수 있다.

바람직하게, 상기 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화하는 단계는 상기 프로세서가, 상기 양자화 테이블에 포함된 레이블 데이터 중에서, 양자화되는 센싱 데이터와의 데이터 차이값이 최소인 레이블 데이터의 양자화 테이블 내 순서 정보 및 감쇄 상수를 이용하여 상기 양자화 센싱 데이터를 생성하는 단계;를 포함할 수 있다.

본 개시에 따른 컴퓨터 프로그램은 양자화를 기반하여 센싱 데이터를 축소시키는 방법을 수행할 수 있도록 컴퓨터에서 읽기 가능한 기록매체에 저장될 수 있다.

본 개시에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템, 방법 및 프로그램은 예측 정확도와 데이터 축소의 정도가 확보된 양자화 비트 크기의 양자화 테이블을 이용하여 센싱 데이터를 양자화 센싱 데이터로 양자화시킴으로써, 예측 정확도는 유지하면서도 축소율이 높은 양자화 센싱 데이터를 생성할 수 있다.

본 개시에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템, 방법 및 프로그램은 크기가 축소된 센싱 데이터를 활용하여 인공 지능 모델의 예측 정확도를 보장하게 함으로써, 센서 장치가 센싱 데이터 전송에 소모되는 전력 및 전송 시간을 줄일 수 있어, 사용자가 장시간 센서 장치를 운용할 수 있게 하고 사용자에게 위험한 상황이 발생한 경우 빠르게 해당 상황을 전달하여 신속하게 대피할 수 있게 한다.

도 1은 본 개시에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템의 개략적인 내용을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템의 구성 요소들의 블록도이다.
도 3는 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템의 결정 장치가 예측 모델을 운용하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템의 센싱 장치가 센싱 데이터를 양자화하여 양자화 센싱 데이터를 생성하는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 방법의 순서도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

도 1은 본 개시에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템의 개략적인 내용을 설명하기 위한 도면이고, 도 2는 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템의 구성 요소들의 블록도이다.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템은 복수의 센서 장치(100) 및 결정 장치(200)를 포함할 수 있다.

또한, 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템은 게이트웨이 장치(G)를 더 포함할 수 있다.

복수의 센서 장치(100)는 센싱부(110), 통신부(120), 프로세서(130) 및 저장부(140)를 포함할 수 있다.

복수의 센서 장치(100)의 센싱부(110)는 센싱 데이터를 생성하고, 복수의 센서 장치(100)의 프로세서(120)는 생성된 센싱 데이터를 양자화하여 양자화 센싱 데이터로 생성하며, 복수의 센서 장치(100)의 통신부(130)는 생성된 양자화 센싱 데이터를 결정 장치(200)를 향해 송신할 수 있다. 이때, 복수의 센싱 장치(100)의 통신부(130)는 양자화 센싱 데이터를 게이트웨이 장치(G)로 송신하고, 게이트 웨이 장치(G)는 수신된 양자화 센싱 데이터를 결정 장치(200)로 송신할 수 있다.

여기서, 복수의 센서 장치(100)는 사용자의 신체에 착용될 수 있고, 센싱부(110)는 사용자의 신체에 대한 움직임 정보 및 생체 정보를 측정하여 센싱 데이터로 생성할 수 있다. 이를 위해, 센싱부(110)는 가속도 센서, 자이로 센서, 자기계 센서, 혈압 센서, 체온 센서 및 심박수 센서 중 하나 이상을 포함할 수 있다.

바람직하게, 센싱부(110)는 가속도 센서, 자이로 센서 및 자기계 센서를 포함할 수 있다.

결정 장치(200)는 통신부(210), 프로세서(220) 및 저장부(230)를 포함할 수 있다.

결정 장치(200)의 통신부(210)는 양자화 센싱 데이터를 수신하고, 결정 장치(200)의 프로세서(220)는 수신된 양자화 센싱 데이터를 딥러닝 기반 예측 모델(AI)에 입력 데이터로 입력하여 출력 데이터로 예측 데이터를 출력받을 수 있다.

여기서, 예측 모델(AI)은 센싱 데이터를 입력 데이터로 입력받아 예측 데이터를 출력 데이터로 출력하는 딥러닝 기반 인공지능 모델일 수 있다.

여기서, 예측 데이터는 센싱 데이터로부터 예측되는 사용자의 동작을 나타내는 데이터일 수 있다.

이러한, 예측 모델(AI)은 훈련용 센싱 데이터인 훈련 데이터로 구성된 훈련 데이터 세트와 테스트용 센싱 데이터인 테스트 데이터로 구성된 테스트 데이터 세트로 구축될 수 있다.

이때, 훈련 데이터는 예측 모델의 훈련에 이용되는 훈련용 센싱 데이터이고, 테스트 데이터는 예측 모델의 테스트에 이용되는 테스트용 센싱 데이터일 수 있다.

또한, 훈련 데이터 세트와 테스트 데이터 세트는 센싱 장치(100)의 센싱부(110)에 포함된 센서 별로 구비될 수 있다.

한편, 복수의 센서 장치(100)의 프로세서(120)는 센싱 데이터를 양자화하기 위해 양자화 비트 크기 범위에 포함된 복수의 양자화 비트 크기 중에서 어느 하나의 양자화 비트 크기에 대응되는 양자화 테이블을 생성하고, 양자화 테이블을 이용하여 센싱 데이터를 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화할 수 있다.

이때, 복수의 센서 장치(100)의 프로세서(120)가 양자화를 수행하는 과정에서 이용되는 양자화 비트 크기는 결정 장치(200)의 프로세서(220)에 의해 미리 결정될 수 있다.

이하, 결정 장치(200)가 센싱 데이터의 양자화에 이용되는 양자화 비트 크기로 결정하는 과정을 설명하도록 한다.

결정 장치(200)의 통신부(210)는 예측 모델(AI)의 훈련 데이터 세트 및 테스트 데이터 세트를 획득할 수 있다.

이때, 결정 장치(200)는 복수의 센서 장치(100)의 센싱부(110)에 포함된 센서 별로 구비된 훈련 데이터 세트 및 테스트 데이터 세트 중에서 양자화되는 센싱 데이터를 생성한 센서 장치(100)의 센싱부(110)에 포함된 센서에 대응되는 훈련 데이터 세트 및 테스트 데이터 세트를 획득할 수 있다.

이후, 결정 장치(200)의 프로세서(220)는 훈련 데이터 세트를 이용하여 양자화 비트 크기 범위에 포함된 복수의 양자화 비트 크기 각각에 대응되는 복수의 양자화 테이블을 생성할 수 있다.

여기서, 양자화 비트 크기 범위는 센싱 데이터의 비트 크기 미만일 수 있다.

예를 들어, 센싱 데이터의 비트 크기가 32bit인 경우, 양자화 비트 크기 범위는 [2bit, 4bit, 8bit, 16bit]일 수 있다.

즉, 결정 장치(200)의 프로세서(220)는 양자화 비트 크기 범위 내의 복수의 양자화 비트 크기 별로 양자화 테이블을 생성할 수 있다.

구체적으로, 결정 장치(200)의 프로세서(220)는 양자화 비트 크기 범위 내의 복수의 양자화 비트 크기 중에서 어느 하나의 양자화 비트 크기인 제1 양자화 비트 크기에 대응되는 제1 양자화 테이블을 생성하는 경우, 제1 양자화 비트 크기에 대응되는 제1 양자화 레벨 수 만큼의 제1 레이블 데이터를 생성하고, 생성된 제1 레이블 데이터로 제1 양자화 테이블을 구성할 수 있다.

이때, 결정 장치(200)의 프로세서(220)는 훈련 데이터 세트에 포함된 훈련 데이터의 최소값, 훈련 데이터 세트에 포함된 훈련 데이터의 최대값, 제1 양자화 레벨 수 및 생성할 제1 레이블 데이터의 제1 양자화 테이블 내 순서 정보에 기초하여 제1 레이블 데이터를 생성할 수 있다.

이를 위해, 결정 장치(200)의 프로세서(220)는 수학식 1을 이용하여 제1 레이블 데이터를 생성하고, 제1 레이블 데이터로 구성된 제1 양자화 테이블을 생성할 수 있다.

여기서, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 m번째로 생성된 훈련용 센싱 데이터인 훈련 데이터이고, 는 훈련 데이터 로 구성된 훈련 데이터 세트이고, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 훈련 데이터에 대응되며 양자화 테이블 내 순서 정보가 i이고 양자화 비트 크기가 N인 레이블 데이터이고, 는 레이블 데이터 로 구성된 양자화 테이블이고, i는 1 내지 이다.

이후, 결정 장치(200)의 프로세서(220)는 양자화 비트 크기 범위 내의 모든 복수의 양자화 비트 크기에 대응되는 양자화 테이블을 생성할 수 있다.

상술된 예를 이어서 설명하면, 결정 장치(200)의 프로세서(220)는 2bit, 4bit, 8bit, 16bit의 양자화 비트 크기 각각에 대응되는 양자화 테이블을 수학식 1을 이용하여 생성할 수 있다.

이어서, 결정 장치(200)의 프로세서(220)는 복수의 양자화 테이블을 이용하여 테스트 데이터 세트를 복수의 양자화 비트 크기 각각에 대응되는 복수의 양자화 테스트 데이터 세트로 양자화할 수 있다.

구체적으로, 결정 장치(200)의 프로세서(220)는 복수의 양자화 테이블 중에서 제1 양자화 테이블을 이용하여 테스트 데이터 세트를 제1 양자화 비트 크기에 대응되는 제1 양자화 테스트 데이터 세트로 양자화하는 경우, 테스트 데이터 세트 내의 테스트 데이터 각각에 대응되는 제1 양자화 테스트 데이터를 생성하고, 생성된 제1 양자화 테스트 데이터로 제1 양자화 테스트 데이터 세트를 구성할 수 있다.

이를 위해, 결정 장치(200)의 프로세서(220)는 하기의 수학식 2를 이용하여 제1 양자화 테스트 데이터를 생성하고, 제1 양자화 테스트 데이터로 구성된 제1 양자화 테스트 데이터 세트를 생성할 수 있다.

여기서, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 l번째로 생성된 테스트용 센싱 데이터인 테스트 데이터이고, 는 테스트 데이터 로 구성된 테스트 데이터 세트이고, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 테스트 데이터에 대응되며 양자화 테스트 데이터 세트 내 순서 정보가 l이고 양자화 비트 크기가 N인 양자화 테스트 데이터이고, 는 양자화 테스트 데이터 로 구성된 양자화 테스트 데이터 세트이다.

이후, 결정 장치(200)의 프로세서(220)는 양자화 비트 크기 범위 내의 모든 복수의 양자화 비트 크기 별로 생성된 양자화 테이블 모두를 각각 이용하여 양자화 테스트 데이터 세트를 생성할 수 있다.

상술된 예를 이어서 설명하면, 결정 장치(200)의 프로세서(220)는 2bit, 4bit, 8bit, 16bit의 양자화 비트 크기 각각에 대응되는 양자화 테이블을 각각 이용하여 양자화 데이터 세트를 생성할 수 있다.

도 3는 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템의 결정 장치가 예측 모델을 운용하는 과정을 설명하기 위한 도면이다.

도 3을 참조하면, 결정 장치(200)의 프로세서(220)는 테스트 데이터 세트 및 복수의 양자화 테스트 데이터 세트 각각을 예측 모델(AI)의 입력 데이터로 입력하고, 예측 모델(AI)로부터 출력되는 예측 데이터 각각의 예측 정확도에 기초하여 복수의 양자화 비트 크기 중에서 어느 하나의 양자화 비트 크기를 센싱 데이터의 양자화에 이용되는 양자화 비트 크기로 결정할 수 있다.

구체적으로, 결정 장치(200)의 프로세서(220)는 테스트 데이터 세트 및 복수의 양자화 테스트 데이터 세트 각각을 예측 모델(AI)의 입력 데이터로 입력하여, 예측 모델(AI)로부터 출력되는 예측 데이터 각각의 예측 정확도를 산출할 수 있다.

즉, 결정 장치(200)의 프로세서(220)는 테스트 데이터 세트를 입력 데이트로 한 예측 데이터, 복수의 양자화 테스트 데이터 세트 각각을 입력 데이터로 한 예측 데이터를 획득하고, 예측 데이터 각각의 예측 정확도를 산출할 수 있다.

이때, 결정 장치(200)의 프로세서(220)는 예측 데이터의 출력 횟수 대비 예측 결과가 참인 예측 데이터의 개수의 비율을 예측 정확도로 산출할 수 있다.

예를 들어, 테스트 데이터 세트가 사용자의 실제 동작인 점프 동작으로부터 획득된 데이터인 경우, 테스트 데이터 세트로부터 출력되는 예측 데이터가 나타내는 사용자의 예측 동작이 점프 동작이면 예측 데이터는 예측 결과가 참일 수 있다.

이에 따라, 결정 장치(200)의 프로세서(220)는 테스트 데이터 세트를 입력 데이트로 한 예측 데이터와 복수의 양자화 테스트 데이터 세트 각각을 입력 데이터로 한 예측 데이터 각각에 대해 예측 데이터의 출력 횟수 대비 예측 결과가 참인 예측 데이터의 개수의 비율을 산출하여 예측 정확도로 산출할 수 있다.

이후, 결정 장치(200)의 프로세서(220)는 복수의 양자화 테스트 데이터 세트 각각에 대응되는 예측 정확도 각각과 테스트 데이터 세트에 대응되는 예측 정확도 간의 예측 정확도 차이값을 산출하고, 산출된 예측 정확도 차이값이 임계값 미만인 양자화 테스트 데이터 세트를 생성하는데 이용된 양자화 비트 크기를 확인할 수 있다.

이어서, 결정 장치(200)의 프로세서(220)는 확인된 양자화 비트 크기 중에서 최소의 양자화 비트 크기를 센싱 데이터의 양자화에 이용되는 양자화 비트 크기로 결정할 수 있다.

결정 장치(200)의 통신부(210)는 센싱 데이터의 양자화에 이용되는 것으로 결정된 양자화 비트 크기를 센서 장치(100)로 송신할 수 있다.

한편, 상술된 예측 모델(AI)은 인공 신경망(ANN) 기반 예측 모델일 수 있으며, 입력 레이어, 은닉 레이어 및 출력 레이어로 구성된 다대일 순차 모델일 수 있다.

은닉 레이어 및 출력 레이어는 각각 ReLu와 Softmax를 활성화 함수로 사용할 수 있다.

또한, 상술된 예측 모델(AI)은 벡터(센싱 데이터)를 입력받아 스칼라 값(예측 데이터)를 출력할 수 있다.

이하, 센서 장치(100)가 센싱 데이터를 양자화하는 과정을 설명하도록 한다.

이하에서, 양자화 비트 크기는 결정 장치(200)의 프로세서(220)에 의해 센싱 데이터의 양자화에 이용되는 것으로 결정된 양자화 비트 크기를 의미한다.

또한, 양자화 레이블은 결정 장치(200)의 프로세서(220)에 의해 센싱 데이터의 양자화에 이용되는 것으로 결정된 양자화 비트 크기에 대응되는 양자화 레이블을 의미한다.

도 4는 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 시스템의 센싱 장치가 센싱 데이터를 양자화하여 양자화 센싱 데이터를 생성하는 과정을 설명하기 위한 도면이다.

센서 장치(100)의 센싱부(110)는 상술한 바와 같이, 복수의 센서를 통해 센싱 데이터를 생성할 수 있다.

이때, 복수의 센서 각각은 미리 설정된 주기마다 센싱 데이터를 생성할 수 있다.

센서 장치(100)의 프로세서(130)는 센싱 데이터가 생성되면 센싱 데이터 각각을 개별로 양자화하여 양자화 센싱 데이터를 생성할 수 있다.

이를 위해, 센서 장치(100)의 통신부(120)는 결정 장치(200)의 통신부(210)로부터 센싱 데이터의 양자화에 이용되는 것으로 결정된 양자화 비트 크기를 수신할 수 있다.

이후, 센서 장치(100)의 프로세서(130)는 센싱 데이터의 양자화에 이용되는 양자화 비트 크기를 확인하고, 예측 모델(AI)의 훈련 데이터 세트를 이용하여 양자화 비트 크기에 대응되는 양자화 테이블을 생성할 수 있다.

이때, 센서 장치(100)의 프로세서(130)는 양자화되는 센싱 데이터를 생성한 센서 장치(100)의 센싱부(110)에 포함된 센서에 대응되는 훈련 데이터 세트를 이용하여 양자화 테이블을 생성할 수 있다.

구체적으로, 센서 장치(100)의 프로세서(130)는 양자화 비트 크기에 대응되는 양자화 레벨 수 만큼의 레이블 데이터를 생성하고, 생성된 레이블 데이터로 양자화 테이블을 구성할 수 있다.

이때, 센서 장치(100)의 프로세서(130)는 훈련 데이터 세트에 포함된 훈련 데이터의 최소값, 훈련 데이터 세트에 포함된 훈련 데이터의 최대값, 양자화 레벨 수 및 생성할 레이블 데이터의 양자화 테이블 내 순서 정보에 기초하여 레이블 데이터를 생성할 수 있다.

이를 위해, 센서 장치(100)의 프로세서(130)는 하기의 수학식 3을 이용하여 레이블 데이터를 생성하고, 레이블 데이터로 구성된 양자화 테이블을 생성할 수 있다.

여기서, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 m번째로 생성된 훈련용 센싱 데이터인 훈련 데이터이고, 는 훈련 데이터 로 구성된 훈련 데이터 세트이고, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 훈련 데이터에 대응되며 양자화 테이블 내 순서 정보가 i이고 양자화 비트 크기가 N인 레이블 데이터이고, 는 레이블 데이터 로 구성된 양자화 테이블이고, i는 1 내지 이다.

이후, 센서 장치(100)의 프로세서(130)는 양자화 테이블을 이용하여 센싱 데이터를 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화할 수 있다.

구체적으로, 센서 장치(100)의 프로세서(130)는 양자화 테이블에 포함된 레이블 데이터 중에서, 양자화되는 센싱 데이터와의 데이터 차이값이 최소인 레이블 데이터의 양자화 테이블 내 순서 정보 및 감쇄 상수를 이용하여 양자화 센싱 데이터를 생성할 수 있다.

이를 위해, 센서 장치(100)의 프로세서(130)는 수학식 4를 이용하여 양자화 센싱 데이터를 생성할 수 있다.

여기서, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 센싱 데이터이고, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 훈련 데이터에 대응되며 양자화 테이블 내 순서 정보가 i이고 양자화 비트 크기가 N인 레이블 데이터이고, a는 감쇄 상수이다. 바람직하게, 감쇄 상수 a는 1일 수 있다.

이후, 센서 장치(100)의 통신부(120)는 생성된 양자화 센싱 데이터를 결정 장치(100)로 송신할 수 있다.

이때, 센서 장치(100)의 통신부(120)는 미리 설정된 주기 동안 생성된 양자화 데이터를 하나의 메시지에 포함시키고, 해당 메시지를 미리 설정된 주기 마다 결정 장치(100)로 송신할 수 있다.

이를 통해, 센서 장치(100)는 예측 정확도가 일정 수준 이상이면서도 최대로 데이터 크기가 축소되도록 센서 데이터를 양자화하여 양자화 데이터를 생성함으로써, 센서 장치(100)의 데이터 송수신에 소요되는 전력을 감소시킬 수 있다.

최종적으로, 결정 장치(200)의 프로세서(220)는 수신된 메시지에 포함된 센싱 데이터를 예측 모델(AI)에 입력 데이터로 입력하여 예측 데이터를 출력 데이터로 출력받을 수 있다.

한편, 프로세서(130, 220)는 장치에 포함된 각 구성을 전반적으로 제어하기 위한 구성으로, 하드웨어(hardware) 또는 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있다.

프로세서(130, 220)는 CPU(Central Processing Unit), GPU(Graphic Processing Unit), VPU, NPU 등 다양한 유닛으로 구성될 수 있다. 프로세서(130, 220)는 메모리(140, 230)에 저장된 인스트럭션을 실행함으로써 장치를 제어할 수 있다.

통신부(120, 210)는 다른 장치와 데이터, 신호, 정보를 송수신하기 위한 구성으로, 통신을 위한 적어도 하나의 회로를 포함할 수 있다.

통신부(120, 210)는 TCP/IP(Transmission Control Protocol/Internet Protocol), UDP(User Datagram Protocol), HTTP(Hyper Text Transfer Protocol), HTTPS(Secure Hyper Text Transfer Protocol), FTP(File Transfer Protocol), SFTP(Secure File Transfer Protocol), MQTT(Message Queuing Telemetry Transport) 등의 통신 규약(프로토콜)을 이용하여 하나 이상의 외부 전자 장치와 다양한 정보를 송수신할 수 있다.

이를 위해, 통신부(120, 210)는 유선 통신 및/또는 무선 통신을 통해 구현된 네트워크를 기반으로, 외부 장치와 연결될 수 있다. 이때, 통신부(120, 210)는 외부 장치와 직접적으로 연결될 수도 있지만, 네트워크를 제공하는 하나 이상의 외부 서버(ex. ISP(Internet Service Provider))를 통해서 외부 전자 장치와 연결될 수도 있다.

네트워크는 영역 또는 규모에 따라 개인 통신망(PAN; Personal Area Network), 근거리 통신망(LAN; Local Area Network), 광역 통신망(WAN; Wide Area Network) 등일 수 있으며, 네트워크의 개방성에 따라 인트라넷(Intranet), 엑스트라넷(Extranet), 또는 인터넷(Internet) 등일 수 있다.

무선 통신은 LTE(long-term evolution), LTE-A(LTE Advance), 5G(5th Generation) 이동통신, CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), GSM(Global System for Mobile Communications), DMA(Time Division Multiple Access), WiFi(Wi-Fi), WiFi Direct, Bluetooth, NFC(near field communication), Zigbee 등의 통신 방식 중 적어도 하나를 포함할 수 있다.

통신부(120, 210)는 상술한 무선 통신 방식에 따른 네트워크 인터페이스(Network Interface) 또는 네트워크 칩을 포함할 수 있다. 한편, 통신 방식은 상술한 예에 한정되지 아니하고, 기술의 발전에 따라 새롭게 등장하는 통신 방식을 포함할 수 있다.

메모리(140, 230)는 장치의 전반적인 동작을 제어하기 위한 운영체제(OS: Operating System) 및 장치의 구성요소와 관련된 적어도 하나의 인스트럭션 또는 데이터를 저장하기 위한 구성이다.

메모리(140, 230)는 ROM, 플래시 메모리 등의 비휘발성 메모리를 포함할 수 있으며, DRAM, SRAM 등으로 구성된 휘발성 메모리를 포함할 수 있다. 또한, 메모리(140, 230)는 하드 디스크, SSD(Solid state drive) 등을 포함할 수도 있다.

도 5는 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 방법의 순서도이다.

도 5를 참조하면, 본 발명의 일 실시 예에 따른 양자화를 기반하여 센싱 데이터를 축소시키는 방법은 S1 단계에서, 센서 장치의 센싱부에 포함된 센서가 센싱 데이터를 생성할 수 있다.

이어서, S2 단계에서, 센싱 데이터의 양자화에 이용되는 양자화 비트 크기를 확인할 수 있다.

이후, S3 단계에서, 센싱 데이터를 입력 데이터로 입력받아 예측 데이터를 출력 데이터로 출력하는 예측 모델의 훈련 데이터 세트를 이용하여 양자화 비트 크기에 대응되는 양자화 테이블 생성할 수 있다.

최종적으로, S4 단계에서, 양자화 테이블을 이용하여 센싱 데이터를 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화할 수 있다.

한편, 이상에서 설명된 다양한 실시 예들은 서로 저촉되지 않는 한 둘 이상의 실시 예가 결합되어 수행될 수 있다.

한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합된 것을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다.

하드웨어적인 구현에 의하면, 본 개시에서 설명되는 실시 예들은 ASICs(Application Specific Integrated Circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다.

일부의 경우에 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상술한 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.

한편, 상술한 본 개시의 다양한 실시 예들에 따른 시스템 내 각 장치에서의 처리동작을 수행하기 위한 컴퓨터 명령어(computer instructions) 또는 컴퓨터 프로그램은 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어 또는 컴퓨터 프로그램은 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 각 장치에서의 처리 동작을 상술한 특정 기기가 수행하도록 한다.

비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.

이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

100: 센서 장치
200: 결정 장치

Claims (10)

1. 센싱 데이터를 생성하는 센서부; 및
   상기 센싱 데이터의 양자화에 이용되는 양자화 비트 크기를 확인하고,
   상기 센싱 데이터를 입력 데이터로 입력받아 예측 데이터를 출력 데이터로 출력하는 예측 모델의 훈련 데이터 세트를 이용하여 상기 양자화 비트 크기에 대응되는 양자화 테이블을 생성하고,
   상기 양자화 테이블을 이용하여 상기 센싱 데이터를 상기 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화하는 프로세서;를 포함하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치.
   
2. 제1항에 있어서,
   상기 프로세서는
   상기 양자화 비트 크기에 대응되는 양자화 레벨 수 만큼의 레이블 데이터를 생성하고, 생성된 상기 레이블 데이터로 상기 양자화 테이블을 구성하고,
   상기 훈련 데이터 세트에 포함된 훈련 데이터의 최소값, 상기 훈련 데이터 세트에 포함된 훈련 데이터의 최대값, 상기 양자화 레벨 수 및 생성할 레이블 데이터의 상기 양자화 테이블 내 순서 정보에 기초하여 상기 레이블 데이터를 생성하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치.
   
3. 제1항에 있어서,
   상기 프로세서는
   하기의 수학식을 이용하여 상기 레이블 데이터를 생성하고, 상기 레이블 데이터로 구성된 상기 양자화 테이블을 생성하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치.
   <수학식>
   
   
   
   여기서, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 m번째로 생성된 훈련용 센싱 데이터인 훈련 데이터이고, 는 훈련 데이터 로 구성된 훈련 데이터 세트이고, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 훈련 데이터에 대응되며 양자화 테이블 내 순서 정보가 i이고 양자화 비트 크기가 N인 레이블 데이터이고, 는 레이블 데이터 로 구성된 양자화 테이블이고, i는 1 내지 이다.
   
4. 제1항에 있어서,
   상기 프로세서는
   상기 양자화 테이블에 포함된 레이블 데이터 중에서, 양자화되는 센싱 데이터와의 데이터 차이값이 최소인 레이블 데이터의 양자화 테이블 내 순서 정보 및 감쇄 상수를 이용하여 상기 양자화 센싱 데이터를 생성하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치.
   
5. 제1항에 있어서,
   상기 프로세서는
   하기의 수학식을 이용하여 상기 양자화 센싱 데이터를 생성하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치.
   <수학식>
   
   여기서, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 센싱 데이터이고, 는 장치 식별 정보가 n인 센서 장치에 구비되고 센서 식별 정보가 k인 센서로부터 생성된 훈련 데이터에 대응되며 양자화 테이블 내 순서 정보가 i이고 양자화 비트 크기가 N인 레이블 데이터이고, a는 감쇄 상수이다.
   
6. 제1항 내지 제5항 중 어느 한 항에 따른 상기 양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치; 및
   양자화 비트 크기 범위에 포함된 복수의 양자화 비트 크기 중에서 상기 양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치가 양자화에 이용하는 어느 하나의 양자화 비트 크기를 결정하는 결정 장치;를 포함하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 시스템.
   
7. 센서부가, 센싱 데이터를 생성하는 단계;
   프로세서가, 상기 센싱 데이터의 양자화에 이용되는 양자화 비트 크기를 확인하는 단계;
   상기 프로세서가, 상기 센싱 데이터를 입력 데이터로 입력받아 예측 데이터를 출력 데이터로 출력하는 예측 모델의 훈련 데이터 세트를 이용하여 상기 양자화 비트 크기에 대응되는 양자화 테이블을 생성하는 단계; 및
   상기 프로세서가, 상기 양자화 테이블을 이용하여 상기 센싱 데이터를 상기 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화하는 단계;를 포함하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치.
   
8. 제7항에 있어서,
   상기 양자화 테이블을 생성하는 단계는
   상기 프로세서가, 상기 양자화 비트 크기에 대응되는 양자화 레벨 수 만큼의 레이블 데이터를 생성하고, 생성된 상기 레이블 데이터로 상기 양자화 테이블을 구성하는 단계; 및
   상기 프로세서가, 상기 훈련 데이터 세트에 포함된 훈련 데이터의 최소값, 상기 훈련 데이터 세트에 포함된 훈련 데이터의 최대값, 상기 양자화 레벨 수 및 생성할 레이블 데이터의 상기 양자화 테이블 내 순서 정보에 기초하여 상기 레이블 데이터를 생성하는 단계;를 포함하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치.
   
9. 제7항에 있어서,
   상기 양자화 비트 크기에 대응되는 양자화 센싱 데이터로 양자화하는 단계는
   상기 프로세서가, 상기 양자화 테이블에 포함된 레이블 데이터 중에서, 양자화되는 센싱 데이터와의 데이터 차이값이 최소인 레이블 데이터의 양자화 테이블 내 순서 정보 및 감쇄 상수를 이용하여 상기 양자화 센싱 데이터를 생성하는 단계;를 포함하는 것을 특징으로 하는
   양자화를 기반하여 센싱 데이터를 축소시키는 센싱 장치.
   
10. 하드웨어인 컴퓨터와 결합되어, 제7항의 방법을 수행할 수 있도록 컴퓨터에서 읽기 가능한 기록매체에 저장된 컴퓨터 프로그램.