제3항에 있어서, 상기 입력 데이터 세트를 선택하는 단계는,상기 차이값이 큰 순으로 상기 입력 데이터 세트를 제거하되, 상기 입력 데이터 세트의 개수가 2n개(n은 자연수)일 때, n개 만큼 제거하는 것인 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제4항에 있어서,상기 교차 단계에서 생성되는 상기 입력 데이터 세트의 개수는 n/2개 인 것인 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제4항에 있어서,상기 돌연변이 단계에서 복사되는 상기 입력 데이터 세트의 개수는 n/2개 인 것인 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

산출하기 위한 목표값에 대한 데이터를 수집 및 생성하여 상기 데이터를 이용해 머신러닝을 훈련시키는 단계;상기 훈련된 머신러닝을 이용하여 산출할 입력 데이터 세트 설정 단계;상기 머신러닝을 이용하여 상기 입력 데이터 세트에 대한 산출값을 획득하고, 산출된 상기 입력 데이터 세트를 유전 알고리즘을 이용하여 상기 목표값에 대한 역예측을 수행하는 단계; 및상기 역예측에 의해 상기 입력 데이터 세트를 확정하고 출력하여 상기 목표값에 대한 적합도를 평가하는 단계를 포함하는 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제1항에 있어서, 상기 유전 알고리즘을 이용하여 역예측을 수행하는 단계는,상기 머신러닝을 이용하여 산출된 상기 입력 데이터 세트를 상기 목표값과 비교하여 상기 목표값에 적합한 상기 입력 데이터 세트를 선택하는 선택(selection) 단계;상기 선택 단계에서 선택된 상기 입력 데이터 세트 중 일부를 서로 교차하여 새로운 상기 입력 데이터 세트를 생성하는 교차(crossover) 단계; 및상기 선택 단계에서 선택된 상기 입력 데이터 세트 중 일부를 복사하고, 상기 복사된 입력 데이터 세트를 임의로 변경하여 새로운 상기 입력 데이터 세트를 생성하는 돌연변이(mutation) 단계를 포함하는 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제2항에 있어서, 상기 선택 단계는,상기 훈련된 머신러닝을 이용하여 상기 입력 데이터 세트의 산출값을 얻는 단계;상기 산출값을 상기 목표값과 비교하여 차이값을 계산하는 단계; 및상기 차이값에 따라 상기 입력 데이터 세트를 선택하는 단계를 포함하는 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제2항에 있어서, 상기 교차 단계 이후에,상기 교차 단계에서 생성된 상기 입력 데이터 세트 중 상기 선택 단계에서 선택된 상기 입력 데이터 세트와 중복되는 상기 입력 데이터 세트를 제거하고, 제거된 상기 입력 데이터 세트 개수만큼 임의의 입력 데이터 세트를 생성하는 단계를 더 포함하는 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제2항에 있어서,상기 선택, 교차 및 돌연변이 단계는 원하는 상기 입력 데이터 세트가 획득할 때까지 반복하여 수행되는 것인 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제1항에 있어서, 상기 입력 데이터 세트 설정 단계는,상기 입력 데이터 세트의 일부 또는 전부를 고정된 값으로 제한할지 여부를 결정하는 단계; 및상기 훈련된 머신러닝이 훈련시 입력된 데이터가 정규화 된 데이터 인지 확인하고, 상기 입력된 데이터의 정규화 여부에 따라 상기 입력 데이터 세트의 정규화 사용여부를 결정하는 단계를 더 포함하는 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제2항에 있어서, 상기 선택 단계 이후에,상기 선택된 입력 데이터 세트를 이전에 선택된 상기 입력 데이터 세트와 비교하여 변화 여부를 확인한 후 상기 유전 알고리즘의 반복 수행 여부를 결정하는 단계를 더 포함하는 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

제10항에 있어서, 상기 유전 알고리즘의 반복 수행 여부를 결정하는 단계는,상기 입력 데이터 세트가 변화하지 않으면 변화하지 않은 횟수를 카운트(count)하되, 상기 카운트된 횟수가 설정된 횟수를 초과하면 상기 유전 알고리즘의 반복 수행을 중지하는 것인 유전 알고리즘을 활용한 머신러닝 역 예측 방법.

삭제