컴퓨터 장치에 의해 수행되는 인공지능 신경망을 이용하여, 태풍의 정보를 활용한 태풍의 경로를 예측하는 방법에 있어서,상기 태풍의 정보를 입력받는 단계;과거의 태풍의 정보 및 경로 데이터를 기초로 생성적 적대 신경망(GANs, Generative Adversarial Networks)을 이용하여 기계학습 하는 단계; 및상기 입력된 태풍의 정보를 기반으로 상기 기계학습 된 신경망을 이용하여 태풍의 경로를 생성하는 단계를 포함하는 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법.

제 1 항에 있어서,상기 기계학습 하는 단계는,생성기(generator) 네트워크를 이용하여 n개(여기서 n은 자연수임)의 실제 태풍 정보를 입력하고, 상기 실제 태풍 정보를 기계 학습하여 n+1번째의 태풍 정보를 예측하는 과정;감별기(discriminator) 네트워크를 이용하여 상기 n+1번째의 예측된 태풍 정보와 상기 실제 태풍 정보를 감별하는 과정; 및손실 함수 값을 감소시키는 방향으로 상기 생성기 네트워크 및 감별기 네트워크를 갱신하는 과정을 포함하는 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법.

제 2 항에 있어서,상기 태풍의 정보는 태풍의 위성사진 이미지, 눈의 좌표, 해수면 온도, 표면 압력, 대기 중 풍속 및 풍향, 그리고 상대습도장으로 이루어지는 군에서 선택된 하나 이상의 데이터를 포함하는, 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법.

제 2 항에 있어서,상기 생성기 네트워크는 컨벌루션 신경망(Convolutional Neural Network, CNN)을 활용하여 과거와 미래 태풍의 상관관계를 학습하는, 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법.

제 2 항에 있어서,실제 태풍 정보와 예측된 태풍 정보의 차이에 대한 함수와, 예측된 태풍 정보를 상기 감별기 네트워크에 입력하였을 때의 출력 값과 실제 태풍에 해당하는 설정 값의 차이에 대한 함수를 생성기 손실 함수로 정의하고,상기 생성기 네트워크는 상기 생성기 손실 함수의 값을 최소화하도록 신경망을 갱신하는, 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법.

제 2 항에 있어서,상기 감별기 네트워크는 컨벌루션 신경망(CNN)을 일반 인공신경망(Artificial Neural Network, ANN)에 연결한 신경망으로 디자인된, 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법.

제 2 항에 있어서,실제 태풍 정보를 상기 감별기 네트워크에 입력하였을 때의 출력 값과 실제 태풍에 해당하는 설정 값의 차이와, 예측된 태풍 정보를 상기 감별기 네트워크에 입력하였을 때의 출력 값과 상기 생성기 네트워크에서 예측된 태풍에 해당하는 설정 값에 대한 차이에 대한 함수를 감별기 손실 함수로 정의하고,상기 감별기 네트워크는 상기 감별기 손실 함수의 값을 최소화하도록 신경망을 갱신하는, 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법.

컴퓨터에 제 1 항 내지 제 7 항 중 어느 항에 따른 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.