인공지능을 이용하여 전자 장치에 의해 수행되는 방법에 있어서,탄성파 데이터를 수신하는 단계;상기 탄성파 데이터를 입력으로 하여 사전 학습된 제1 인공지능 알고리즘 모듈에서 정규화된 탄성파 데이터를 출력하는 단계를 포함하고,상기 사전 학습된 제1 인공지능 알고리즘 모듈은:복수의 트레이스(trace)를 포함하는 탄성파 데이터를 수신하여 학습 데이터 셋을 초기화하고,상기 복수의 트레이스들 중 적어도 4이상의 임의의 트레이스들을 선택하고,상기 적어도 4이상의 임의의 트레이스들이 이루는 볼록 껍질(convex hull) 구조가 단체(simplex) 구조를 구성하는지 결정하고,상기 적어도 4이상의 임의의 트레이스들이 상기 단체 구조 및 상기 단체 구조의 내부에 위치한 레이블(label) 포인트로 구성되는 지 결정하고,상기 레이블 포인트의 위치를 무게중심 좌표로 변환하고,상기 무게중심 좌표를 기반으로 가중치를 결정하고,상기 결정된 가중치를 입력 트레이스들에 적용하여 상기 학습 데이터 셋에 추가하여 업데이트하고,상기 업데이트된 학습 데이터 셋을 입력으로 하여 사전 학습되는 방법.

제1항에 있어서,상기 적어도 4이상의 임의의 트레이스들은:K-차원 트리 구조를 이용하여 상기 복수의 트레이스들 중 결정되는 방법.

제1항에 있어서,상기 적어도 4이상의 임의의 트레이스들은:상기 학습 데이터 셋으로부터 결정된 임의의 지점으로부터 소정의 거리 내부에 위치한 트레이스들인 방법.

제1항에 있어서,상기 가중치는 상기 레이블 포인트 및 상기 단체 구조의 꼭지점으로 구성되는 구조들 각각의 넓이의 비율을 기반으로 결정되는 방법.

제1항에 있어서,상기 사전 학습된 제1 인공지능 알고리즘 모듈은:상기 적어도 4이상의 임의의 트레이스들이 이루는 볼록 껍질 구조가 단체 구조가 아닌 경우,상기 복수의 트레이스들 중 적어도 4이상의 임의의 트레이스들을 재선택하도록 구성되는 방법.

제1항에 있어서,상기 사전 학습된 제1 인공지능 알고리즘 모듈은시계열 데이터 처리를 위한 합성곱 인공 신경망(convolution neural network: CNN) 모델 또는 순환 신경망(RNN) 모델로 구성되는 방법.

제1항에 있어서,상기 탄성파 데이터를 입력으로 하여 사전 학습된 제1 인공지능 알고리즘 모듈에서 정규화된 탄성파 데이터를 출력하는 단계는:상기 탄성파 데이터에 대하여 들로네 삼각분할을 수행하는 단계;정규화하고자 하는 지점을 쿼리 포인트로 결정하는 단계;상기 들로네 삼각분할에서 상기 쿼리 포인트를 포함하는 단체 구조를 결정하는 단계;상기 결정된 단체 구조로부터 멤버 트레이스들을 결정하는 단계;상기 쿼리 포인트의 위치를 무게중심 좌표로 변환하는 단계;상기 무게중심 좌표를 입력 데이터에 연접(concatenate)하는 단계;상기 연접된 데이터를 기반으로 보간된 데이터를 예측하는 단계;상기 보간된 데이터를 기반으로 상기 정규화된 탄성파 데이터를 출력하는 단계를 포함하는 방법.

전자 장치에 있어서,메모리;모뎀; 및상기 모뎀 및 상기 메모리에 연결되는 프로세서를 포함하고,상기 프로세서는:탄성파 데이터를 수신하고,상기 탄성파 데이터를 입력으로 하여 사전 학습된 제1 인공지능 알고리즘 모듈에서 정규화된 탄성파 데이터를 출력하도록 구성되고,상기 사전 학습된 제1 인공지능 알고리즘 모듈은:복수의 트레이스(trace)를 포함하는 탄성파 데이터를 수신하여 학습 데이터 셋을 초기화하고,상기 복수의 트레이스들 중 적어도 4이상의 임의의 트레이스들을 선택하고,상기 적어도 4이상의 임의의 트레이스들이 이루는 볼록 껍질(convex hull) 구조가 단체(simplex) 구조를 구성하는지 결정하고,상기 적어도 4이상의 임의의 트레이스들이 상기 단체 구조 및 상기 단체 구조의 내부에 위치한 레이블(label) 포인트로 구성되는 지 결정하고,상기 레이블 포인트의 위치를 무게중심 좌표로 변환하고,상기 무게중심 좌표를 기반으로 가중치를 결정하고,상기 결정된 가중치를 입력 트레이스들에 적용하여 상기 학습 데이터 셋에 추가하여 업데이트하고,상기 업데이트된 학습 데이터 셋을 입력으로 하여 사전 학습되는 전자 장치.

제8항에 있어서,상기 적어도 4이상의 임의의 트레이스들은:K-차원 트리 구조를 이용하여 상기 복수의 트레이스들 중 결정되는 전자 장치.

제8항에 있어서,상기 적어도 4이상의 임의의 트레이스들은:상기 학습 데이터 셋으로부터 결정된 임의의 지점으로부터 소정의 거리 내부에 위치한 트레이스들인 전자 장치.

제8항에 있어서,상기 가중치는 상기 레이블 포인트 및 상기 단체 구조의 꼭지점으로 구성되는 구조들 각각의 넓이의 비율을 기반으로 결정되는 전자 장치.

제8항에 있어서,상기 사전 학습된 제1 인공지능 알고리즘 모듈은:상기 적어도 4이상의 임의의 트레이스들이 이루는 볼록 껍질 구조가 단체 구조가 아닌 경우,상기 복수의 트레이스들 중 적어도 4이상의 임의의 트레이스들을 재선택하도록 구성되는 전자 장치.

제8항에 있어서,상기 사전 학습된 제1 인공지능 알고리즘 모듈은시계열 데이터 처리를 위한 합성곱 인공 신경망(convolution neural network: CNN) 모델 또는 순환 신경망(RNN) 모델로 구성되는 전자 장치.

제8항에 있어서,상기 프로세서는:상기 탄성파 데이터에 대하여 들로네 삼각분할을 수행하고,정규화하고자 하는 지점을 쿼리 포인트로 결정하고,상기 들로네 삼각분할에서 상기 쿼리 포인트를 포함하는 단체 구조를 결정하고,상기 결정된 단체 구조로부터 멤버 트레이스들을 결정하고,상기 쿼리 포인트의 위치를 무게중심 좌표로 변환하고,상기 무게중심 좌표를 입력 데이터에 연접(concatenate)하고,상기 연접된 데이터를 기반으로 보간된 데이터를 예측하고,상기 보간된 데이터를 기반으로 상기 정규화된 탄성파 데이터를 출력하도록 구성되는 전자 장치.

프로세서(processor)에 의해 실행 가능한 인공지능 알고리즘을 통해 탄성파 데이터 정규화를 수행하기 위한 매체에 저장된 프로그램으로서,탄성파 데이터를 수신하는 단계;상기 탄성파 데이터를 입력으로 하여 사전 학습된 제1 인공지능 알고리즘 모듈에서 정규화된 탄성파 데이터를 출력하는 단계를 포함하고,상기 사전 학습된 제1 인공지능 알고리즘 모듈은:복수의 트레이스(trace)를 포함하는 탄성파 데이터를 수신하여 학습 데이터 셋을 초기화하고,상기 복수의 트레이스들 중 적어도 4이상의 임의의 트레이스들을 선택하고,상기 적어도 4이상의 임의의 트레이스들이 이루는 볼록 껍질(convex hull) 구조가 단체(simplex) 구조를 구성하는지 결정하고,상기 적어도 4이상의 임의의 트레이스들이 상기 단체 구조 및 상기 단체 구조의 내부에 위치한 레이블(label) 포인트로 구성되는 지 결정하고,상기 레이블 포인트의 위치를 무게중심 좌표로 변환하고,상기 무게중심 좌표를 기반으로 가중치를 결정하고,상기 결정된 가중치를 입력 트레이스들에 적용하여 상기 학습 데이터 셋에 추가하여 업데이트하고,상기 업데이트된 학습 데이터 셋을 입력으로 하여 사전 학습되는 프로그램.