기계학습 기반의 동적 시뮬레이션 파라미터 교정 방법

Abstract

본 발명은 기계학습 기반의 동적 시뮬레이션 파라미터 교정 방법에 관한 것이다. 컴퓨팅 장치에 의해 수행되는 컴퓨팅 장치에 의해 수행되는 기계학습 기반의 동적 시뮬레이션 모델의 시계열 파라미터 교정 방법으로서, N개의 파라미터 가설 집합 을 생성 단계, N개의 파라미터 가설 각각에 대하여 시뮬레이션을 k번 반복하여 실행하여 N개의 파라미터 가설 각각에 대응하는 결과값들을 구하는 단계 - 여기서, t는 레짐 탐색의 유일 사례에 속하는 모든 t를 의미함 -, 결과값들 각각에 대응하는 우도(likelihood)를 계산하는 단계 - 여기서, c는 진화주기임), 결과값들과 N개의 파라미터 가설 각각에 대한 정합 데이터의 차이를 시계열 데이터로 하여, 비모수 은닉 마코프 모델(Hierarchical Dirichlet Process Hidden semi-Markov Model: HDP-HSMM)을 적용하는 단계, N개의 파라미터 가설 각각에 대하여 레짐(Regime) 탐색을 실행하여 시간대별 레짐을 구분하고, 레짐 탐색 결과값들을 구하는 단계, 레짐 탐색 결과값들을 기초로 최우도 추정법(Maximum Likelihood Estimation)을 적용하여 레짐별 최우도 추정 데이터를 구하는 단계, 및 최우도 추정 데이터를 기초로 최우도 파라미터를 결정하는 단계를 포함한다.