IoT분야 다중센서 변동 감지 알고리즘

전문가 제언

○ 알파고 이전의 기계학습에 대한 이해와 일반인의 관심수준은 매우 낮았으나, 미디어 정보로 인해 인간이상의 인공지능을 가진 기계의 피지배에 대한 우려와 기계지능의 지배주체 및 피지배에 대한 찬반 이슈를 낳는 정도가 되었다. 그럼에도 불구 IoT 기반의 국내 다중센서 융합기술은 여전히 센서보다 센서기기의 1차 융합에 비중이 있다고 볼 수 있으며 복수센서 데이터의 1, 2치 융합과 시간경과에 따른 기계학습, 비정상 및 이상 패턴형태의 인지 알고리즘 등에 의한 이벤트 자동감지와 경고시스템 구현기술은 상용화가 미흡하다고 판단된다.

 

○ 칩 개발 및 생산업체인 Intel이 이 기술에서 제시한 다중센서 감지데이터 처리 알고리즘과 프로세스는 기계학습의 모델과 알고리즘을 기반으로 설명한다는 점에서 향후 IoT 기반 다중센서 데이터의 변화 감지 및 분석 방법의 진화 방향을 검토하게 한다. 특히 기계학습의 감독 및 무감독 학습, 강화학습 부문의 선택이나 조합 활용의 가능성을 통한 센서칩(SoC) 개발의 재고 기회를 제공한데 가치가 있고 관련된 상용 통합솔루션도 예상되므로 대응이 필요하다. 한편 시스템 구축환경에 따른 지능화의 경제성 검토도 논의될 필요성이 있다고 본다.

 

○ IoT 기반의 솔루션에서는 복수의 센서별 감지된 데이터를 1, 2차 융합하는 다중센서 데이터 융합결과를 분석하여 상황을 추론하고 시간경과나 시점, 시간차이를 고려하는 평가 및 융합과정에서 상황 판단정보를 결정할 수 있는 지능형 기술이 필요하다. 이러한 추론 및 융합과정에서 학습 유형별 분류, 예측, 회귀, 군집, 밀도, 차원축소, 특징속성, 유리스틱, 보상함수, 가중치 방법 등을 이용할 수 있으며, 다양한 기계학습 모델과 연구들이 있다. 추론의 오류 최소화와 신뢰도가 중요하다.

 

○ 예측 능력이 우수하나 설명 능력이 부족하거나 그 반대의 특징을 가진 기계학습 모델들을 통합하고 시간경과에 따른 동적환경 적응모델의 변수까지 고려하는 통합모델의 연구가 중요하나, 실제 수준별 IoT 플랫폼 개발 및 시스템 설계에서 분석 및 추정 데이터 축적이 없는 경우 데이터의 생성 및 측정, 이벤트처리의 1차원적인 구현이 우선이라고 본다.

저자

Intel Corporation

자료유형

니즈특허정보

원문언어

영어

기업산업분류

정보통신

연도

2016

권(호)

WO20160048788

잡지명

PCT특허

과학기술
표준분류

정보통신

페이지

~46

분석자

박*만

분석물

• IoT분야 다중센서 변동 감지 알고리즘.pdf [623,326 byte]

이미지변환중입니다.