본 발명은 유전알고리즘에 기초한 최적화된 학습 모델 결정 장치 및 방법에 관한 것으로 더욱 상세하게는, 본 발명의 일면에 따른 유전알고리즘에 기초한 최적화된 학습 모델 결정 장치는, 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 가지는 복수 개의 부모 크로모좀 데이터 세트들을 생성하되, 복수 개의 부모 크로모좀 데이터 세트들 각각에 대한 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 기설정된 확률 분포에 기초하여 랜덤하게 설정하는 부모 크로모좀 데이터 생성부와, 복수 개의 부모 크로모좀 데이터 세트들에 대하여 선택 연산, 교차 연산 중 어느 하나의 연산을 수행함에 따라 부모 크로모좀 데이터 세트가 가지는 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 유지 또는 변경함에 따른 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 자녀 크로모좀 데이터 생성부와, 부모 크로모좀 데이터 세트 또는 자녀 크로모좀 데이터 세트가 가지는 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값 중 적어도 하나 이상을 조합함에 따른 기계 학습 모델에 기초하여 복수 개의 학습 이미지 데이터들을 이용한 기계 학습을 수행하고 기계 학습을 수행함에 따른 특징 파라미터들을 기계 학습 모델별로 획득하는 학습부와, 복수 개의 기계 학습 모델들 각각에 대한 기계 학습이 수행됨에 따라 획득되는 기계 학습 모델별 특징 파라미터들에 기초하여 기설정된 확인 이미지 데이터를 기설정된 복수 개의 분류값들 중 어느 하나의 분류값이 선택되도록 하여 분류하고, 분류값이 기설정된 지도학습값에 대응되는지 여부를 확률값으로 산출하여 복수 개의 기계 학습 모델들의 정확도를 산출하는 정확도 산출부와, 복수 개의 기계 학습 모델들의 정확도에 기초하여 가장 높은 정확도를 가지는 기계 학습 모델을 선택하여 최적화된 기계 학습 모델을 결정하는 최적 학습 모델 결정부를 포함한다.

G06N 3/086(2023.01.01)
G06N 3/02(2023.01.01)
G16B 50/00(2019.01.01)
G16B 40/00(2019.01.01)

G06N 3/086(2023.01)