맞춤기술찾기

이전대상기술

앙상블 모델을 이용한 심층 신경망 기반 데이터 처리 방법 및 장치

  • 기술번호 : KST2019014154
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 데이터 처리 방법 및 장치가 개시된다. 일 실시예에 따른 데이터 처리 방법은, 예측 요청을 수신하는 단계와, 상기 예측 요청에 기초하여 DNN(Deep Neural Network) 레퍼지토리(repository)로부터 복수의 DNN을 불러오는 단계와, 상기 복수의 DNN으로부터 앙상블 네트워크를 구축하는 단계와, 상기 앙상블 네트워크를 이용하여 상기 예측 요청에 대한 출력들을 생성하는 단계와, 상기 출력들을 병합하여 최종 결과를 예측하는 단계를 포함한다.
Int. CL G06N 3/04 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G06N 3/0454(2013.01) G06N 3/0454(2013.01) G06N 3/0454(2013.01)
출원번호/일자 1020180112681 (2018.09.20)
출원인 건국대학교 산학협력단
등록번호/일자 10-2002732-0000 (2019.07.16)
공개번호/일자
공고번호/일자 (20190723) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.09.20)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 건국대학교 산학협력단 대한민국 서울특별시 광진구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 하영국 경기도 성남시 분당구
2 은애천 경기도 동두천시

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 무한 대한민국 서울특별시 강남구 언주로 ***, *층(역삼동,화물재단빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 건국대학교 산학협력단 대한민국 서울특별시 광진구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2018.09.20 수리 (Accepted) 1-1-2018-0938531-46
2 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)
2019.01.18 수리 (Accepted) 1-1-2019-0063152-01
3 의견제출통지서
Notification of reason for refusal
2019.02.21 발송처리완료 (Completion of Transmission) 9-5-2019-0128795-31
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2019.04.11 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0372532-17
5 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2019.04.11 수리 (Accepted) 1-1-2019-0372531-61
6 거절결정서
Decision to Refuse a Patent
2019.06.24 발송처리완료 (Completion of Transmission) 9-5-2019-0452337-11
7 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)
2019.07.03 보정승인 (Acceptance of amendment) 1-1-2019-0683467-42
8 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2019.07.03 수리 (Accepted) 1-1-2019-0683466-07
9 등록결정서
Decision to Grant Registration
2019.07.12 발송처리완료 (Completion of Transmission) 9-5-2019-0503386-12
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
데이터 처리 장치의 데이터 처리 방법에 있어서,상기 데이터 처리 장치가 예측 요청을 수신하는 단계;상기 데이터 처리 장치가 상기 예측 요청에 기초하여 DNN(Deep Neural Network) 레퍼지토리(repository)로부터 복수의 DNN을 불러오는 단계;상기 데이터 처리 장치가 상기 복수의 DNN으로부터 앙상블 네트워크를 구축하는 단계;상기 데이터 처리 장치가 상기 앙상블 네트워크를 학습시키는 단계;상기 데이터 처리 장치가 학습된 앙상블 네트워크를 이용하여 상기 예측 요청에 대한 출력들을 생성하는 단계; 및상기 데이터 처리 장치가 상기 출력들을 병합하여 최종 결과를 예측하는 단계를 포함하고,상기 불러오는 단계는,상기 DNN 레퍼지토리로부터 임의의 컨테이너 상에 임의의 DNN을 불러오는 단계; 및상기 임의의 DNN을 복수의 컨테이너 상에 복제함으로써 상기 복수의 컨테이너 상에 상기 복수의 DNN을 불러오는 단계를 포함하고,상기 학습시키는 단계는,상기 복수의 DNN을 학습시키기 위한 학습 데이터의 용도에 기초하여 복수의 학습 데이터 집합을 생성하는 데이터 수준 앙상블을 수행하는 단계; 및상기 복수의 학습 데이터 집합을 입력으로 이용한 상기 복수의 DNN의 예측의 정확도에 기초하여 상기 복수의 학습 데이터 집합을 조인(join)함으로써 병합된 학습 데이터 집합을 생성하는 출력 수준 앙상블을 수행하는 단계를 포함하고,상기 구축하는 단계는,상기 복수의 DNN에 포함된 한 DNN의 출력을 상기 복수의 DNN에 포함된 다른 DNN에 입력하여 상기 복수의 DNN을 접합함으로써, 상기 앙상블 네트워크를 구축하는 단계를 포함하는 데이터 처리 방법
2 2
제1항에 있어서,상기 불러오는 단계는,상기 복수의 컨테이너 각각에 포함된 데이터와 DNN 모델의 쌍을 생성하는 단계를 더 포함하는 데이터 처리 방법
3 3
제2항에 있어서,상기 복수의 컨테이너에 포함된 상기 각각의 데이터는 서로 상이한 초기 값을 가지는데이터 처리 방법
4 4
삭제
5 5
삭제
6 6
삭제
7 7
삭제
8 8
제1항에 있어서,상기 예측하는 단계는,상기 출력들을 랭크드 조인(ranked join)하여 예측하는 단계를 포함하는 데이터 처리 방법
9 9
예측 요청을 수신하는 수신기; 및상기 예측 요청에 응답하여 앙상블 네트워크의 출력을 병합하여 예측을 수행하는 컨트롤러를 포함하고,상기 컨트롤러는,상기 예측 요청에 기초하여 DNN(Deep Neural Network) 레퍼지토리(repository)로부터 복수의 DNN을 불러오는 로더(loader);상기 복수의 DNN으로부터 앙상블 네트워크를 구축하는 구축기(builder);상기 앙상블 네트워크를 학습시키는 학습기;학습된 앙상블 네트워크를 이용하여 상기 예측 요청에 대한 출력들을 생성하는 예측기(predictor); 및상기 출력들을 병합하여 최종 결과를 예측하는 병합기(merger)를 포함하고,상기 로더는,상기 DNN 레퍼지토리로부터 임의의 컨테이너 상에 임의의 DNN을 불러오고, 상기 임의의 DNN을 복수의 컨테이너 상에 복제함으로써 상기 복수의 컨테이너 상에 상기 복수의 DNN을 불러오고,상기 학습기는,상기 복수의 DNN을 학습시키기 위한 학습 데이터의 용도에 기초하여 복수의 학습 데이터 집합을 생성하는 데이터 수준 앙상블을 수행하고, 상기 복수의 학습 데이터 집합을 입력으로 이용한 상기 복수의 DNN의 예측의 정확도에 기초하여 상기 복수의 학습 데이터 집합을 조인(join)함으로써 병합된 학습 데이터 집합을 생성하는 출력 수준 앙상블을 수행하고,상기 구축기는,상기 복수의 DNN에 포함된 한 DNN의 출력을 상기 복수의 DNN에 포함된 다른 DNN에 입력하여 상기 복수의 DNN을 접합함으로써, 상기 앙상블 네트워크를 구축하는 데이터 처리 장치
10 10
제9항에 있어서,상기 로더는,상기 복수의 컨테이너 각각에 포함된 데이터와 DNN 모델의 쌍을 생성하는데이터 처리 장치
11 11
제10항에 있어서,상기 복수의 컨테이너에 포함된 상기 각각의 데이터는 서로 상이한 초기 값을 가지는데이터 처리 장치
12 12
삭제
13 13
삭제
14 14
삭제
15 15
삭제
16 16
제9항에 있어서,상기 병합기는,상기 출력들을 랭크드 조인(ranked join)하여 예측하는데이터 처리 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 건국대학교 산학협력단 대학ICT연구센터육성지원사업 지능정보서비스를 위한 고성능 하이브리드 클라우드 컴퓨팅 기술 개발 및 인력양성