요약 | 본 발명은 확률밀도 기반의 고장 진단 방법 및 장치에 관한 것으로서, 본 발명의 실시 예에 따른 확률밀도 기반의 고장 진단 방법은 미리 획득한 결함별 학습신호로부터 각 결함들을 구분하는 학습특징들을 추출하여 학습 특징벡터를 생성하는 단계; 상기 생성된 학습 특징벡터들을 확률밀도 기반 분류기에 학습시키는 단계; 분류 대상인 입력 신호로부터 각 결함들을 구분하는 입력특징들을 추출하여 입력 특징벡터를 생성하는 단계; 상기 생성된 입력 특징벡터들을 상기 학습된 확률밀도 기반 분류기에 입력시키고, 상기 학습 특징벡터들에 대한 각 클래스의 거리 확률밀도함수와 상기 입력 특징벡터들에 대한 분류확률을 계산하여 결함 분류 결과를 산출하는 단계; 및 상기 산출된 결함 분류 결과를 통해 고장 상태를 진단하는 단계를 포함한다. |
---|---|
Int. CL | G06N 7/00 (2006.01.01) G06N 20/00 (2019.01.01) |
CPC | G06N 7/005(2013.01) G06N 7/005(2013.01) |
출원번호/일자 | 1020160161987 (2016.11.30) |
출원인 | 울산대학교 산학협력단 |
등록번호/일자 | 10-1797400-0000 (2017.11.07) |
공개번호/일자 | |
공고번호/일자 | (20171115) 문서열기 |
국제출원번호/일자 | |
국제공개번호/일자 | |
우선권정보 | |
법적상태 | 등록 |
심사진행상태 | 수리 |
심판사항 | |
구분 | 신규 |
원출원번호/일자 | |
관련 출원번호 | |
심사청구여부/일자 | Y (2016.11.30) |
심사청구항수 | 16 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 울산대학교 산학협력단 | 대한민국 | 울산광역시 남구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 김종면 | 대한민국 | 경상남도 양산시 삼호로 **, * |
2 | 김재영 | 대한민국 | 부산광역시 수영구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 김종선 | 대한민국 | 서울특별시 강남구 역삼로*길 **, 광성빌딩 **층 (역삼동)(케이엘피특허법률사무소) |
2 | 이형석 | 대한민국 | 서울특별시 강남구 역삼로*길 **, 광성빌딩 **층 (역삼동)(케이엘피특허법률사무소) |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 울산대학교 산학협력단 | 대한민국 | 울산광역시 남구 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 [Patent Application] Patent Application |
2016.11.30 | 수리 (Accepted) | 1-1-2016-1177151-60 |
2 | [우선심사신청]심사청구(우선심사신청)서 [Request for Preferential Examination] Request for Examination (Request for Preferential Examination) |
2017.07.05 | 수리 (Accepted) | 1-1-2017-0643187-67 |
3 | [우선심사신청]선행기술조사의뢰서 [Request for Preferential Examination] Request for Prior Art Search |
2017.07.10 | 수리 (Accepted) | 9-1-9999-9999999-89 |
4 | [우선심사신청]선행기술조사보고서 [Request for Preferential Examination] Report of Prior Art Search |
2017.07.14 | 수리 (Accepted) | 9-1-2017-0023515-28 |
5 | 의견제출통지서 Notification of reason for refusal |
2017.07.20 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0509064-97 |
6 | [명세서등 보정]보정서 [Amendment to Description, etc.] Amendment |
2017.09.20 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2017-0915968-66 |
7 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 [Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation) |
2017.09.20 | 수리 (Accepted) | 1-1-2017-0915961-47 |
8 | 등록결정서 Decision to grant |
2017.10.27 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0746152-54 |
9 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2020.07.10 | 수리 (Accepted) | 4-1-2020-5154267-54 |
번호 | 청구항 |
---|---|
1 |
1 고장 진단 장치에 의해 수행되는 고장 진단 방법에 있어서,미리 획득한 결함별 학습신호로부터 각 결함들을 구분하는 학습특징들을 추출하여 학습 특징벡터를 생성하는 단계;상기 생성된 학습 특징벡터들을 확률밀도 기반 분류기에 학습시키는 단계;분류 대상인 입력 신호로부터 각 결함들을 구분하는 입력특징들을 추출하여 입력 특징벡터를 생성하는 단계;상기 생성된 입력 특징벡터들을 상기 학습된 확률밀도 기반 분류기에 입력시키고, 상기 학습 특징벡터들에 대한 각 클래스의 거리 확률밀도함수와 상기 입력 특징벡터들에 대한 분류확률을 계산하여 결함 분류 결과를 산출하는 단계; 및상기 산출된 결함 분류 결과를 통해 고장 상태를 진단하는 단계를 포함하고,상기 결함 분류 결과를 산출하는 단계는, 상기 생성된 학습 특징벡터들 및 상기 생성된 입력 특징벡터들을 이용하여 각 클래스의 거리 확률밀도함수를 산출하는 단계;상기 계산된 각 클래스의 거리 확률밀도함수를 통해 입력 특징벡터에 대한 확률밀도함수의 값을 계산하고, 상기 입력 특징벡터에 대한 확률밀도 기반 분류기의 분류확률을 계산하는 단계;상기 계산된 확률밀도함수의 값과 상기 계산된 분류확률을 이용하여 입력 특징벡터에 대해 각 클래스의 멤버십 값을 계산하는 단계; 및상기 계산된 각 클래스에 대한 멤버십 값을 비교하여 멤버십 값이 가장 큰 클래스로 입력 특징벡터를 분류하는 단계를 포함하는 고장 진단 방법 |
2 |
2 삭제 |
3 |
3 제1항에 있어서,상기 거리 확률밀도함수를 산출하는 단계는, 상기 생성된 학습 특징벡터들 및 상기 생성된 입력 특징벡터들을 이용하되, 입력 특징벡터와 각 클래스 내의 모든 학습 특징벡터들에 대해 기설정된 개수의 이웃한 특징벡터들과의 거리를 계산하는 단계;상기 계산된 이웃한 특징벡터들의 거리 중 가장 큰 거리 값을 계산하는 단계; 및상기 계산된 가장 큰 거리 값을 이용하여 각 클래스의 거리 확률밀도함수를 계산하는 단계를 포함하는 고장 진단 방법 |
4 |
4 제3항에 있어서,상기 거리 확률밀도함수를 계산하는 단계는, 상기 입력 특징벡터의 분포가 정규분포 또는 지수분포에 따라 서로 다른 분포를 부합하는 거리 확률밀도함수를 계산하는 고장 진단 방법 |
5 |
5 제3항에 있어서,상기 거리 확률밀도함수를 계산하는 단계는, 상기 입력 특징벡터의 분포가 정규분포이면, [수학식 3],는 거리 확률밀도함수, 는 클래스 i의 j번째 특징벡터와 이웃한 특징벡터들의 거리 중 가장 큰 거리 값, 는 분포의 평균, 는 분포의 표준편차를 나타내며, 상기의 [수학식 3]에 따라 거리 확률밀도함수를 계산하는 고장 진단 방법 |
6 |
6 제3항에 있어서,상기 거리 확률밀도함수를 계산하는 단계는, 상기 입력 특징벡터의 분포가 지수분포이면,[수학식 4],는 거리 확률밀도함수, 는 클래스 i의 j번째 특징벡터와 이웃한 특징벡터들의 거리 중 가장 큰 거리 값, 는 분포의 평균, 는 분포의 표준편차를 나타내며, 상기의 [수학식 4]에 따라 거리 확률밀도함수를 계산하는 고장 진단 방법 |
7 |
7 제1항에 있어서,상기 확률밀도 기반 분류기는, 상기 입력 특징벡터와 이웃한 특징벡터의 번호인 k 개의 학습 특징벡터를 이용하여 상기 입력 특징벡터를 거리 확률밀도함수 기반으로 분류하는 확률밀도 기반의 k-NN 분류기인 것을 특징으로 하는 고장 진단 방법 |
8 |
8 제1항에 있어서,상기 분류확률을 계산하는 단계는, 각 클래스에 대해서, 기설정된 개수의 이웃한 학습 특징벡터들 중에서 해당 클래스에 속하는 학습 특징벡터의 비율을 상기 입력 특징벡터에 대한 확률밀도 기반 분류기의 분류확률로 계산하는 고장 진단 방법 |
9 |
9 제1항에 있어서,상기 가장 큰 클래스로 입력 특징벡터를 분류하는 단계는, [수학식 5],는 클래스 i의 멤버십 값, 는 클래스 i에 대한 분류기의 분류확률, 는 클래스 i에 대한 확률밀도함수의 값, 는 클래스 i'의 멤버십 값, 는 클래스 i'에 대한 분류기의 분류확률, 는 클래스 i'에 대한 확률밀도함수의 값을 나타내며, 상기 계산된 확률밀도 기반의 분류기의 분류확률과 상기 계산된 확률밀도함수의 값을 상기의 [수학식 5]에 따라 각 클래스의 멤버십 값을 계산하는 고장 진단 방법 |
10 |
10 미리 획득한 결함별 학습신호로부터 각 결함들을 구분하는 학습특징들을 추출하여 학습 특징벡터를 생성하는 학습특징 추출부;상기 생성된 학습 특징벡터들을 확률밀도 기반 분류기에 학습시키는 분류기 학습부;분류 대상인 입력 신호로부터 각 결함들을 구분하는 입력특징들을 추출하여 입력 특징벡터를 생성하는 입력특징 추출부;상기 생성된 입력 특징벡터들을 상기 학습된 확률밀도 기반 분류기에 입력시키고, 상기 학습 특징벡터들에 대한 각 클래스의 거리 확률밀도함수와 상기 입력 특징벡터들에 대한 분류확률을 계산하여 결함 분류 결과를 산출하는 결함 분류부; 및상기 산출된 결함 분류 결과를 통해 고장 상태를 진단하는 고장 진단부를 포함하고,상기 결함 분류부는, 상기 생성된 학습 특징벡터들 및 상기 생성된 입력 특징벡터들을 이용하여 각 클래스의 거리 확률밀도함수를 산출하고, 상기 산출된 각 클래스의 거리 확률밀도함수를 통해 입력 특징벡터에 대한 확률밀도함수의 값을 계산하고, 상기 입력 특징벡터에 대한 확률밀도 기반 분류기의 분류확률을 계산하고, 상기 계산된 확률밀도함수의 값과 상기 계산된 분류확률을 이용하여 입력 특징벡터에 대해 각 클래스의 멤버십 값을 계산하고, 상기 계산된 각 클래스에 대한 멤버십 값을 비교하여 멤버십 값이 가장 큰 클래스로 입력 특징벡터를 분류하는 고장 진단 장치 |
11 |
11 삭제 |
12 |
12 제10항에 있어서,상기 결함 분류부는, 상기 생성된 학습 특징벡터들 및 상기 생성된 입력 특징벡터들을 이용하되, 입력 특징벡터와 각 클래스 내의 모든 학습 특징벡터들에 대해 기설정된 개수의 이웃한 특징벡터들과의 거리를 계산하고, 상기 계산된 이웃한 특징벡터들의 거리 중 가장 큰 거리 값을 계산하고, 상기 계산된 가장 큰 거리 값을 이용하여 각 클래스의 거리 확률밀도함수를 계산하는 고장 진단 장치 |
13 |
13 제12항에 있어서,상기 결함 분류부는, 상기 입력 특징벡터의 분포가 정규분포 또는 지수분포에 따라 서로 다른 분포를 부합하는 거리 확률밀도함수를 계산하는 고장 진단 장치 |
14 |
14 제12항에 있어서,상기 결함 분류부는, 상기 입력 특징벡터의 분포가 정규분포이면, [수학식 3],는 거리 확률밀도함수, 는 클래스 i의 j번째 특징벡터와 이웃한 특징벡터들의 거리 중 가장 큰 거리 값, 는 분포의 평균, 는 분포의 표준편차를 나타내며, 상기의 [수학식 3]에 따라 거리 확률밀도함수를 계산하는 고장 진단 장치 |
15 |
15 제12항에 있어서,상기 결함 분류부는, 상기 입력 특징벡터의 분포가 지수분포이면,[수학식 4]는 거리 확률밀도함수, 는 클래스 i의 j번째 특징벡터와 이웃한 특징벡터들의 거리 중 가장 큰 거리 값, 는 분포의 평균, 는 분포의 표준편차를 나타내며, 상기의 [수학식 4]에 따라 거리 확률밀도함수를 계산하는 고장 진단 장치 |
16 |
16 제10항에 있어서,상기 확률밀도 기반 분류기는, 상기 입력 특징벡터와 이웃한 특징벡터의 번호인 k 개의 학습 특징벡터를 이용하여 상기 입력 특징벡터를 거리 확률밀도함수 기반으로 분류하는 확률밀도 기반의 k-NN 분류기인 것을 특징으로 하는 고장 진단 장치 |
17 |
17 제10항에 있어서,상기 결함 분류부는, 각 클래스에 대해서, 기설정된 개수의 이웃한 학습 특징벡터들 중에서 해당 클래스에 속하는 학습 특징벡터의 비율을 상기 입력 특징벡터에 대한 확률밀도 기반 분류기의 분류확률로 계산하는 고장 진단 장치 |
18 |
18 제10항에 있어서,상기 결함 분류부는, [수학식 5],는 클래스 i의 멤버십 값, 는 클래스 i에 대한 분류기의 분류확률, 는 클래스 i에 대한 확률밀도함수의 값, 는 클래스 i'의 멤버십 값, 는 클래스 i'에 대한 분류기의 분류확률, 는 클래스 i'에 대한 확률밀도함수의 값을 나타내며, 상기 계산된 확률밀도 기반의 분류기의 분류확률과 상기 계산된 확률밀도함수의 값을 상기의 [수학식 5]에 따라 각 클래스의 멤버십 값을 계산하는 고장 진단 장치 |
지정국 정보가 없습니다 |
---|
패밀리정보가 없습니다 |
---|
순번 | 연구부처 | 주관기관 | 연구사업 | 연구과제 |
---|---|---|---|---|
1 | 산업통상자원부 | 울산대학교산학협력단 | 에너지안전기술개발 | 산업설비 압력용기/탱크 음향방출 진단장비 및 모니터링 시스템 개발 |
2 | 미래창조과학부 | 울산대학교 산학협력단 | 이공계전문기술·연구인력양성 | 인공지능기반 화학용 펌프 베어링 모너터링 및 3D프린팅 시스템 개발 |
3 | 중소기업청 | 울산대학교산학협력단 | 산학연협력기술개발 | 배관설비 파이프 모니터링 및 진단 시스템 개발 |
4 | 교육부 | 주식회사 피에이치엠솔루션즈 | 산학협력선도대학육성사업 | 음향방출 기술을 이용하여 자동차 주행 중 허브 베어링 상태 모니터링 및 진단 시스템 개발 |
공개전문 정보가 없습니다 |
---|
특허 등록번호 | 10-1797400-0000 |
---|
표시번호 | 사항 |
---|---|
1 |
출원 연월일 : 20161130 출원 번호 : 1020160161987 공고 연월일 : 20171115 공고 번호 : 특허결정(심결)연월일 : 20171027 청구범위의 항수 : 16 유별 : G06N 7/00 발명의 명칭 : 확률밀도 기반의 고장 진단 방법 및 장치 존속기간(예정)만료일 : |
순위번호 | 사항 |
---|---|
1 |
(권리자) 울산대학교 산학협력단 울산광역시 남구... |
제 1 - 3 년분 | 금 액 | 334,500 원 | 2017년 11월 07일 | 납입 |
제 4 년분 | 금 액 | 196,000 원 | 2020년 10월 12일 | 납입 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 | 2016.11.30 | 수리 (Accepted) | 1-1-2016-1177151-60 |
2 | [우선심사신청]심사청구(우선심사신청)서 | 2017.07.05 | 수리 (Accepted) | 1-1-2017-0643187-67 |
3 | [우선심사신청]선행기술조사의뢰서 | 2017.07.10 | 수리 (Accepted) | 9-1-9999-9999999-89 |
4 | [우선심사신청]선행기술조사보고서 | 2017.07.14 | 수리 (Accepted) | 9-1-2017-0023515-28 |
5 | 의견제출통지서 | 2017.07.20 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0509064-97 |
6 | [명세서등 보정]보정서 | 2017.09.20 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2017-0915968-66 |
7 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 | 2017.09.20 | 수리 (Accepted) | 1-1-2017-0915961-47 |
8 | 등록결정서 | 2017.10.27 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0746152-54 |
9 | 출원인정보변경(경정)신고서 | 2020.07.10 | 수리 (Accepted) | 4-1-2020-5154267-54 |
기술정보가 없습니다 |
---|
과제고유번호 | 1415145673 |
---|---|
세부과제번호 | 20162220100050 |
연구과제명 | 산업설비 압력용기/탱크 음향방출 진단장비 및 모니터링 시스템 개발 |
성과구분 | 출원 |
부처명 | 산업통상자원부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201605~201612 |
기여율 | 0.33333334 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1425102946 |
---|---|
세부과제번호 | C0395147 |
연구과제명 | 배관설비 파이프 모니터링 및 진단 시스템 개발 |
성과구분 | 출원 |
부처명 | 중소기업청 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201605~201704 |
기여율 | 0.33333334 |
연구개발단계명 | 개발연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1711040740 |
---|---|
세부과제번호 | 2016H1D5A1910564 |
연구과제명 | 인공지능기반 화학용 펌프 베어링 모너터링 및 3D프린팅 시스템 개발 |
성과구분 | 출원 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201606~201705 |
기여율 | 0.33333334 |
연구개발단계명 | 개발연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1415145673 |
---|---|
세부과제번호 | 20162220100050 |
연구과제명 | 산업설비 압력용기/탱크 음향방출 진단장비 및 모니터링 시스템 개발 |
성과구분 | 등록 |
부처명 | 산업통상자원부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201605~201612 |
기여율 | 0.33333334 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1425102946 |
---|---|
세부과제번호 | C0395147 |
연구과제명 | 배관설비 파이프 모니터링 및 진단 시스템 개발 |
성과구분 | 등록 |
부처명 | 중소기업청 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201605~201704 |
기여율 | 0.33333334 |
연구개발단계명 | 개발연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1711040740 |
---|---|
세부과제번호 | 2016H1D5A1910564 |
연구과제명 | 인공지능기반 화학용 펌프 베어링 모너터링 및 3D프린팅 시스템 개발 |
성과구분 | 등록 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201606~201705 |
기여율 | 0.33333334 |
연구개발단계명 | 개발연구 |
6T분류명 | IT(정보기술) |
[1020170135358] | 환경 변화에 강인한 고장 진단 장치 및 방법 | 새창보기 |
---|---|---|
[1020170130137] | 열화 트랜드를 이용한 기계 열화 추이 추정 방법 | 새창보기 |
[1020170072474] | 기계 열화 추이 추정 장치 및 방법 | 새창보기 |
[1020170058797] | 설비 상태 진단 방법 및 장치 | 새창보기 |
[1020160166189] | 비선형 데이터의 클래스 변별성 평가 방법 및 장치 | 새창보기 |
[1020160166188] | 기계 결함 진단 방법 및 장치 | 새창보기 |
[1020160161987] | 확률밀도 기반의 고장 진단 방법 및 장치 | 새창보기 |
[1020160160758] | 기계의 잔여수명 예측 방법 및 장치 | 새창보기 |
[KST2018009351][울산대학교] | 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법 | 새창보기 |
---|---|---|
[KST2020009749][울산대학교] | 음향 방출 결함 신호 검출 장치 및 방법 | 새창보기 |
[KST2020014480][울산대학교] | 얼굴 영역 이미지 분석 장치 및 방법 | 새창보기 |
[KST2021002765][울산대학교] | 빅데이터 기반 휘발성 영역 내 학습 방법, 프로그램 및 시스템 | 새창보기 |
[KST2023007344][울산대학교] | 광학 회절 단층 촬영법(ODT)을 이용한 줄기세포 분류 방법 및 장치 | 새창보기 |
[KST2019031332][울산대학교] | 기계학습 알고리즘을 이용한 변압기 유중가스 분석방법 및 장치 | 새창보기 |
[KST2022010160][울산대학교] | 영상 이미지 처리와 딥-러닝을 활용한 자동 필기 저장시스템 | 새창보기 |
[KST2023006158][울산대학교] | 환자 정보 제공 방법 및 장치, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 | 새창보기 |
[KST2022023248][울산대학교] | 손 위생 이행 확인을 위한 영상 분석 장치 및 영상 분석 방법 | 새창보기 |
[KST2019000753][울산대학교] | 의료용 비접촉 인터페이스 시스템 및 이의 제어방법 | 새창보기 |
[KST2019031285][울산대학교] | 어휘 의미망 및 단어 임베딩을 이용한 동형이의어 분별 장치 및 방법 | 새창보기 |
[KST2019031286][울산대학교] | 어휘 의미망을 이용한 단어 의미 임베딩 장치 및 방법 | 새창보기 |
[KST2023006165][울산대학교] | 라만 분광 분석을 이용한 줄기세포의 분류 방법 및 장치 | 새창보기 |
[KST2023010698][울산대학교] | 멀티 세트의 하이브리드 전원에 의해 구동되는 전기 트램의 에너지 관리 시스템 | 새창보기 |
[KST2023009280][울산대학교] | 안저를 촬영한 대상 영상에 기초하여 정상 안저 영상을 획득하기 위한 안저 영상 처리 장치 및 방법 | 새창보기 |
[KST2023006166][울산대학교] | 메타버스 플랫폼 기반의 구인자 및 구직자 매칭 장치 및 방법 | 새창보기 |
[KST2022023247][울산대학교] | 생의학적 연관성 예측 방법 및 장치 | 새창보기 |
[KST2023008616][울산대학교] | 기계 학습 모델 기반의 CT 영상을 분류 및 분할하기 위한 방법 및 장치 | 새창보기 |
[KST2020008842][울산대학교] | 딥러닝 기반 혈관 구분 방법 및 시스템 | 새창보기 |
[KST2021002764][울산대학교] | 광 간섭 단층 영상 기반의 고위험 병변 진단 시스템 및 이의 진단 방법 | 새창보기 |
[KST2022022683][울산대학교] | 블록체인과 대체 불가능 토큰을 이용한 게임 기반의 메타버스 플랫폼을 지원하는 장치 및 방법 | 새창보기 |
[KST2015193688][울산대학교] | 약물의 약동-약력학적 모델링을 위한 통합 분석 시스템 | 새창보기 |
[KST2020014491][울산대학교] | 유전자 가위 효과를 분석하는 방법 및 장치 | 새창보기 |
[KST2021004404][울산대학교] | 유량 예측 방법 및 장치 | 새창보기 |
[KST2023006177][울산대학교] | 기계 학습 모델을 이용하여 동종 조혈 세포 이식 이후 수여자의 사망을 예측하기 위한 방법 및 장치 | 새창보기 |
[KST2022006731][울산대학교] | 가중 클러스터 손실을 이용하여 학습하는 전이학습 기반의 얼굴표정 인식 방법 및 얼굴표정 인식 장치 | 새창보기 |
[KST2023007343][울산대학교] | 라만 분광 분석을 이용한 세포 치료제의 CAR 단백질 정량화 방법 및 장치 | 새창보기 |
심판사항 정보가 없습니다 |
---|