맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

뉴럴 네트워크의 디버깅 방법, 장치 및 시스템

  • 기술번호 : KST2019032897
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
상담신청 PDF 받기
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 뉴럴 네트워크의 디버깅 방법, 장치 및 시스템이 개시된다. 일실시예에 따른 뉴럴 네트워크의 디버깅 장치는 클래스들에 각각 대응하는 출력 뉴런들을 포함하는 뉴럴 네트워크에 있어서, 클래스들 중 디버깅의 타겟이 되는 타겟 클래스를 식별하고, 타겟 클래스에 대응하는 데이터 객체들 중, 뉴럴 네트워크가 타겟 클래스를 잘못 예측한 제1 데이터 객체들을 식별하고, 클래스들 중 타겟 클래스와 다른 제2 클래스들에 대응하는 데이터 객체들 중, 뉴럴 네트워크가 제2 클래스들을 옳게 예측한 제2 데이터 객체들을 식별하고, 뉴럴 네트워크가 제1 데이터 객체들로부터 타겟 클래스를 옳게 예측하고, 제2 데이터 객체들로부터 제2 클래스들을 옳게 예측하는 것을 유지하도록, 타겟 클래스에 대응하는 타겟 출력 뉴런과 적어도 하나의 중간 뉴런 사이의 적어도 하나의 디버깅 시냅스를 생성할 수 있다.
Int. CL G06N 3/04 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G06N 3/04(2013.01) G06N 3/04(2013.01)
출원번호/일자 1020170105625 (2017.08.21)
출원인 재단법인대구경북과학기술원
등록번호/일자 10-1928208-0000 (2018.12.05)
공개번호/일자
공고번호/일자 (20181211) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.08.21)
심사청구항수 20

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 재단법인대구경북과학기술원 대한민국 대구 달성군 현

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김민수 대한민국 대구광역시 달성군
2 김진욱 대한민국 대구광역시 수성구
3 안규현 대한민국 경기도 의왕시 안양판교로 **

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 재단법인대구경북과학기술원 대한민국 대구 달성군 현
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		 2017.08.21 수리 (Accepted) 1-1-2017-0806912-97
2 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)		 2018.06.26 취하 (Withdrawal) 1-1-2018-0625845-14
3 [우선심사신청 취하]취하(포기)서
[Withdrawal of Request for Accelerated Examination] Request for Withdrawal (Abandonment)		 2018.07.09 수리 (Accepted) 1-1-2018-0673763-38
4 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)		 2018.07.09 수리 (Accepted) 1-1-2018-0673773-95
5 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search		 2018.07.10 수리 (Accepted) 9-1-9999-9999999-89
6 수수료 반환 안내서
Notification of Return of Official Fee		 2018.07.10 발송처리완료 (Completion of Transmission) 1-5-2018-0106951-65
7 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search		 2018.07.18 수리 (Accepted) 9-1-2018-0035721-98
8 의견제출통지서
Notification of reason for refusal		 2018.08.30 발송처리완료 (Completion of Transmission) 9-5-2018-0590643-35
9 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2018.09.10 수리 (Accepted) 1-1-2018-0895491-65
10 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2018.09.10 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-0895490-19
11 등록결정서
Decision to grant		 2018.11.30 발송처리완료 (Completion of Transmission) 9-5-2018-0819176-74
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2018.12.18 수리 (Accepted) 4-1-2018-5260250-39
13 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.18 수리 (Accepted) 4-1-2020-5134633-04
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
적어도 하나의 프로세서에 의해 동작되고, 클래스들에 각각 대응하는 출력 뉴런들을 포함하는 뉴럴 네트워크에 있어서,상기 클래스들 중 디버깅의 타겟이 되는 타겟 클래스를 식별하는 단계;상기 타겟 클래스에 대응하는 데이터 객체들 중, 상기 뉴럴 네트워크가 상기 타겟 클래스를 잘못 예측한 제1 데이터 객체들을 식별하는 단계;상기 타겟 클래스와 다른 제2 클래스들에 대응하는 데이터 객체들 중, 상기 뉴럴 네트워크가 상기 제2 클래스들을 옳게 예측한 제2 데이터 객체들을 식별하는 단계; 및상기 뉴럴 네트워크가 상기 제1 데이터 객체들로부터 상기 타겟 클래스를 옳게 예측하고, 상기 제2 데이터 객체들로부터 상기 제2 클래스들을 옳게 예측하는 것을 유지하도록, 상기 타겟 클래스에 대응하는 타겟 출력 뉴런과 적어도 하나의 중간 뉴런 사이의 적어도 하나의 디버깅 시냅스를 생성하는 단계를 포함하고,상기 단계들은 상기 적어도 하나의 프로세서에 의해서 수행되는뉴럴 네트워크의 디버깅 방법
2 2
제1항에 있어서,상기 디버깅 시냅스를 생성하는 단계는상기 제1 데이터 객체들이 상기 뉴럴 네트워크로 인가되어 상기 출력 뉴런들로부터 생성된 제1 출력 값들 및 상기 제2 데이터 객체들이 상기 뉴럴 네트워크로 인가되어 상기 출력 뉴런들로부터 생성된 제2 출력 값들 중 적어도 하나에 기초하여, 적어도 하나의 디버깅 시냅스를 생성하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
3 3
제2항에 있어서,상기 디버깅 시냅스를 생성하는 단계는상기 제1 데이터 객체들이 상기 뉴럴 네트워크로 인가되어 어느 하나의 중간 뉴런으로부터 생성된 제1 중간 값들을 획득하는 단계;상기 제2 데이터 객체들이 상기 뉴럴 네트워크로 인가되어 상기 중간 뉴런으로부터 생성된 제2 중간 값들을 획득하는 단계; 및상기 제1 출력 값들, 상기 제2 출력 값들, 상기 제1 중간 값들 및 상기 제2 중간 값들에 기초하여, 적어도 하나의 디버깅 시냅스를 생성하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
4 4
제1항에 있어서,상기 뉴럴 네트워크-상기 뉴럴 네트워크는 입력 뉴런들을 포함하는 입력 레이어, 중간 뉴런들을 포함하는 적어도 하나의 히든 레이어, 및 상기 출력 뉴런들을 포함하는 출력 레이어를 포함함-의 학습에 이용된 데이터 객체들을 포함하는 학습 데이터를 획득하는 단계;상기 학습 데이터를 상기 입력 레이어로 인가하여, 상기 중간 뉴런들로부터 생성된 중간 값들을 뉴런 테이블로 변환하고, 상기 출력 뉴런들로부터 생성된 출력 값들을 클래스 테이블로 변환하는 단계를 더 포함하고,상기 단계들은 상기 프로세서에 의해서 수행되는뉴럴 네트워크의 디버깅 방법
5 5
제4항에 있어서,상기 제1 데이터 객체들을 식별하는 단계는상기 학습 데이터 중 상기 타겟 클래스에 대응하는 데이터 객체들을 식별하는 단계; 및상기 클래스 테이블에 기초하여, 상기 식별된 데이터 객체들 중 상기 뉴럴 네트워크가 상기 타겟 클래스를 잘못 예측한 제1 데이터 객체들을 식별하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
6 6
제4항에 있어서,상기 제2 데이터 객체들을 식별하는 단계는상기 학습 데이터 중 상기 제2 클래스들에 대응하는 데이터 객체들을 식별하는 단계; 및상기 클래스 테이블에 기초하여, 상기 식별된 데이터 객체들 중 상기 뉴럴 네트워크가 상기 제2 클래스들을 옳게 예측한 제2 데이터 객체들을 식별하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
7 7
제1항에 있어서,상기 디버깅 시냅스를 생성하는 단계는상기 뉴럴 네트워크에 포함된 각 중간 뉴런들과 상기 타겟 출력 뉴런 사이의 최적 시냅스 값들을 생성하는 단계; 상기 생성된 최적 시냅스 값들 중 적어도 하나를 선택하는 단계; 및상기 선택된 최적 시냅스 값에 기초하여, 상기 타겟 출력 뉴런과 적어도 하나의 중간 뉴런 사이의 적어도 하나의 디버깅 시냅스를 생성하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
8 8
제7항에 있어서,상기 최적 시냅스 값들을 생성하는 단계는상기 중간 뉴런들 중 현재 중간 뉴런을 식별하는 단계;상기 뉴럴 네트워크가 상기 제1 데이터 객체들로부터 상기 타겟 클래스를 옳게 예측하도록, 상기 현재 중간 뉴런과 상기 타겟 출력 뉴런 사이의 제1 디버깅 시냅스 값들을 생성하는 단계;상기 뉴럴 네트워크가 상기 제2 데이터 객체들로부터 상기 제2 클래스들을 옳게 예측하는 것을 유지하도록, 상기 현재 중간 뉴런과 상기 타겟 출력 뉴런 사이의 제2 디버깅 시냅스 값들을 생성하는 단계; 상기 제1 디버깅 시냅스 값들 및 상기 제2 디버깅 시냅스 값들에 기초하여, 상기 현재 중간 뉴런과 상기 타겟 출력 뉴런 사이의 최적 시냅스 값을 생성하는 단계; 및상기 현재 중간 뉴런의 다음 중간 뉴런의 최적 시냅스 값을 생성하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
9 9
제8항에 있어서,상기 제1 디버깅 시냅스 값들을 생성하는 단계는상기 제1 데이터 객체들 중 현재 제1 데이터 객체를 식별하는 단계; 상기 현재 제1 데이터 객체가 상기 뉴럴 네트워크로 인가되어 상기 타겟 출력 뉴런으로부터 생성된 제1 출력 값을 획득하는 단계;상기 현재 제1 데이터 객체가 상기 뉴럴 네트워크로 인가되어 상기 출력 뉴런들 중 상기 타겟 출력 뉴런을 제외한 적어도 하나의 출력 뉴런으로부터 생성된 적어도 하나의 제2 출력 값을 획득하는 단계;상기 제2 출력 값의 최대 값보다 상기 제1 출력 값이 커지게 하기 위해, 상기 현재 중간 뉴런과 상기 타겟 출력 뉴런 사이의 제1 디버깅 시냅스 값을 생성하는 단계; 및상기 현재 제1 데이터 객체의 다음 제1 데이터 객체의 제1 디버깅 시냅스 값을 생성하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
10 10
제8항에 있어서,상기 제2 디버깅 시냅스 값들을 생성하는 단계는상기 제2 데이터 객체들 중 현재 제2 데이터 객체를 식별하는 단계; 상기 현재 제2 데이터 객체가 상기 뉴럴 네트워크로 인가되어 상기 타겟 출력 뉴런으로부터 생성된 제1 출력 값을 획득하는 단계;상기 현재 제2 데이터 객체가 상기 뉴럴 네트워크로 인가되어 상기 출력 뉴런들 중 상기 타겟 출력 뉴런을 제외한 적어도 하나의 출력 뉴런으로부터 생성된 적어도 하나의 제2 출력 값을 획득하는 단계;상기 제1 출력 값보다 상기 제2 출력 값의 최대 값이 큰 것을 유지하기 위해, 상기 현재 중간 뉴런과 상기 타겟 출력 뉴런 사이의 제2 디버깅 시냅스 값을 생성하는 단계; 및상기 현재 제2 데이터 객체의 다음 제2 데이터 객체의 제2 디버깅 시냅스 값을 생성하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
11 11
제8항에 있어서,상기 최적 시냅스 값을 생성하는 단계는상기 제2 디버깅 시냅스 값들의 크기들 중 최소값에 기초하여, 상기 현재 중간 뉴런에 대응하는 최적 시냅스 값을 생성하는 단계; 및상기 제1 디버깅 시냅스 값들의 크기들과 상기 최적 시냅스 값을 비교하여, 미리 정의된 조건을 충족하는 적어도 하나의 제1 디버깅 시냅스 값의 수를 카운트하고, 상기 현재 중간 뉴런에 대응하는 카운트 값을 생성하는 단계를 포함하고,뉴럴 네트워크의 디버깅 방법
12 12
제11항에 있어서,상기 최적 시냅스 값들 중 적어도 하나를 선택하는 단계는상기 중간 뉴런들에 각각 대응하는 카운트 값들 중 미리 정의된 조건을 충족하는 적어도 하나의 카운트 값을 선택하는 단계;상기 적어도 하나의 카운트 값에 대응하는 적어도 하나의 중간 뉴런을 선택하는 단계; 및상기 최적 시냅스 값들 중 상기 선택된 중간 뉴런에 대응하는 적어도 하나의 최적 시냅스 값을 선택하는 단계를 포함하고,상기 적어도 하나의 디버깅 시냅스를 생성하는 단계는상기 선택된 최적 시냅스 값에 기초하여, 상기 타겟 출력 뉴런과 상기 선택된 중간 뉴런 사이의 적어도 하나의 디버깅 시냅스를 생성하는 단계를 포함하는,뉴럴 네트워크의 디버깅 방법
13 13
하드웨어와 결합되어 제1항 내지 제12항 중 어느 하나의 항의 방법을 실행시키기 위하여 기록 매체에 저장된 컴퓨터 프로그램
14 14
기 학습된 뉴럴 네트워크를 기록하는 메인 메모리;학습 데이터-상기 학습데이터는 상기 뉴럴 네트워크의 학습에 이용된 데이터 객체들을 포함함-를 기록하는 보조기억장치;상기 학습 데이터를 상기 뉴럴 네트워크로 인가하여, 상기 뉴럴 네트워크의 중간 뉴런들로부터 생성된 중간 값들을 뉴런 테이블로 변환하고, 상기 뉴럴 네트워크의 출력 뉴런들로부터 생성된 출력 값들을 클래스 테이블로 변환하는 컨버터; 및상기 뉴런 테이블 및 상기 클래스 테이블 사이의 시냅틱 조인을 수행하여, 상기 뉴럴 네트워크 내 적어도 하나의 디버깅 시냅스를 생성하는 루프 컨트롤러를 포함하는,뉴럴 네트워크의 디버깅 시스템
15 15
제14항에 있어서,상기 뉴럴 네트워크는 입력 레이어, 적어도 하나의 히든 레이어 및 출력 레이어를 포함하고,상기 히든 레이어는 중간 뉴런들을 포함하고,상기 출력 레이어는 클래스들에 대응하는 출력 뉴런들을 포함하고,타겟 클래스는 상기 클래스들 중 디버깅의 타겟이 되는 클래스이고,타겟 출력 뉴런은 상기 출력 뉴런들 중 상기 타겟 클래스에 대응하는 출력 뉴런이고,상기 루프 컨트롤러는상기 뉴런 테이블 및 상기 클래스 테이블 사이의 시냅틱 조인을 수행하여, 상기 뉴럴 네트워크가 상기 타겟 클래스를 옳게 예측하도록 상기 타겟 출력 뉴런과 적어도 하나의 중간 뉴런 사이의 적어도 하나의 디버깅 시냅스를 생성하는,뉴럴 네트워크의 디버깅 시스템
16 16
제14항에 있어서,상기 뉴럴 네트워크는 클래스들에 대응하는 출력 뉴런들을 포함하고,상기 루프 컨트롤러는상기 클래스들 중 디버깅의 타겟이 되는 타겟 클래스를 식별하고,상기 타겟 클래스에 대응하는 데이터 객체들 중, 상기 뉴럴 네트워크가 상기 타겟 클래스를 잘못 예측한 제1 데이터 객체들을 식별하고,상기 타겟 클래스와 다른 제2 클래스들에 대응하는 데이터 객체들 중, 상기 뉴럴 네트워크가 상기 제2 클래스들을 옳게 예측한 제2 데이터 객체들을 식별하고,상기 뉴럴 네트워크가 상기 제1 데이터 객체들로부터 상기 타겟 클래스를 옳게 예측하고, 상기 제2 데이터 객체들로부터 상기 제2 클래스들을 옳게 예측하는 것을 유지하도록, 상기 타겟 클래스에 대응하는 타겟 출력 뉴런과 적어도 하나의 중간 뉴런 사이의 적어도 하나의 디버깅 시냅스를 생성하는,뉴럴 네트워크의 디버깅 시스템
17 17
클래스들에 각각 대응하는 출력 뉴런들을 포함하는 뉴럴 네트워크에 있어서,상기 클래스들 중 디버깅의 타겟이 되는 타겟 클래스를 식별하고,상기 타겟 클래스에 대응하는 데이터 객체들 중, 상기 뉴럴 네트워크가 상기 타겟 클래스를 잘못 예측한 제1 데이터 객체들을 식별하고,상기 타겟 클래스와 다른 제2 클래스들에 대응하는 데이터 객체들 중, 상기 뉴럴 네트워크가 상기 제2 클래스들을 옳게 예측한 제2 데이터 객체들을 식별하고,상기 뉴럴 네트워크가 상기 제1 데이터 객체들로부터 상기 타겟 클래스를 옳게 예측하고, 상기 제2 데이터 객체들로부터 상기 제2 클래스들을 옳게 예측하는 것을 유지하도록, 상기 타겟 클래스에 대응하는 타겟 출력 뉴런과 적어도 하나의 중간 뉴런 사이의 적어도 하나의 디버깅 시냅스를 생성하는프로세서를 포함하는뉴럴 네트워크의 디버깅 장치
18 18
제17항에 있어서,상기 프로세서는상기 제1 데이터 객체들이 상기 뉴럴 네트워크로 인가되어 상기 출력 뉴런들로부터 생성된 제1 출력 값들 및 상기 제2 데이터 객체들이 상기 뉴럴 네트워크로 인가되어 상기 출력 뉴런들로부터 생성된 제2 출력 값들 중 적어도 하나에 기초하여, 적어도 하나의 디버깅 시냅스를 생성하는,뉴럴 네트워크의 디버깅 장치
19 19
제18항에 있어서,상기 프로세서는상기 제1 데이터 객체들이 상기 뉴럴 네트워크로 인가되어 어느 하나의 중간 뉴런으로부터 생성된 제1 중간 값들을 획득하고,상기 제2 데이터 객체들이 상기 뉴럴 네트워크로 인가되어 상기 중간 뉴런으로부터 생성된 제2 중간 값들을 획득하고,상기 제1 출력 값들, 상기 제2 출력 값들, 상기 제1 중간 값들 및 상기 제2 중간 값들에 기초하여, 적어도 하나의 디버깅 시냅스를 생성하는,뉴럴 네트워크의 디버깅 장치
20 20
제17항에 있어서,상기 프로세서는상기 뉴럴 네트워크에 포함된 각 중간 뉴런들과 상기 타겟 출력 뉴런 사이의 최적 시냅스 값들을 생성하고,상기 생성된 최적 시냅스 값들 중 적어도 하나를 선택하고,상기 선택된 최적 시냅스 값에 기초하여, 상기 타겟 출력 뉴런과 적어도 하나의 중간 뉴런 사이의 적어도 하나의 디버깅 시냅스를 생성하는,뉴럴 네트워크의 디버깅 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 삼성전자미래기술육성센터 재단법인대구경북과학기술원 빅러닝 대규모 딥 뉴럴 네트워크 모델 최적화 시스템 빅러닝 대규모 딥 뉴럴 네트워크 모델 최적화 시스템