맞춤기술찾기

이전대상기술

데이터 빈도수 분석을 통한 인공지능 학습 방법 및 장치

  • 기술번호 : KST2020011112
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
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 인공 신경망 학습 방법 및 장치가 개시된다. 일 실시예에 따른 인공 신경망 학습 방법은 입력 데이터들의 종류에 따른 빈도수를 획득하는 단계, 빈도수에 기초하여 입력 데이터들의 종류에 따른 평판도를 계산하는 단계, 평판도에 기초하여, 입력 데이터들을 학습 데이터와 가중치 데이터로 분류하는 단계, 및 학습 데이터를 이용하여 인공 신경망을 학습하는 단계를 포함한다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC G06N 3/08(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020180160613 (2018.12.13)
출원인 재단법인대구경북과학기술원
등록번호/일자
공개번호/일자 10-2020-0072717 (2020.06.23) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.12.13)
심사청구항수 15

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 이충희 대구광역시 수성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김태헌 대한민국 서울시 서초구 강남대로 *** 신덕빌딩 *층(나우특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
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
2018.12.13 수리 (Accepted) 1-1-2018-1250841-71
2 출원인정보변경(경정)신고서
Notification of change of applicant's information
2018.12.18 수리 (Accepted) 4-1-2018-5260250-39
3 의견제출통지서
Notification of reason for refusal
2020.02.27 발송처리완료 (Completion of Transmission) 9-5-2020-0148582-06
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.02.28 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0214326-60
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)
2020.02.28 수리 (Accepted) 1-1-2020-0214325-14
6 심사처리보류(연기)보고서
Report of Deferment (Postponement) of Processing of Examination
2020.05.28 발송처리완료 (Completion of Transmission) 9-6-2020-0065477-19
7 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.06.18 수리 (Accepted) 4-1-2020-5134633-04
8 [대리인선임]대리인(대표자)에 관한 신고서
[Appointment of Agent] Report on Agent (Representative)
2020.07.09 수리 (Accepted) 1-1-2020-0715992-10
9 의견제출통지서
Notification of reason for refusal
2020.07.22 발송처리완료 (Completion of Transmission) 9-5-2020-0496906-13
10 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2020.09.15 수리 (Accepted) 1-1-2020-0976204-60
11 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.09.15 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0976203-14
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
입력 데이터들의 종류에 따른 빈도수를 획득하는 단계;상기 빈도수에 기초하여 상기 입력 데이터들의 종류에 따른 평판도를 계산하는 단계;상기 평판도에 기초하여, 상기 입력 데이터들을 학습 데이터와 가중치 데이터로 분류하는 단계; 및상기 학습 데이터를 이용하여 인공 신경망을 학습하는 단계를 포함하는 인공 신경망 학습 방법
2 2
제1항에 있어서,상기 평판도를 계산하는 단계는상기 빈도수의 평균을 계산하는 단계;상기 빈도수의 평균과 상기 입력 데이터들의 차이를 계산하는 단계; 및상기 차이에 기초하여 상기 평판도를 계산하는 단계를 포함하는, 인공 신경망 학습 방법
3 3
제1항에 있어서,상기 평판도를 계산하는 단계는상기 입력 데이터들의 종류에 따른 상기 빈도수의 분산을 계산하는 단계를 포함하는, 인공 신경망 학습 방법
4 4
제1항에 있어서,상기 입력 데이터들을 상기 학습 데이터와 상기 가중치 데이터로 분류하는 단계는상기 평판도가 미리 정해진 임계치보다 클 경우, 상기 입력 데이터들을 상기 학습 데이터로 분류하는 단계; 및상기 평판도가 상기 미리 정해진 임계치보다 작을 경우, 상기 입력 데이터들을 상기 가중치 데이터로 분류하는 단계를 포함하는, 인공 신경망 학습 방법
5 5
제1항에 있어서,테스트 데이터를 상기 인공 신경망에 입력하여 결과 데이터를 획득하는 단계; 및상기 결과 데이터와 상기 가중치 데이터에 기초하여, 출력 데이터를 획득하는 단계를 더 포함하는, 인공 신경망 학습 방법
6 6
제5항에 있어서,상기 출력 데이터를 획득하는 단계는상기 가중치 데이터와 상기 테스트 데이터에 기초하여, 가중치를 계산하는 단계; 및상기 가중치를 상기 결과 데이터에 곱하여 상기 출력 데이터를 획득하는 단계를 포함하는, 인공 신경망 학습 방법
7 7
제6항에 있어서,상기 가중치를 계산하는 단계는상기 가중치 데이터의 빈도수에 기초하여, 상기 테스트 데이터에 대한 참 데이터 가중치를 계산하는 단계; 및상기 가중치 데이터의 빈도수에 기초하여, 상기 테스트 데이터에 대한 거짓 데이터 가중치를 계산하는 단계를 포함하는, 인공 신경망 학습 방법
8 8
하드웨어와 결합되어 제1항 내지 제7항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
9 9
입력 데이터들의 종류에 따른 빈도수를 획득하고, 상기 빈도수에 기초하여 상기 입력 데이터들의 종류에 따른 평판도를 계산하고, 상기 평판도에 기초하여, 상기 입력 데이터들을 학습 데이터와 가중치 데이터로 분류하며, 상기 학습 데이터를 이용하여 인공 신경망을 학습하는프로세서를 포함하는 인공 신경망 학습 장치
10 10
제9항에 있어서,상기 프로세서는상기 빈도수의 평균을 계산하고,상기 빈도수의 평균과 상기 입력 데이터들의 차이를 계산하고,상기 차이에 기초하여 상기 평판도를 계산하는, 인공 신경망 학습 장치
11 11
제9항에 있어서,상기 프로세서는상기 입력 데이터들의 종류에 따른 상기 빈도수의 분산을 계산하는, 인공 신경망 학습 장치
12 12
제9항에 있어서,상기 프로세서는상기 평판도가 미리 정해진 임계치보다 클 경우, 상기 입력 데이터들을 상기 학습 데이터로 분류하고,상기 평판도가 미리 정해진 임계치보다 작을 경우, 상기 입력 데이터들을 상기 가중치 데이터로 분류하는, 인공 신경망 학습 장치
13 13
제9항에 있어서,상기 프로세서는테스트 데이터를 상기 인공 신경망에 입력하여 결과 데이터를 획득하고,상기 결과 데이터와 상기 가중치 데이터에 기초하여, 출력 데이터를 획득하는, 인공 신경망 학습 장치
14 14
제13항에 있어서,상기 프로세서는상기 가중치 데이터와 상기 테스트 데이터에 기초하여, 가중치를 계산하고,상기 가중치를 상기 결과 데이터에 곱하여 상기 출력 데이터를 획득하는, 인공 신경망 학습 장치
15 15
제14항에 있어서,상기 프로세서는상기 가중치 데이터의 빈도수에 기초하여, 상기 테스트 데이터에 대한 참 데이터 가중치를 계산하고,상기 가중치 데이터의 빈도수에 기초하여, 상기 테스트 데이터에 대한 거짓 데이터 가중치를 계산하는, 인공 신경망 학습 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 재단법인대구경북과학기술원 차세대 지능형 시스템 원천기술개발 차세대 지능형 시스템 원천기술개발