| 1 |
1
가치 평가 장치에 의해 수행되는 딥러닝 기반의 가치 평가 방법에 있어서,생성기가 가상의 데이터 샘플을 생성하는 단계;복수의 판별기가 각각 병렬적으로 상기 데이터 샘플에 대해 판별하는 단계;강화학습 수행부가 상기 복수의 판별기 각각에 의한 상기 판별 결과들을 수신하고, 상기 수신한 판별 결과들에 따라 정책 기울기를 결정하는 단계; 및상기 생성기 또는 상기 복수의 판별기가 상기 결정된 정책 기울기를 이용하여 학습하는 단계를 포함하는,딥러닝 기반의 가치 평가 방법
|
| 2 |
2
제1 항에 있어서,상기 생성기는, 입력층, 출력층 및 은닉층을 포함하는 인공신경망을 포함하고,랜덤 노이즈를 상기 입력층으로 입력받아 상기 데이터 샘플을 상기 출력층을 통해 출력하는, 딥러닝 기반의 가치 평가 방법
|
| 3 |
3
제2 항에 있어서,상기 데이터 샘플은 분류 정보에 대응하는 데이터 샘플이고,상기 생성기는 상기 분류 정보를 참조하여 상기 데이터 샘플을 생성하는,딥러닝 기반의 가치 평가 방법
|
| 4 |
4
제1 항에 있어서,상기 판별 결과에 따라 정책 기울기를 결정하는 단계는,상기 수신한 판별 결과들을 기반으로 상기 복수의 판별기가 서로 동일 또는 유사한 판단을 하였는지 판단하는 단계; 및상기 판단 결과에 따라, 상기 데이터 샘플의 가중치를 줄이도록 상기 정책 기울기를 결정하는 단계를 포함하는,딥러닝 기반의 가치 평가 방법
|
| 5 |
5
제4 항에 있어서,상기 서로 동일 또는 유사한 판단을 하였는지 판단하는 단계는,상기 복수의 판별기로부터 출력된 데이터들의 표준편차가 소정의 값 미만인지 판단하는 단계를 포함하고,상기 정책 기울기를 결정하는 단계는,상기 표준편차가 소정의 값 미만이면 상기 데이터 샘플의 가중치를 줄이도록 상기 정책 기울기를 결정하는 단계를 포함하는,딥러닝 기반의 가치 평가 방법
|
| 6 |
6
1 항에 있어서,상기 판별 결과에 따라 정책 기울기를 결정하는 단계는,상기 수신한 판별 결과들을 기반으로 상기 복수의 판별기가 서로 동일 또는 유사한 판단을 하였는지 판단하는 단계; 및상기 판단 결과에 따라, 상기 데이터 샘플의 가중치를 증가시키도록 상기 정책 기울기를 결정하는 단계를 포함하는,딥러닝 기반의 가치 평가 방법
|
| 7 |
7
제6 항에 있어서,상기 서로 동일 또는 유사한 판단을 하였는지 판단하는 단계는,상기 복수의 판별기로부터 출력된 데이터들의 표준편차가 소정의 값 이상인지 판단하는 단계를 포함하고,상기 정책 기울기를 결정하는 단계는,상기 표준편차가 소정의 값 이상이면 상기 데이터 샘플의 가중치를 증가시키도록 상기 정책 기울기를 결정하는 단계를 포함하는,딥러닝 기반의 가치 평가 방법
|
| 8 |
8
제1 항에 있어서,상기 생성기가 평가 대상의 분류 정보를 획득하는 단계;상기 생성기가 상기 분류 정보에 대응하는 가상의 데이터 샘플을 포함하는 데이터 세트를 생성하는 단계;평가 데이터 산출부가 상기 데이터 세트를 이용하여 평가 기초 데이터를 산출하는 단계; 및가치 평가부가 상기 평가 기초 데이터를 가치 평가 모델에 적용하여 평가 결과를 산출하는 단계를 더 포함하는,딥러닝 기반의 가치 평가 방법
|
| 9 |
9
제8 항에 있어서,상기 평가 기초 데이터는,상기 평가 대상에 대한 할인율 데이터, 기술수명 데이터, 기술기여도 데이터 및 잉여현금흐름 데이터를 포함하는,딥러닝 기반의 가치 평가 방법
|
| 10 |
10
제9 항에 있어서,가상 데이터 생성부가 입력 정보를 수신하는 단계를 더 포함하고,상기 입력 정보는 상기 평가 대상에 대한 기술성 점수, 권리성 점수, 시장성 점수 및 사업성 점수 중 적어도 하나를 포함하는 핵심요인 점수, 상기 분류 정보 및 상기 평가 대상의 기업규모 정보를 포함하고,상기 할인율 데이터는 상기 핵심요인 점수, 상기 분류 정보 및 상기 기업규모 정보의 함수로서 정의되는,딥러닝 기반의 가치 평가 방법
|
| 11 |
11
제9 항에 있어서,가상 데이터 생성부가 입력 정보를 수신하는 단계를 더 포함하고,상기 입력 정보는 상기 평가 대상에 대한 기술성 점수, 권리성 점수, 시장성 점수 및 사업성 점수 중 적어도 하나를 포함하는 핵심요인 점수, 및 상기 평가 대상의 IPC 정보를 포함하고,상기 기술수명 데이터는 상기 핵심요인 점수, 및 상기 IPC 정보의 함수로서 정의되는,딥러닝 기반의 가치 평가 방법
|
| 12 |
12
제9 항에 있어서,가상 데이터 생성부가 입력 정보를 수신하는 단계를 더 포함하고,상기 입력 정보는 상기 평가 대상에 대한 기술성 점수, 권리성 점수, 시장성 점수 및 사업성 점수 중 적어도 하나를 포함하는 핵심요인 점수, 및 상기 평가 대상의 분류 정보를 포함하고,상기 기술기여도 데이터는 상기 핵심요인 점수, 및 상기 분류 정보의 함수로서 정의되는,딥러닝 기반의 가치 평가 방법
|
| 13 |
13
제9 항에 있어서,상기 잉여현금흐름 데이터는,상기 가상의 데이터 샘플에 포함된 재무 항목 데이터의 함수로서 정의되는,딥러닝 기반의 가치 평가 방법
|
| 14 |
14
제11 항에 있어서,상기 평가 결과를 산출하는 단계는,상기 평가 기초 데이터를 상기 가치 평가 모델에 적용하여 산출된 결과 값들의 분포를 데이터 또는 그래프의 형태로 가공하는 단계를 포함하는,딥러닝 기반의 가치 평가 방법
|
| 15 |
15
프로세서;상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 로드(load)하는 메모리; 및상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,상기 컴퓨터 프로그램은,생성기가 가상의 데이터 샘플을 생성하는 동작,복수의 판별기가 각각 병렬적으로 상기 데이터 샘플에 대해 판별하는 동작,강화학습 수행부가 상기 복수의 판별기 각각에 의한 상기 판별 결과들을 수신하고, 상기 수신한 판별 결과들에 따라 정책 기울기를 결정하는 동작 및상기 생성기 또는 상기 복수의 판별기가 상기 결정된 정책 기울기를 이용하여 학습하는 동작을 수행하도록 하는 인스트럭션들(instructions)을 포함하는,가치 평가 장치
|
| 16 |
16
컴퓨팅 장치와 결합되어,생성기가 가상의 데이터 샘플을 생성하는 단계;복수의 판별기가 각각 병렬적으로 상기 데이터 샘플에 대해 판별하는 단계;강화학습 수행부가 상기 복수의 판별기 각각에 의한 상기 판별 결과들을 수신하고, 상기 수신한 판별 결과들에 따라 정책 기울기를 결정하는 단계; 및상기 생성기 또는 상기 복수의 판별기가 상기 결정된 정책 기울기를 이용하여 학습하는 단계를 실행시키기 위하여, 컴퓨터로 판독가능한 기록 매체에 저장된,컴퓨터 프로그램
|
