맞춤기술찾기

이전대상기술

조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 방법 및 그 장치

  • 기술번호 : KST2021002830
  • 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 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 방법 및 그 장치를 개시한다. 본 발명은 예측 모델에 실제 데이터와 유사한 조건이 매칭되도록 가상 데이터와 결측 가상 데이터를 생성하여 제공함으로써, 예측 모델의 학습 정확도를 향상시킬 수 있다.
Int. CL G16H 50/50 (2018.01.01) G16H 50/80 (2018.01.01) G16H 50/70 (2018.01.01) G06N 3/08 (2006.01.01) G06N 20/00 (2019.01.01)
CPC G16H 50/50(2013.01) G16H 50/80(2013.01) G16H 50/70(2013.01) G06N 3/08(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020200125028 (2020.09.25)
출원인 한국외국어대학교 연구산학협력단, 강원대학교산학협력단
등록번호/일자 10-2230538-0000 (2021.03.16)
공개번호/일자
공고번호/일자 (20210322) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.09.25)
심사청구항수 12

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국외국어대학교 연구산학협력단 대한민국 경기도 용인시 처인구
2 강원대학교산학협력단 대한민국 강원도 춘천시

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 최대우 서울특별시 강남구
2 송유한 서울특별시 양천구
3 한예지 경기도 성남시 중원구
4 강태훈 경상북도 구미시
5 이원빈 경기도 여주시 소양로**번길
6 박선일 강원 춘천시 방송길

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 우광제 대한민국 서울특별시 강남구 테헤란로*길 **-* (역삼동, 신도빌딩) *층(유리안국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국외국어대학교 연구산학협력단 대한민국 경기도 용인시 처인구
2 강원대학교산학협력단 대한민국 강원도 춘천시
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
2020.09.25 수리 (Accepted) 1-1-2020-1025763-44
2 [우선심사신청]심사청구서·우선심사신청서
2020.10.05 수리 (Accepted) 1-1-2020-1046556-36
3 보정요구서
Request for Amendment
2020.10.12 발송처리완료 (Completion of Transmission) 1-5-2020-0150243-83
4 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2020.10.19 수리 (Accepted) 1-1-2020-1099340-13
5 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search
2020.10.22 수리 (Accepted) 9-1-9999-9999999-89
6 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search
2020.10.29 수리 (Accepted) 9-1-2020-0029960-55
7 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2021.01.28 수리 (Accepted) 1-1-2021-0112025-08
8 등록결정서
Decision to grant
2021.02.22 발송처리완료 (Completion of Transmission) 9-5-2021-0153134-17
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
학습된 잠재변수(latent vector)에 날짜 조건 및 공간 조건이 반영된 조류인플루엔자 확산 시뮬레이션 예측 모델의 학습을 위한 가상 데이터를 생성하되, 상기 가상 데이터의 생성시 제1 생성적 적대 신경망(GAN, Generative Adversarial Network)을 통해 결측 가상 데이터의 결측 패턴을 반영하여 최종 가상 데이터를 생성하고, 상기 날짜 조건 및 공간 조건을 기반으로 상기 최종 가상 데이터가 실제 데이터와 차이가 있는지 판별하는 가상 데이터 생성 네트워크; 및제2 생성적 적대 신경망(GAN, Generative Adversarial Network)을 통해 상기 가상 데이터에서 결측 여부를 결측 실제 데이터와 비교하여 결측 가상 데이터를 생성하되, 생성된 상기 결측 가상 데이터의 결측 패턴이 상기 가상 데이터에 반영되도록 하고, 상기 날짜 조건 및 공간 조건을 기반으로, 상기 생성된 결측 가상 데이터의 결측 패턴이 실제 결측 데이터의 결측 패턴과 차이가 있는지 판별하는 결측 가상 데이터 생성 네트워크;를 포함하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 장치
2 2
제 1 항에 있어서,상기 가상 데이터 생성 네트워크는, 학습된 잠재변수(latent vector)에 날짜 조건 및 공간 조건을 반영하여 딥컨볼루션 레이어(Deconvolution Layer)와 이전 레이어의 모든 노드가 다음 레이어의 모든 노드에 연결된 레이어(Fully Connected Layer)의 결합에 기반한 가상 데이터를 생성하여 제1 생성적 적대 신경망(GAN, Generative Adversarial Network)을 구성하는 가상 데이터 생성자(100); 및 결측 실제 데이터의 결측 패턴에 기반하여 생성된 결측 가상 데이터의 결측 패턴을 상기 가상 데이터에 반영하여 생성되는 최종 가상 데이터를 입력받아 상기 날짜 조건과 공간 조간을 기반으로 상기 최종 가상 데이터가 실제 데이터와 차이가 있는지 판별하여 제1 생성적 적대 신경망(GAN, Generative Adversarial Network)을 구성하는 가상 데이터 판별자(200);를 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 장치
3 3
제 2 항에 있어서,상기 가상 데이터 생성자(100)는 생성되는 가상 데이터와 실제 데이터 사이에서 상기 가상 데이터가 탐지되는 것을 방지하도록 학습하는 가상 데이터 생성자 손실 함수를 포함하고,상기 가상 데이터 생성자 손실 함수()는 하기식으로 구성된 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 장치
4 4
제 2 항에 있어서,상기 가상 데이터 판별자(200)는 생성된 상기 최종 가상 데이터와 실제 데이터 사이에서 상기 최종 가상 데이터를 탐지하도록 학습하는 가상 데이터 판별자 손실 함수를 포함하고,상기 가상 데이터 판별자 손실 함수()는 하기식으로 구성된 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 장치
5 5
제 1 항에 있어서,상기 결측 가상 데이터 생성 네트워크는 상기 가상 데이터에서 결측 여부를 결측 실제 데이터와 비교하여 결측 가상 데이터를 생성하고, 상기 생성된 결측 가상 데이터의 결측 패턴이 상기 가상 데이터에 반영되도록 하여 제2 생성적 적대 신경망(GAN, Generative Adversarial Network)을 구성하는 결측 가상 데이터 생성자(300); 및날짜 조건 및 공간 조건을 기반으로, 상기 생성된 결측 가상 데이터의 결측 패턴이 실제 결측 데이터의 결측 패턴과 차이가 있는지 판별하여 제2 생성적 적대 신경망(GAN, Generative Adversarial Network)을 구성하는 결측 가상 데이터 판별자(400);를 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 장치
6 6
제 5 항에 있어서,상기 결측 가상 데이터 생성자(300)는 결측 실제 데이터의 결측 패턴과 생성된 결측 가상 데이터의 결측 패턴 사이에서 상기 결측 가상 데이터의 결측 패턴이 탐지되는 것을 방지하도록 학습하는 결측 가상 데이터 생성자 손실 함수를 포함하고, 상기 결측 가상 데이터 생성자 손실 함수()는 하기식으로 구성된 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 장치
7 7
제 5 항에 있어서,상기 결측 가상 데이터 판별자(400)는 결측 실제 데이터의 결측 패턴과 생성된 결측 가상 데이터의 결측 패턴 사이에서 상기 결측 가상 데이터의 결측 패턴을 탐지하도록 학습하는 결측 가상 데이터 판별자 손실 함수를 포함하고, 결측 가상 데이터 판별자 손실 함수()는 하기식으로 구성된 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 장치
8 8
a) 가상 데이터 생성자(100)와 가상 데이터 판별자(200)가 제1 생성적 적대 신경망(GAN, Generative Adversarial Network)을 구성하여, 상기 가상 데이터 생성자(100)가 학습된 잠재변수(latent vector)에 날짜 조건 및 공간 조건을 반영하여 조류인플루엔자 확산 시뮬레이션 예측 모델의 학습을 위한 가상 데이터를 생성하되, 딥컨볼루션 레이어(Deconvolution Layer)와 이전 레이어의 모든 노드가 다음 레이어의 모든 노드에 연결된 레이어(Fully Connected Layer)의 결합에 기반한 가상 데이터를 생성하고, 상기 가상 데이터 판별자(200)가 상기 가상 데이터의 생성시 결측 가상 데이터 생성자(300)가 생성한 결측 가상 데이터의 결측 패턴을 반영하여 생성되는 최종 가상 데이터를 입력받아 상기 날짜 조건 및 공간 조건을 기반으로 상기 최종 가상 데이터와 실제 데이터 사이에 차이가 있는지 판별하는 단계; 및b) 상기 결측 가상 데이터 생성자(300)와 결측 가상 데이터 판별자(400)가 제2 생성적 적대 신경망(GAN, Generative Adversarial Network)을 구성하여 상기 결측 가상 데이터 생성자(300)가 상기 가상 데이터에서 결측 여부를 결측 실제 데이터와 비교하여 결측 가상 데이터를 생성하고, 생성된 상기 결측 가상 데이터의 결측 패턴이 상기 가상 데이터에 반영되도록 하고, 상기 날짜 조건 및 장소 조건을 기반으로 결측 가상 데이터 판별자(400)가 상기 생성된 결측 가상 데이터의 결측 패턴과 실제 결측 데이터의 결측 패턴 사이에 차이가 있는지 판별하는 단계;를 포함하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 방법
9 9
제 8 항에 있어서,상기 a) 단계의 가상 데이터 생성자(100)는 가상 데이터 생성자 손실 함수를 이용하여 생성되는 가상 데이터와 실제 데이터 사이에서 상기 가상 데이터가 탐지되는 것을 방지하도록 학습하고,상기 가상 데이터 생성자 손실 함수()는 하기식으로 구성된 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 방법
10 10
제 8 항에 있어서,상기 a) 단계의 가상 데이터 판별자(200)는 가상 데이터 판별자 손실 함수를 이용하여 생성된 최종 가상 데이터와 실제 데이터 사이에서 상기 최종 가상 데이터가 탐지되도록 학습하고,상기 가상 데이터 판별자 손실 함수()는 하기식으로 구성된 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 방법
11 11
제 8 항에 있어서,상기 b) 단계의 결측 가상 데이터 생성자(300)는 결측 가상 데이터 생성자 손실 함수를 이용하여 결측 실제 데이터의 결측 패턴과 생성된 결측 가상 데이터의 결측 패턴 사이에서 상기 결측 가상 데이터의 결측 패턴이 탐지되는 것을 방지하도록 학습하고, 상기 결측 가상 데이터 생성자 손실 함수()는 하기식으로 구성된 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 방법
12 12
제 8 항에 있어서,상기 b) 단계의 결측 가상 데이터 판별자(400)는 결측 가상 데이터 판별자 손실 함수를 이용하여 결측 실제 데이터의 결측 패턴과 생성된 결측 가상 데이터의 결측 패턴 사이에서 상기 결측 가상 데이터의 결측 패턴을 탐지하도록 학습하고, 결측 가상 데이터 판별자 손실 함수()는 하기식으로 구성된 것을 특징으로 하는 조류인플루엔자 확산 방지를 위한 GAN 기반 가상 데이터 생성 방법
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 국립강원대학교 산학협력단 SW컴퓨팅산업원천기술개발(R&D) 인공지능기술을 활용한 고병원성 조류인플루엔자 국내 유입, 발생 조기 감지 및 확산 대응 시스템 개발