맞춤기술찾기

이전대상기술

사물 학습모델 생성 장치 및 방법

  • 기술번호 : KST2021009901
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 사물에서 획득한 자원 정보를 활용해 초기 사물 학습모델을 생성하는 단계; 상기 클라우드로부터 클라우드 학습모델 지식을 수신하는 단계; 상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델 지식에 따라 구성된 클라우드 모델의 예측 결과의 오차를 산출하는 단계; 상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델의 예측 결과의 오차에 따라 상기 초기 사물 학습모델을 갱신하는 단계를 포함하는, 사물 학습모델 생성 방법이 개시된다.
Int. CL G06N 20/00 (2019.01.01) G06N 5/02 (2006.01.01)
CPC G06N 20/00(2013.01) G06N 5/025(2013.01)
출원번호/일자 1020200009807 (2020.01.28)
출원인 한국전자통신연구원
등록번호/일자
공개번호/일자 10-2021-0096405 (2021.08.05) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 14

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국전자통신연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 장인국 경기도 광명시 새터안
2 김성현 대전광역시 서구
3 김현석 대전광역시 유성구
4 손영성 대전광역시 유성구
5 이동훈 세종특별자치시 보

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인이상 대한민국 서울특별시 서초구 바우뫼로 ***(양재동, 우도빌딩 *층)

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
2020.01.28 수리 (Accepted) 1-1-2020-0087434-46
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
클라우드와 연동하는 사물에서 사물 학습모델을 생성하는 방법으로서,사물에서 획득한 자원 정보를 활용해 초기 사물 학습모델을 생성하는 단계;상기 클라우드로부터 클라우드 학습모델 지식을 수신하는 단계;상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델 지식에 따라 구성된 클라우드 모델의 예측 결과의 오차를 산출하는 단계; 및상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델의 예측 결과의 오차에 따라 상기 초기 사물 학습모델을 갱신하는 단계를 포함하는, 사물 학습모델 생성 방법
2 2
청구항 1에 있어서,상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델의 예측 결과의 오차는 교차 엔트로피 및 KL(Kullback-Leibler) 다이버전스(Divergence) 중 적어도 하나를 이용해 계산되는, 사물 학습모델 생성 방법
3 3
청구항 1에 있어서,상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델 지식에 따라 구성된 클라우드 모델의 예측 결과의 오차를 산출하는 단계는, 임의의 입력에 대한 상기 초기 사물 학습모델의 예측 결과를 산출하는 단계;상기 임의의 입력에 대한 상기 클라우드 모델의 예측 결과를 산출하는 단계; 및상기 초기 사물 학습모델의 예측 결과 및 클라우드 모델의 예측 결과 간의 오차를 계산하는 단계를 포함하는, 사물 학습모델 생성 방법
4 4
청구항 1에 있어서,상기 초기 사물 학습모델을 갱신하는 단계는, 기울기 하강법(gradient descent)을 적용해 최적화된 사물 학습모델을 도출하는 단계를 포함하는, 사물 학습모델 생성 방법
5 5
청구항 1에 있어서,상기 갱신된 초기 사물 학습모델을 사물 학습모델 저장소에 저장하는 단계를 더 포함하는, 사물 학습모델 생성 방법
6 6
청구항 1에 있어서,상기 클라우드 학습모델 지식은 클라우드 학습 모델 저장소에 저장된 클라우드 학습 모델로부터 추출되어 전이된, 사물 학습모델 생성 방법
7 7
프로세서; 및상기 프로세서를 통해 실행되는 적어도 하나의 명령을 저장하는 메모리를 포함하고, 상기 적어도 하나의 명령은, 사물에서 획득한 자원 정보를 활용해 초기 사물 학습모델을 생성하도록 하는 명령;상기 클라우드로부터 클라우드 학습모델 지식을 수신하도록 하는 명령;상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델 지식에 따라 구성된 클라우드 모델의 예측 결과의 오차를 산출하도록 하는 명령; 및상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델의 예측 결과의 오차에 따라 상기 초기 사물 학습모델을 갱신하도록 하는 명령을 포함하는, 사물 학습모델 생성 장치
8 8
청구항 7에 있어서,상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델의 예측 결과의 오차는 교차 엔트로피 및 KL(Kullback-Leibler) 다이버전스(Divergence) 중 적어도 하나를 이용해 계산되는, 사물 학습모델 생성 장치
9 9
청구항 7에 있어서,상기 초기 사물 학습모델의 예측 결과 및 상기 클라우드 모델 지식에 따라 구성된 클라우드 모델의 예측 결과의 오차를 산출하도록 하는 명령은,임의의 입력에 대한 상기 초기 사물 학습모델의 예측 결과를 산출하도록 하는 명령;상기 임의의 입력에 대한 상기 클라우드 모델의 예측 결과를 산출하도록 하는 명령; 및상기 초기 사물 학습모델의 예측 결과 및 클라우드 모델의 예측 결과 간의 오차를 계산하도록 하는 명령을 포함하는, 사물 학습모델 생성 장치
10 10
청구항 7에 있어서,상기 초기 사물 학습모델을 갱신하도록 하는 명령은, 기울기 하강법(gradient descent)을 적용해 최적화된 사물 학습모델을 도출하도록 하는 명령을 포함하는, 사물 학습모델 생성 장치
11 11
청구항 7에 있어서,하나 이상의 사물 학습모델을 저장하는 사물 학습모델 저장소를 더 포함하는, 사물 학습모델 생성 장치
12 12
청구항 11에 있어서,상기 적어도 하나의 명령은,상기 갱신된 초기 사물 학습모델을 상기 사물 학습모델 저장소에 저장하도록 하는 명령을 더 포함하는, 사물 학습모델 생성 장치
13 13
청구항 7에 있어서,상기 클라우드 학습모델 지식은 클라우드 학습 모델 저장소에 저장된 클라우드 학습 모델로부터 추출되어 전이된, 사물 학습모델 생성 장치
14 14
청구항 7에 있어서,상기 사물 학습모델 생성 장치는 엣지 사물인, 사물 학습모델 생성 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 한국전자통신연구원 정부출연금사업(기관고유사업) 사물-사람-공간의 유기적 연결을 위한 초연결 공간의 분산 지능 핵심원천 기술