| 1 |
1
적응형 클래스 관계형 그래프(Adaptive Class-relational Graph; ACG) 모듈 및 샘플 레벨 공통성 예측 모듈(Sample-level Commonness Predictor; SCP)을 포함하는 장치의 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 방법에 있어서, 적응형 클래스 관계형 그래프(Adaptive Class-relational Graph; ACG) 모듈을 통해 클래스 관계 에지 및 적응형 이진 에지를 결합하고, 클래스 정보를 기반으로 한 적응형 특성 전달을 통해 도메인 내 및 도메인 간 구조를 학습하는 단계; 및적응형 클래스 관계형 그래프 모듈로부터 적응형 특성을 입력 받아 샘플 레벨 공통성 예측 모듈(Sample-level Commonness Predictor; SCP)을 통해 레이블 공통성을 예측하는 단계를 포함하는 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 방법
|
| 2 |
2
제1항에 있어서,적응형 클래스 관계형 그래프 모듈을 통해 클래스 관계 에지 및 적응형 이진 에지를 결합하고, 클래스 정보를 기반으로 한 적응형 특성 전달을 통해 도메인 내 및 도메인 간 구조를 학습하는 단계는, 그래프 콘볼루션 네트워크(Graph Convolutional Networks; GCN)을 통한 레이블 기반 전달을 이용하여 도메인 내 전달을 통해 각 소스-프라이빗 클래스에서 비교 이상 징후 샘플을 선택하고, 도메인 간 전달을 통해 레이블 공통성에 따른 타겟 샘플과 소스 샘플 간의 거리를 감소시키는 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 방법
|
| 3 |
3
제1항에 있어서,적응형 클래스 관계형 그래프 모듈을 통해 클래스 관계 에지 및 적응형 이진 에지를 결합하고, 클래스 정보를 기반으로 한 적응형 특성 전달을 통해 도메인 내 및 도메인 간 구조를 학습하는 단계는, 클래스 관계 에지가 클래스 관계에 기초하여 소스 분류기에서 예측한 소프트 레이블을 사용하여 정의 되고, 적응형 이진 에지가 학습 중 점진적으로 진화하는 레이블 분류기의 특성을 반영하도록 하기 위해 현재 배치에서 소스 샘플의 평균 정확도가 임계값에 대한 참조로 사용되는적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 방법
|
| 4 |
4
제1항에 있어서,적응형 클래스 관계형 그래프 모듈을 통해 클래스 관계 에지 및 적응형 이진 에지를 결합하고, 클래스 정보를 기반으로 한 적응형 특성 전달을 통해 도메인 내 및 도메인 간 구조를 학습하는 단계는, 클래스 관계 에지와 적응형 이진 에지가 결합되어 클래스 기반 인접 매트릭스를 생성하고, 적응형 클래스 관계형 그래프 모듈은 각 샘플과 클래스 기반 인접 매트릭스의 특성 벡터를 이용하여 레이블 기반 전달을 통해 도메인 내 및 도메인 간 구조를 파악하며, 클래스 구조를 이용하는 도메인 내 전달 및 소스 샘플과 타겟 샘플들 사이의 전달인 도메인 간 전달을 포함하는 두 가지 유형의 레이블별-메시지 전달을 수행하는 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 방법
|
| 5 |
5
클래스 관계 에지 및 적응형 이진 에지를 결합하고, 클래스 정보를 기반으로 한 적응형 특성 전달을 통해 도메인 내 및 도메인 간 구조를 학습하는 적응형 클래스 관계형 그래프(Adaptive Class-relational Graph; ACG) 모듈; 및적응형 클래스 관계형 그래프 모듈로부터 적응형 특성을 입력 받아 레이블 공통성을 예측하는 샘플 레벨 공통성 예측 모듈(Sample-level Commonness Predictor; SCP)을 포함하는 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 장치
|
| 6 |
6
제5항에 있어서,적응형 클래스 관계형 그래프 모듈은, 그래프 콘볼루션 네트워크(Graph Convolutional Networks; GCN)을 통한 레이블 기반 전달을 이용하여 도메인 내 전달을 통해 각 소스-프라이빗 클래스에서 비교 이상 징후 샘플을 선택하고, 도메인 간 전달을 통해 레이블 공통성에 따른 타겟 샘플과 소스 샘플 간의 거리를 감소시키는 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 장치
|
| 7 |
7
제5항에 있어서,적응형 클래스 관계형 그래프 모듈은, 클래스 관계 에지를 클래스 관계에 기초하여 소스 분류기에서 예측한 소프트 레이블을 사용하여 정의하고, 적응형 이진 에지를 학습 중 점진적으로 진화하는 레이블 분류기의 특성을 반영하도록 하기 위해 현재 배치에서 소스 샘플의 평균 정확도를 임계값에 대한 참조로 사용하는적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 장치
|
| 8 |
8
제5항에 있어서,적응형 클래스 관계형 그래프 모듈은, 클래스 관계 에지와 적응형 이진 에지가 결합되어 클래스 기반 인접 매트릭스를 생성하고, 적응형 클래스 관계형 그래프 모듈은 각 샘플과 클래스 기반 인접 매트릭스의 특성 벡터를 이용하여 레이블 기반 전달을 통해 도메인 내 및 도메인 간 구조를 파악하며, 클래스 구조를 이용하는 도메인 내 전달 및 소스 샘플과 타겟 샘플들 사이의 전달인 도메인 간 전달을 포함하는 두 가지 유형의 레이블별-메시지 전달을 수행하는 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 장치
|
