맞춤기술찾기

이전대상기술

부분 도메인 적응을 위한 적응형 그래프 기반 적대적 네트워크

  • 기술번호 : KST2022004058
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
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 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 방법 및 장치가 제시된다. 본 발명에서 제안하는 적응형 그래프 기반 적대적 네트워크의 샘플 레벨 공통성 예측 방법은 적응형 클래스 관계형 그래프(Adaptive Class-relational Graph; ACG) 모듈에서 클래스 관계 에지 및 적응형 이진 에지를 결합하고, 클래스 정보를 기반으로 한 적응형 특성 전달을 통해 도메인 내 및 도메인 간 구조를 학습하는 단계 및 적응형 클래스 관계형 그래프 모듈로부터 특성을 입력 받아 샘플 레벨 공통성 예측 모듈(Sample-level Commonness Predictor; SCP)을 통해 레이블 공통성을 예측하는 단계를 포함한다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC G06N 3/08(2013.01) G06N 3/0481(2013.01) G06N 5/02(2013.01)
출원번호/일자 1020210004873 (2021.01.13)
출원인 인하대학교 산학협력단
등록번호/일자 10-2389368-0000 (2022.04.18)
공개번호/일자
공고번호/일자 (20220421) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.01.13)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 대한민국 인천광역시 미추홀구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 홍성은 인천광역시 미추홀구
2 김영은 서울특별시 서대문구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 인천광역시 미추홀구
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
2021.01.13 수리 (Accepted) 1-1-2021-0046643-11
2 [우선심사신청]심사청구서·우선심사신청서
2021.09.06 수리 (Accepted) 1-1-2021-1028727-60
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search
2021.09.07 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search
2021.09.13 수리 (Accepted) 9-1-2021-0013104-15
5 의견제출통지서
Notification of reason for refusal
2022.01.25 발송처리완료 (Completion of Transmission) 9-5-2022-0070247-33
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2022.02.07 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-0132342-69
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2022.02.07 수리 (Accepted) 1-1-2022-0132287-45
8 등록결정서
Decision to grant
2022.02.16 발송처리완료 (Completion of Transmission) 9-5-2022-0127377-85
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
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
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 인하대학교 산학협력단 인공지능융합연구센터지원사업(국고) [Ezbaro][정부] 인공지능융합연구센터지원(1차년도)