맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

아날로그 신호와 디지털 신호를 이용한 합성곱 신경망 모델 학습 방법

  • 기술번호 : KST2022005301
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
상담신청 PDF 받기
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 본 발명은 IoT 센서, 장비/설비 및 로봇을 포함하는 제조 설비에서 각각 수집되는 아날로그 신호와 디지털 신호를 이용하여, 제1 내지 제n 레이어(n은 2이상의 자연수)를 포함하는 합성곱 신경망(Convolutional neural network, CNN) 모델을 학습하는 방법을 제공한다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) G06F 17/15 (2006.01.01)
CPC G06N 3/082(2013.01) G06N 3/04(2013.01) G06F 17/153(2013.01)
출원번호/일자 1020200147924 (2020.11.06)
출원인 한국생산기술연구원
등록번호/일자
공개번호/일자 10-2022-0061674 (2022.05.13) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.11.06)
심사청구항수 5

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국생산기술연구원 대한민국 충청남도 천안시 서북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이상형 서울특별시 도봉구
2 조남준 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인한얼 대한민국 서울특별시 송파구 법원로 ***, *층(문정동)

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		 2020.11.06 수리 (Accepted) 1-1-2020-1189550-27
2 의견제출통지서
Notification of reason for refusal		 2022.01.25 발송처리완료 (Completion of Transmission) 9-5-2022-0069253-83
3 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2022.03.15 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-0279408-31
4 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2022.03.15 수리 (Accepted) 1-1-2022-0279407-96
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
IoT 센서, 장비/설비 및 로봇을 포함하는 제조 설비에서 각각 수집되는 아날로그 신호와 디지털 신호를 이용하여, 제1 내지 제n 레이어(n은 2이상의 자연수)를 포함하는 합성곱 신경망(Convolutional neural network, CNN) 모델을 학습하는 방법으로서,(a) 제어부(100)가 아날로그 신호를 수집하는 단계;(b) 상기 제어부(100)가 상기 수집된 아날로그 신호를 주파수 도메인 영역으로 변환하여 주파수 도메인 이미지로 생성하는 단계;(c) 상기 제어부(100)가 상기 주파수 도메인 이미지를 합성곱 신경망 모델(200)에 입력하고, 상기 주파수 도메인 이미지는 상기 합성곱 신경망 모델(200)의 제1 내지 제n-1 레이어가 각각 포함하는 파라미터(parameter)와 합성곱(Convolution) 방식으로 연산되고, 상기 제1 내지 제n-1 레이어의 각각의 파라미터(parameter)가 더 학습되는 단계; (d) 상기 제어부(100)에 디지털 신호가 입력되고, 입력된 상기 디지털 신호를 벡터화시키는 단계; 및(e) 상기 제어부(100)는 상기 벡터화된 상기 디지털 신호를 상기 합성곱 신경망 모델(200)로 입력하고, 상기 합성곱 신경망 모델(200)은 상기 벡터화된 상기 디지털 신호와 제n 레이어에서 추출되는 벡터를 결합(concatenation)하여 결합 특징벡터를 생성하고, 상기 결합 특징벡터를 상기 합성곱 신경망 모델(200)의 상기 제n 레이어에 입력하여 상기 제n 레이어의 파라미터(parameter)가 더 학습되는 단계; 를 포함하는,방법
2 2
제1항에 있어서,상기 (e)단계는,(e1) 상기 합성곱 신경망의 제n 레이어에서 소프트 맥스(softmax) 함수가 적용되어 상기 합성곱 신경망에 입력된 주파수 도메인 이미지에 따른 상기 벡터가 추출되는 단계; 및(e2) 상기 벡터화된 상기 디지털 신호는 상기 합성곱 신경망의 제n 레이어에서 추출되는 벡터와 결합(concatenation)되어 결합 특징벡터를 생성하는 단계;를 더 포함하는,방법
3 3
제1항에서 있어서,상기 (b)단계에서 생성된 상기 주파수 도메인 이미지는 3차원 이미지인,방법
4 4
제1항에 있어서,상기 학습된 합성곱 신경망 모델(200)에 아날로그 신호를 입력하면, 상기 입력된 아날로그 신호의 종류 중 어느 하나가 출력되는,방법
5 5
제1항에 있어서,상기 학습된 합성곱 신경망 모델(200)에 디지털 신호를 입력하면, 상기 입력된 디지털 신호의 종류 중 어느 하나가 출력되는,방법
6 6
제1항에 있어서,상기 학습된 합성곱 신경망 모델(200)에 아날로그 신호 또는 디지털 신호를 입력하면 아날로그 신호 또는 디지털 신호 중 어느 하나로 분류하는 라벨이 출력되는,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 산업통상자원부 한양대학교산학협력단 로봇산업핵심기술개발(R＆D) 심층신경망기반 역 강화학습에 의한 사용자의 의도를 90%이상 만족하는 테이블 정리정돈 로봇 매니퓰레이터의 조작 시스템 개발