맞춤기술찾기

이전대상기술

훈련된 심층 신경망의 압축 장치가 구현된 컴퓨터 시스템

  • 기술번호 : KST2022011968
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 훈련된 심층 신경망(trained deep neuralnetwork)의 압축 장치가 구현된 컴퓨터 시스템이 개시된다. 일 실시예에 따른 컴퓨터 시스템은, 저장 장치 및 상기 저장 장치에 저장되어 있는 프로그래밍 명령을 가져와서 실행하는 프로세서를 포함하고, 상기 프로세서는, 멀티미디어 콘텐츠의 처리를 위한 훈련된 심층 신경망을 기술하는 가중치 매트릭스(weight matrix)를 간략화하기 위한 파라미터 축소 유닛(parameter reduction unit), 상기 파라미터 축소 유닛에 의하여 축소된 상기 가중치 매트릭스를 양자화하기 위한 양자화 유닛(quantization unit) 및 상기 양자화 유닛에 의하여 양자화된 가중치 매트릭스를 소정의 방향으로 스캔한 다음, 스캔된 가중치들을 순차적으로 엔트로피 코딩하여 비트스트림으로 출력하기 위한 엔트로피 코딩 유닛(entropy coding unit)을 포함하고, 상기 파라미터 축소 유닛은, 가지치기(pruning) 기법 및 저계층 근사화(low rank approximation) 기법 중에서 적어도 하나의 기법을 이용한다.
Int. CL G06N 3/08 (2006.01.01) H04N 21/235 (2011.01.01) H04N 21/234 (2014.01.01) H04N 21/2343 (2011.01.01) H04N 19/157 (2014.01.01) H04N 19/124 (2014.01.01) G06N 3/063 (2006.01.01) G06N 3/04 (2006.01.01) H04N 19/184 (2014.01.01) H04N 19/44 (2014.01.01) H04N 19/85 (2014.01.01)
CPC
출원번호/일자 1020210152195 (2021.11.08)
출원인 (주)인시그널, 한국항공대학교산학협력단
등록번호/일자
공개번호/일자 10-2021-0135465 (2021.11.15) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020190087915   |   2019.07.19
대한민국  |   1020190077711   |   2019.06.28
대한민국  |   1020190034096   |   2019.03.26
대한민국  |   1020190134144   |   2019.10.25
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/분할
원출원번호/일자 10-2020-0035403 (2020.03.24)
관련 출원번호 1020200035403
심사청구여부/일자 N
심사청구항수 3

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 (주)인시그널 대한민국 서울특별시 구
2 한국항공대학교산학협력단 대한민국 경기도 고양시 덕양구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 문현철 광주광역시 광산구
2 김재곤 경기도 고양시 일산동구
3 천승문 경기도 수원시 장안구
4 고현철 제주특별자치도 제주시

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 윤승환 대한민국 서울 서초구 청계산로 ***(신원동) 내곡드림시티 II *층 ***호(리앤윤 특허법률사무소)
2 박진석 대한민국 서울 서초구 청계산로 ***(신원동) 내곡드림시티* *층 ***호(리앤윤특허법률사무소)
3 이광직 대한민국 서울 서초구 청계산로 ***(신원동) 내곡드림시티 II *층 ***호(리앤윤 특허법률사무소)

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 [분할출원]특허출원서
[Divisional Application] Patent Application
2021.11.08 수리 (Accepted) 1-1-2021-1283920-35
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
저장 장치 및 상기 저장 장치에 저장되어 있는 프로그래밍 명령을 가져와서 실행하는 프로세서를 포함하는 컴퓨터 시스템에 있어서, 상기 프로세서는,심층 신경망을 기술하는 가중치 매트릭스(weight matrix)를 간략화하기 위한 파라미터 축소 유닛(parameter reduction unit);상기 파라미터 축소 유닛에 의하여 축소된 상기 가중치 매트릭스를 양자화하기 위한 양자화 유닛(quantization unit); 및상기 양자화 유닛에 의하여 양자화된 가중치 매트릭스를 소정의 방향으로 스캔한 다음, 스캔된 가중치들을 순차적으로 엔트로피 코딩하여 비트스트림으로 출력하기 위한 엔트로피 코딩 유닛(entropy coding unit)을 포함하고, 상기 파라미터 축소 유닛은 가지치기(pruning) 기법 및 저계층 근사화(low rank approximation) 기법 중에서 적어도 하나의 기법을 이용하여 상기 가중치 매트릭스를 간략화하고, 또한 상기 가중치 매트릭스의 간략화에 사용한 기법을 지시하는 정보를 출력하는 것을 특징으로 하는 컴퓨터 시스템
2 2
제1항에 있어서,상기 저계층 근사화 기법은, 상기 훈련된 심층 신경망의 최초 가중치 매트릭스(original weight matrix)를, 복수 개의 보다 낮은 차원의 저차원 가중치 매트릭스(low rank weight matrix)로 분해하여 표현하는 것을 특징으로 하는 컴퓨터 시스템
3 3
제2항에 있어서,상기 파라미터 축소 유닛은, 상기 저계층 근사화 기법에서 사용되는 순환 오퍼레이터(circulant operator), 랭크값(rank value), 상기 최초 가중치 매트릭스의 차원과 형상(dimension and shape) 정보 및 리쉐이핑 모드(reshaping mode) 중에서, 하나 이상을 출력하는 것을 특징으로 하는 컴퓨터 시스템
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
패밀리 정보가 없습니다

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 KR20200115239 KR 대한민국 DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 산업통상자원부 (주)인시그널 국가표준기술력향상사업 인공지능 기반의 패턴인식 기술 국제표준화 개발