맞춤기술찾기

이전대상기술

잠재 벡터를 이용하여 군집화를 수행하는 방법 및 장치

  • 기술번호 : KST2022013983
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
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 잠재 벡터를 이용하여 군집화를 수행하는 방법은 오토인코더(Autoencoder) 기반의 제 1 학습 모델 및 제 2 학습 모델을 생성하는 단계, 기수집된 학습 데이터를 상기 제 1 학습 모델 및 상기 제 2 학습 모델 각각에 입력하여 상기 제 1 학습 모델 및 상기 제 2 학습 모델을 학습시키는 단계, 입력 데이터를 상기 제 1 학습 모델 중 적어도 일부 및 상기 제 2 학습 모델 중 적어도 일부에 입력하여 잠재 벡터를 각각 도출하는 단계, 상기 각각 도출된 잠재 벡터를 게이트층(Gate Layer)에 기초하여 통합하는 단계 및 상기 통합된 잠재 벡터에 기초하여 군집화를 수행하는 단계를 포함한다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) G06F 16/35 (2019.01.01)
CPC G06N 3/08(2013.01) G06N 3/0454(2013.01) G06F 16/35(2013.01)
출원번호/일자 1020200021994 (2020.02.24)
출원인 서울시립대학교 산학협력단
등록번호/일자
공개번호/일자 10-2021-0107261 (2021.09.01) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.02.24)
심사청구항수 9

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 서울시립대학교 산학협력단 대한민국 서울특별시 동대문구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 황혜수 서울특별시 마포구
2 천상진 서울특별시 동대문구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인엠에이피에스 대한민국 서울특별시 강남구 테헤란로*길 **, *층 (역삼동, 한동빌딩)

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
2020.02.24 수리 (Accepted) 1-1-2020-0190068-22
2 선행기술조사의뢰서
Request for Prior Art Search
2021.01.18 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2021.04.16 발송처리완료 (Completion of Transmission) 9-6-2021-0071593-27
4 특허고객번호 정보변경(경정)신고서·정정신고서
2022.01.25 수리 (Accepted) 4-1-2022-5020718-60
5 의견제출통지서
Notification of reason for refusal
2022.04.22 발송처리완료 (Completion of Transmission) 9-5-2022-0300724-95
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2022.06.22 수리 (Accepted) 1-1-2022-0652428-49
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2022.06.22 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-0652427-04
8 등록결정서
Decision to grant
2022.07.26 발송처리완료 (Completion of Transmission) 9-5-2022-0557605-19
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
잠재 벡터를 이용하여 군집화를 수행하는 방법에 있어서, 오토인코더(Autoencoder) 기반의 제 1 학습 모델 및 제 2 학습 모델을 생성하는 단계;기수집된 학습 데이터를 상기 제 1 학습 모델 및 상기 제 2 학습 모델 각각에 입력하여 상기 제 1 학습 모델 및 상기 제 2 학습 모델을 학습시키는 단계;입력 데이터를 상기 제 1 학습 모델 중 적어도 일부 및 상기 제 2 학습 모델 중 적어도 일부에 입력하여 잠재 벡터를 각각 도출하는 단계;상기 각각 도출된 잠재 벡터를 게이트층(Gate Layer)에 기초하여 통합하는 단계; 및상기 통합된 잠재 벡터에 기초하여 군집화를 수행하는 단계를 포함하는 것인, 군집화 수행 방법
2 2
제 1 항에 있어서, 상기 제 1 학습 모델 및 상기 제 2 학습 모델은 인코더층의 노드 개수 및 디코더층의 노드 개수가 서로 다르게 구성된 것인, 군집화 수행 방법
3 3
제 1 항에 있어서, 상기 제 1 학습 모델 중 적어도 일부 및 상기 제 2 학습 모델 중 적어도 일부는 상기 오토인코더의 인코더인 것인, 군집화 수행 방법
4 4
제 3 항에 있어서, 상기 잠재 벡터를 각각 도출하는 단계는, 상기 입력 데이터를 상기 제 1 학습 모델에 대응하는 인코더에 입력하여 제 1 잠재 벡터를 도출하는 단계; 및상기 입력 데이터를 상기 제 2 학습 모델에 대응하는 인코더에 입력하여 제 2 잠재 벡터를 도출하는 단계를 포함하는 것인, 군집화 수행 방법
5 5
제 4 항에 있어서, 상기 각각 도출된 잠재 벡터를 게이트층에 기초하여 통합하는 단계는, 상기 제 1 잠재 벡터 및 제 2 잠재 벡터를 상기 게이트층(Gate Layer)에 각각 입력하는 단계;상기 게이트층을 통과한 상기 제 1 잠재 벡터에 대해 제 1 게이트 점수를 산출하고, 상기 제 2 잠재 벡터에 대해 제 2 게이트 점수를 산출하는 단계; 및상기 산출된 제 1 게이트 점수 및 제 2 게이트 점수에 기초하여 상기 제 1 잠재 벡터 및 상기 제 2 잠재 벡터를 통합한 통합 잠재 벡터를 생성하는 단계를 포함하는 것인, 군집화 수행 방법
6 6
제 5 항에 있어서, 상기 통합 잠재 벡터는 상기 제 1 잠재 벡터의 차원의 수 및 상기 제 2 잠재 벡터의 차원의 수가 합해진 것인, 군집화 수행 방법
7 7
제 5 항에 있어서, 상기 군집화를 수행하는 단계는,초기 잠재 공간 상의 하나의 점으로 표현된 상기 통합 잠재 벡터에 기초하여 군집화를 수행하는 단계; 및상기 군집화의 수행 결과에 기초하여 기설정된 군집의 수에 해당하는 적어도 하나의 중심점을 산출하는 단계를 포함하는 것인, 군집화 수행 방법
8 8
제 7 항에 있어서, 상기 군집화를 수행하는 단계는,상기 통합 잠재 벡터 및 상기 적어도 하나의 중심점 간의 유사도를 추정하는 단계를 더 포함하는 것인, 군집화 수행 방법
9 9
제 8 항에 있어서, 상기 추정된 유사도에 기초하여 보조 목표 분포를 산출하는 단계;상기 유사도에 기초하여 소프트 할당(soft assignment)에 따른 Q 함수를 산출하는 단계; 및상기 Q 함수 및 상기 보조 목표 분포에 기초하여 쿨백 라이블러 발산(KL-발산)을 통해 손실함수를 도출하는 단계를 포함하는 것인, 군집화 수행 방법
10 10
잠재 벡터를 이용하여 군집화를 수행하는 장치에 있어서,오토인코더(Autoencoder) 기반의 제 1 학습 모델 중 적어도 일부, 상기 오토인코더 기반의 제 2 학습 모델 중 적어도 일부 및 상기 제 1 학습 모델 중 적어도 일부로부터 도출된 제 1 잠재 벡터 및 상기 제 2 학습 모델 중 적어도 일부로부터 도출된 제 2 잠재 벡터를 통합하는 게이트층(Gate Layer)을 포함하는 통합 잠재 벡터 생성 모델을 생성하는 모델 생성부;입력 데이터를 상기 제 1 학습 모델 중 적어도 일부 및 상기 제 2 학습 모델 중 적어도 일부에 입력하여 잠재 벡터를 각각 도출하는 잠재 벡터 도출부;상기 각각 도출된 잠재 벡터를 상기 게이트층에 기초하여 통합하는 잠재 벡터 통합부; 및상기 통합된 잠재 벡터에 기초하여 군집화를 수행하는 군집화 수행부를 포함하는 것인, 군집화 수행 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 서울시립대학교산학협력단 중견연구자지원사업 지식 발굴을 위한 빅데이터 분석 프레임워크 개발