| 1 |
1
소정의 화학기상증착(CVD, Chemical Vapor Deposition) 조건 하에 생성된 그래핀의 이미지로부터 객체 검출(object detection) 알고리즘을 기반으로 한 신경망 모델을 통해서 머신러닝 모델 학습을 위한 CVD 조건에 따른 그래핀 사양 결과 데이터를 분석하고 생성하는 학습 데이터 생성단계;상기 학습 데이터를 이용하여, 회귀(Regression) 또는 분류(Classification) 알고리즘을 기반으로 한 머신러닝 모델을 학습시켜, CVD 조건과 그래핀 사양 결과 사이의 상관관계를 모델링할 수 있는 머신러닝 모델을 구축하는 단계;를 포함하는, CVD 조건과 그래핀 사양 결과 사이의 상관관계 모델링 시스템 구축방법
|
| 2 |
2
제1항에 있어서,상기 객체 검출 알고리즘을 기반으로 한 신경망 모델은 R-CNN (Region Based Convolution Neural Networks)을 포함하는 것을 특징으로 하는, CVD 조건과 그래핀 사양 결과 사이의 상관관계 모델링 시스템 구축방법
|
| 3 |
3
제1항에 있어서,상기 객체 검출 알고리즘을 기반으로 한 신경망 모델은 객체 분류 단계 및 경계 상자 회귀 단계를 포함하는 훈련을 통해서 구축되는 것을 특징으로 하는, CVD 조건 그래핀 사양 결과 사이의 상관관계 모델링 시스템 구축방법
|
| 4 |
4
제1항에 있어서,상기 회귀 또는 분류 알고리즘을 기반으로 한 머신러닝 모델은 인공 신경망(ANN, Artificial Neural Network) 및 서포트 벡터 머신(SVM, Support Vector Machine)을 포함하는 것을 특징으로 하는, CVD 조건과 그래핀 사양 결과 사이의 상관관계 모델링 시스템 구축방법
|
| 5 |
5
제1항이 있어서,상기 CVD 조건은 온도, 어닐링 시간, 수소 공급 및 성장 시간 중에서 적어도 어느 하나를 포함하는 것을 특징으로 하는, CVD 조건과 그래핀 사양 결과 사이의 상관관계 모델링 시스템 구축방법
|
| 6 |
6
제1항에 있어서,상기 그래핀 사양 결과 데이터는 그래핀의 크기, 커버리지(coverage), 도메인 밀도, 종횡비 및 편차 중에서 적어도 어느 하나를 포함하는 것을 특징으로 하는, CVD 조건과 그래핀 사양 결과 사이의 상관관계 모델링 시스템 구축방법
|
| 7 |
7
소정의 화학기상증착(CVD, Chemical Vapor Deposition) 조건 하에 생성된 그래핀의 이미지로부터 객체 검출(object detection) 알고리즘을 기반으로 한 신경망 모델을 통해서 머신러닝 모델 학습을 위한 CVD 조건에 따른 그래핀 사양 결과 데이터를 분석하고 생성하는 학습 데이터 생성 단계;상기 학습 데이터를 이용하여 회귀(Regression) 또는 분류(Classification) 알고리즘을 기반으로 한 머신러닝 모델을 학습시켜, CVD 조건과 그래핀 사양 결과 사이의 상관관계를 모델링할 수 있는 머신러닝 모델을 구축하는 단계; 및구축된 머신러닝 모델을 통하여 특정 CVD 조건에 따른 그래핀 사양 결과를 예측하고 생성적 적대 신경망(GAN, Generative Adversarial Network) 알고리즘을 적용하여 이를 이미지화하여 제공하는 단계;를 포함하는, 머신러닝 모델을 이용한 CVD 조건에 따른 그래핀 사양 예측 방법
|
| 8 |
8
제7항에 있어서,상기 객체 검출 알고리즘을 기반으로 한 신경망 모델은 R-CNN (Region Based Convolution Neural Networks)을 포함하는 것을 특징으로 하는, 머신러닝 모델을 이용한 CVD 조건에 따른 그래핀 사양 예측 방법
|
| 9 |
9
제7항에 있어서,상기 회귀 또는 분류 알고리즘을 기반으로 한 머신러닝 모델은 인공 신경망(ANN, Artificial Neural Network) 및 서포트 벡터 머신(SVM, Support Vector Machine)을 포함하는 것을 특징으로 하는, 머신러닝 모델을 이용한 CVD 조건에 따른 그래핀 사양 예측 방법
|
| 10 |
10
제7항에 있어서,상기 CVD 조건은 온도, 어닐링 시간, 수소 공급 및 성장 시간 중에서 적어도 어느 하나를 포함하는 것을 특징으로 하는, 머신러닝 모델을 이용한 CVD 조건에 따른 그래핀 사양 예측 방법
|
| 11 |
11
제7항에 있어서,상기 그래핀 사양 결과 데이터는 그래핀의 크기, 커버리지(coverage), 도메인 밀도, 종횡비 및 편차 중에서 적어도 어느 하나를 포함하는 것을 특징으로 하는, 머신러닝 모델을 이용한 CVD 조건에 따른 그래핀 사양 예측 방법
|
| 12 |
12
소정의 화학기상증착(CVD, Chemical Vapor Deposition) 조건 하에 생성된 그래핀의 이미지로부터 객체 검출(object detection) 알고리즘을 기반으로 한 신경망 모델을 통해서 머신러닝 모델 학습을 위한 CVD 조건에 따른 그래핀 사양 결과 데이터를 분석하고 생성하는 학습 데이터 생성부; 및상기 학습 데이터를 이용하여 회귀(Regression) 또는 분류(Classification) 알고리즘을 기반으로 한 머신러닝 모델을 학습시켜, CVD 조건과 그래핀 사양 결과 사이의 상관관계를 모델링할 수 있는 머신러닝 모델을 구축하는 머신러닝 모델 구축부;를 포함하는, CVD 조건과 그래핀 사양 결과 사이의 상관관계 모델링 시스템 구축장치
|
| 13 |
13
소정의 화학기상증착(CVD, Chemical Vapor Deposition) 조건 하에 생성된 그래핀의 이미지로부터 객체 검출(object detection) 알고리즘을 기반으로 한 신경망 모델을 통해서 머신러닝 모델 학습을 위한 CVD 조건에 따른 그래핀 사양 결과 데이터를 분석하고 생성하는 학습 데이터 생성부;상기 학습 데이터를 이용하여 회귀(Regression) 또는 분류(Classification) 알고리즘을 기반으로 한 머신러닝 모델을 학습시켜, CVD 조건과 그래핀 사양 결과 사이의 상관관계를 모델링할 수 있는 머신러닝 모델을 구축하는 머신러닝 모델 구축부; 및구축된 머신러닝 모델을 통하여 특정 CVD 조건에 따른 그래핀 사양 결과를 예측하고 생성적 적대 신경망(GAN, Generative Adversarial Network) 알고리즘을 적용하여 이를 이미지화하여 제공하는 그래핀 사양 예측부;를 포함하는, 머신러닝 모델을 이용한 CVD 조건에 따른 그래핀 사양 예측 장치
|
