맞춤기술찾기

이전대상기술

예비성형체의 형상을 예측하는 모델을 학습시키기 위한 장치 및 이를 위한 방법

  • 기술번호 : KST2022017243
  • 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 예비성형체의 형상을 예측하는 모델을 학습시키기 위한 방법은 단조형상생성부가 단조형상을 생성하는 단계와, 레이블설정부가 상기 단조형상에 대응하는 복수의 후보 예비성형체를 생성하는 단계와, 상기 레이블설정부가 상기 단조형상에 대응하는 상기 복수의 후보 예비성형체 중 어느 하나를 상기 단조형상에 대응하는 레이블 예비성형체로 선택하는 단계와, 학습부가 상기 단조형상과, 상기 단조형상에 대응하는 레이블 예비성형체를 학습데이터로 이용하여 예비성형체의 형상을 예측하는 예측모델을 학습시키는 단계를 포함한다.
Int. CL G06F 30/17 (2020.01.01) G06F 30/27 (2020.01.01) G06F 30/12 (2020.01.01) G06N 3/08 (2006.01.01)
CPC G06F 30/17(2013.01) G06F 30/27(2013.01) G06F 30/12(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020210083171 (2021.06.25)
출원인 서강대학교산학협력단
등록번호/일자
공개번호/일자 10-2022-0120416 (2022.08.30) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020210023417   |   2021.02.22
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 15

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김낙수 서울특별시 서초구
2 이승로 인천광역시 미추홀구

대리인

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

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
2021.06.25 수리 (Accepted) 1-1-2021-0736525-83
2 특허고객번호 정보변경(경정)신고서·정정신고서
2022.06.21 수리 (Accepted) 4-1-2022-5144444-29
3 특허고객번호 정보변경(경정)신고서·정정신고서
2022.07.26 수리 (Accepted) 4-1-2022-5174303-48
4 특허고객번호 정보변경(경정)신고서·정정신고서
2022.08.22 수리 (Accepted) 4-1-2022-5195690-28
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
예비성형체의 형상을 예측하는 모델을 학습시키기 위한 방법에 있어서, 단조형상생성부가 단조형상을 생성하는 단계; 레이블설정부가 상기 단조형상에 대응하는 복수의 후보 예비성형체를 생성하는 단계; 상기 레이블설정부가 상기 단조형상에 대응하는 상기 복수의 후보 예비성형체 중 어느 하나를 상기 단조형상에 대응하는 레이블 예비성형체로 선택하는 단계; 및 학습부가 상기 단조형상과, 상기 단조형상에 대응하는 레이블 예비성형체를 학습데이터로 이용하여 예비성형체의 형상을 예측하는 예측모델을 학습시키는 단계; 를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
2 2
제1항에 있어서, 상기 예비성형체로 선택하는 단계는 상기 레이블설정부가 상기 복수의 예비성형체 후보에 대해 유한요소해석을 수행하여 금형 충전율, 겹침 결함 존재 여부 및 단조 하중을 도출하는 단계; 및 상기 레이블설정부가 유한요소해석의 결과에 따라 복수의 예비성형체 후보 중 하나를 단조형상에 대응하는 레이블 예비성형체로 선정하는 단계;를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
3 3
제2항에 있어서, 상기 유한요소해석의 결과에 따라 복수의 예비성형체 후보 중 하나를 단조형상에 대응하는 레이블 예비성형체로 선정하는 단계는 상기 레이블설정부가 상기 복수의 예비성형체 후보 중 금형 충전율에 따라 미충진 결함이 있는 예비성형체 후보를 특정하고, 특정된 예비성형체 후보를 제외시키는 단계; 상기 레이블설정부가 상기 복수의 예비성형체 후보 중 겹침 결함이 있는 예비성형체 후보를 제외시키는 단계; 및 상기 레이블설정부가 상기 미충진 결함 및 상기 겹침 결함이 없는 복수의 예비성형체 후보 중 가장 낮은 단조 하중을 기록한 예비성형체 후보를 단조형상에 대응하는 레이블 예비성형체로 선정하는 단계;를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
4 4
제1항에 있어서, 상기 단조형상을 생성하는 단계는 상기 단조형상생성부가 지면에 수직인 회전축에서 상기 회전축과 수직인 바닥면을 나타내는 바닥선을 따라 기 설정된 반지름만큼 이격된 위치에 모선을 설정하는 단계; 상기 단조형상생성부가 상기 회전축과 상기 모선 사이의 바닥선을 따라 제어점을 할당하는 단계; 상기 단조형상생성부가 미리 설정된 복수의 높이 레벨을 조합하여 상기 회전축, 상기 모선 및 상기 제어점의 바닥선으로부터 수직 방향의 높이를 설정하는 단계; 상기 단조형상생성부가 상기 높이가 설정된 상기 회전축, 상기 모선 및 상기 제어점을 연결하여 연결선을 생성하는 단계; 상기 단조형상생성부가 상기 회전축, 상기 연결선, 상기 모선 및 상기 바닥선을 상기 회전축에 따라 회전시켜 단조 형상을 생성하는 단계;를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
5 5
제1항에 있어서, 상기 복수의 후보 예비성형체를 생성하는 단계는 상기 레이블설정부가 지면에 수직인 회전축과 수직인 기준선을 따라 대응하는 단조형상과 동일한 반지름만큼 이격된 위치에 모선을 설정하는 단계; 상기 레이블설정부가 상기 회전축과 상기 모선 사이의 기준선을 따라 복수개의 제어점을 할당하는 단계; 상기 레이블설정부가 미리 설정된 복수의 높이 레벨을 조합하여 상기 회전축, 상기 모선 및 상기 제어점의 기준선으로부터 수직 방향의 높이를 설정하는 단계; 상기 레이블설정부가 상기 높이가 설정된 상기 회전축, 상기 모선 및 상기 제어점을 연결하여 연결선을 생성하는 단계; 상기 레이블설정부가 미리 설정된 복수의 높이 레벨 중 어느 하나를 선택하여 바닥선과 기준선 간의 높이를 설정하는 단계; 상기 레이블설정부가 상기 회전축, 상기 연결선, 상기 모선 및 상기 바닥선을 회전축에 따라 회전시켜 후보 예비성형체를 생성하는 단계; 를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
6 6
제5항에 있어서, 상기 바닥선과 기준선 간의 높이를 설정하는 단계는 상기 레이블설정부가 상기 회전축, 상기 연결선, 상기 모선 및 상기 바닥선의 회전에 의해 생성되는 후보 예비성형체의 부피와, 후보 예비성형체에 대응하는 단조형상의 부피가 일치하도록 상기 바닥선과 상기 기준선 간의 높이를 설정하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
7 7
제1항에 있어서, 상기 예측모델을 학습시키는 단계는 학습부가 복수의 단조형상과 상기 복수의 단조형상 각각에 대응하는 복수의 레이블 예비성형체를 포함하는 복수의 학습데이터를 마련하는 단계; 상기 학습부가 복수의 학습데이터를 복수의 학습데이터그룹으로 분류하는 단계; 및 상기 학습데이터그룹 별로 해당 학습데이터 그룹에 속하는 학습데이터를 이용하여 학습을 수행함으로써 복수의 예측모델을 생성하는 단계; 를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
8 8
예비성형체의 형상을 예측하는 모델을 학습시키기 위한 방법에 있어서, 단조형상생성부가 단조형상을 생성하는 단계; 레이블설정부가 상기 단조형상에 대응하는 레이블 예비성형체를 생성하는 단계; 및 학습부가 상기 단조형상과, 상기 단조형상에 대응하는 레이블 예비성형체를 학습데이터로 이용하여 예비성형체의 형상을 예측하는 예측모델을 학습시키는 단계; 를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
9 9
제8항에 있어서, 상기 예측모델을 학습시키는 단계는 학습부가 복수의 단조형상과 상기 복수의 단조형상 각각에 대응하는 복수의 레이블 예비성형체를 포함하는 복수의 학습데이터를 마련하는 단계; 상기 학습부가 복수의 학습데이터를 복수의 학습데이터그룹으로 분류하는 단계; 및 상기 학습데이터그룹 별로 해당 학습데이터 그룹에 속하는 학습데이터를 이용하여 학습을 수행함으로써 복수의 예측모델을 생성하는 단계; 를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
10 10
제9항에 있어서, 상기 복수의 학습데이터그룹으로 분류하는 단계는 상기 복수의 단조형상을 단조형상의 복수의 특징점 간의 높이 차이의 조합을 기준으로 복수의 학습데이터그룹으로 분류하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
11 11
제9항에 있어서, 상기 복수의 학습데이터그룹으로 분류하는 단계는 학습부가 회전축에서 가까운 순서의 소정 수의 특징점 간의 높이 차이의 조합을 나타내는 제1 조건과, 모선에 가까운 순서의 소정 수의 특징점 간의 높이 차이의 조합을 나타내는 제2 조건을 마련하는 단계; 및 상기 학습부가 상기 제1 조건 또는 상기 제2 조건을 만족하는지 여부에 따라 상기 복수의 단조형상을 상기 복수의 학습데이터그룹으로 분류하는 단계; 를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
12 12
제9항에 있어서, 상기 복수의 예측모델을 생성하는 단계는 상기 학습부가 어느 하나의 학습데이터그룹에 속하는 학습데이터의 단조형상 및 레이블 예비성형체를 복셀화하여 행렬 형식의 단조형상행렬 및 레이블 예비성형체행렬로 변환하는 단계; 예측모델이 상기 단조형상행렬에 대해 복수의 계층 간 학습이 완료되지 않은 가중치가 적용되는 복수의 연산을 통해 예비성형체의 형상을 예측한 행렬 표현인 예측형상행렬을 도출하는 단계; 상기 학습부가 손실함수를 통해 예측형상행렬과 레이블 예비성형체행렬과의 차이를 나타내는 손실을 산출하는 단계; 상기 손실이 최소가 되도록 상기 예측모델의 가중치를 수정하는 최적화를 수행하는 단계; 를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
13 13
제12항에 있어서, 상기 손실을 산출하는 단계는 상기 학습부가 손실함수 를 통해 상기 손실을 산출하고, 상기 는 예측형상행렬과 레이블 예비성형체행렬과의 차이를 나타내는 손실이고, 상기 는 단조형상행렬에 대응하는 레이블인 레이블 예비성형체행렬이고, 상기 는 입력된 단조형상행렬로부터 도출된 예측형상행렬인 것을 특징으로 하는 모델을 학습시키기 위한 방법
14 14
제12항에 있어서, 상기 단조형상행렬 및 레이블 예비성형체행렬로 변환하는 단계는 상기 학습부가 메쉬 파일인 단조형상 및 레이블 예비성형체에서 가장 긴 변을 1 복셀로 매핑하고, 메쉬 파일이 어느 하나에 복셀에서 차지하는 부피에 따라 해당 복셀을 0 또는 1의 값을 할당함으로써 단조형상행렬 및 레이블 예비성형체행렬로 변환하는 것을 특징으로 하는 모델을 학습시키기 위한 방법
15 15
예비성형체의 형상을 예측하는 모델을 학습시키기 위한 장치에 있어서, 단조형상을 생성하는 단조형상생성부; 상기 단조형상에 대응하는 복수의 후보 예비성형체를 생성하고, 상기 단조형상에 대응하는 상기 복수의 후보 예비성형체 중 어느 하나를 상기 단조형상에 대응하는 레이블 예비성형체로 선택하는 레이블설정부; 및 상기 단조형상과, 상기 단조형상에 대응하는 레이블 예비성형체를 학습데이터로 이용하여 예비성형체의 형상을 예측하는 예측모델을 학습시키는 학습부;를 포함하는 것을 특징으로 하는 모델을 학습시키기 위한 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 서강대학교 개인기초연구(과기정통부)(R&D) 인공지능 기술을 활용한 난성형재 단조품의 예비성형체 설계방법 연구
2 산업통상자원부 서강대학교산학협력단 소재부품기술개발(R&D) 성형 가공 중소중견기업 애로기술 해결 지원을 위한 SOGANG 플랫폼 개발