맞춤기술찾기

이전대상기술

인공지능 생성 모델 기반의 의약품 재구매 시점 및 수량 예측 장치 및 방법

  • 기술번호 : KST2023008900
  • 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 의약품 재구매 시점 및 수량 예측 장치 및 방법이 개시된다. 상기 의약품 재구매 시점 및 수량 예측 방법은 컴퓨팅 장치에 의해 수행되고, 제1 구매기록 데이터를 획득하는 단계, 상기 제1 구매기록 데이터를 전처리하는 단계, 전처리된 제1 구매기록 데이터로부터 예측 모델의 학습 데이터를 생성하는 단계, 상기 학습 데이터를 이용하여 적대적 생성 신경망(Generative Adversarial Network, GAN)을 학습하여 상기 예측 모델을 생성하는 단계, 및 제2 구매기록 데이터에 대한 예측을 수행하여, 의약품 재구매 시점 및 수량을 도출하는 단계를 포함한다.
Int. CL G06Q 30/02 (2023.01.01) G06Q 10/06 (2012.01.01) G06N 3/08 (2023.01.01) G06N 3/094 (2023.01.01) G06N 3/0475 (2023.01.01)
CPC G06Q 30/0202(2013.01) G06Q 10/06315(2013.01) G06N 3/088(2013.01) G06N 3/094(2013.01) G06N 3/0475(2013.01)
출원번호/일자 1020230042911 (2023.03.31)
출원인 고려대학교 산학협력단, 주식회사 메디밸류
등록번호/일자
공개번호/일자 10-2023-0142374 (2023.10.11) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020220041011   |   2022.04.01
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2023.03.31)
심사청구항수 6

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 고려대학교 산학협력단 대한민국 서울특별시 성북구
2 주식회사 메디밸류 대한민국 서울특별시 영등포구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 석준희 서울특별시 강남구
2 김인수 서울특별시 성북구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김등용 대한민국 서울시 구로구 디지털로**길 **, ***호(구로동, 코오롱싸이언스밸리*차)(동진국제특허법률사무소)

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
2023.03.31 수리 (Accepted) 1-1-2023-0367403-35
2 특허고객번호 정보변경(경정)신고서·정정신고서
2023.05.04 수리 (Accepted) 4-1-2023-5110401-71
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨팅 장치에 의해 수행되는 의약품 재구매 시점 및 수량 예측 방법에 있어서,제1 구매기록 데이터를 획득하는 단계;상기 제1 구매기록 데이터를 전처리하는 단계;전처리된 제1 구매기록 데이터로부터 예측 모델의 학습 데이터를 생성하는 단계;상기 학습 데이터를 이용하여 적대적 생성 신경망(Generative Adversarial Network, GAN)을 학습하여 상기 예측 모델을 생성하는 단계; 및제2 구매기록 데이터에 대한 예측을 수행하여, 의약품 재구매 시점 및 수량을 도출하는 단계를 포함하는 의약품 재구매 시점 및 수량 예측 방법
2 2
제1항에 있어서,상기 의약품 재구매 시점 및 수량을 도출하는 단계는,상기 제2 구매기록 데이터에 대응하는 입력 데이터를 상기 예측 모델에 입력하여 제1 예측 값 및 상기 제1 예측 값에 대한 신뢰도(k)를 도출하는 단계;상기 제2 구매기록 데이터에 대한 평균(m)을 산출하여 제2 예측 값을 도출하는 단계; 및상기 제1 예측 값과 상기 제2 예측 값의 가중 평균하여 최종 예측 값을 도출하는 단계를 포함하는,의약품 재구매 시점 및 수량 예측 방법
3 3
제2항에 있어서,상기 최종 예측 값(TFinal)은 수학식을 이용하여 산출되고,상기 수학식은 이고,상기 G(TP,z)는 상기 입력 데이터(TP)와 노이즈(z)를 입력으로 하는 적대적 생성 신경망 기반의 상기 예측 모델에 포함된 생성기(Generator)의 출력인,의약품 재구매 시점 및 수량 예측 방법
4 4
제3항에 있어서,상기 학습 데이터를 생성하는 단계는,수학식 2를 이용하여 상기 전처리된 제1 구매기록 데이터로부터 상기 적대적 생성 신경망의 출력을 생성하는 단계; 및상기 전처리된 제1 구매기록 데이터를 미리 정해진 크기로 분할하여 상기 적대적 생성 신경망의 입력을 생성하는 단계를 포함하는,의약품 재구매 시점 및 수량 예측 방법
5 5
컴퓨팅 장치에 의해 수행되는 의약품 재구매 시점 및 수량 예측 방법에 있어서,구매기록 데이터를 획득하는 단계;상기 구매기록 데이터를 전처리하는 단계;전처리된 구매기록 데이터를 예측 모델에 입력하여 제1 예측 값 및 제1 예측 값에 대한 신뢰도(k)를 도출하는 단계;상기 구매기록 데이터의 평균(m)을 산출하여 제2 예측 값을 도출하는 단계; 및상기 제1 예측 값과 상기 제2 예측 값으로부터 최종 결과를 산출하는 단계를 포함하고,상기 최종 결과(TFinal)는 수학식을 이용하여 산출되고,상기 수학식은 이고,상기 G(TP,z)는 상기 전처리된 구매기록 데이터(TP)와 노이즈(z)를 입력으로 하는 적대적 생성 신경망 기반의 상기 예측 모델에 포함된 생성기(Generator)의 출력인,의약품 재구매 시점 및 수량 예측 방법
6 6
제1 구매기록 데이터를 획득하는 데이터 획득부;상기 제1 구매기록 데이터를 전처리하고, 전처리된 제1 구매기록 데이터로부터 예측 모델의 학습 데이터를 생성하는 전처리부;상기 학습 데이터를 이용하여 적대적 생성 신경망(Generative Adversarial Network, GAN)을 학습하여 상기 예측 모델을 생성하는 예측부를 포함하고,상기 예측부는 제2 구매기록 데이터에 대한 예측을 수행하여, 의약품 재구매 시점 및 수량을 도출하는,의약품 재구매 시점 및 수량 예측 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.