맞춤기술찾기

이전대상기술

인공신경망 모델 학습 방법 및 장치, 인공신경망 모델을 이용한 운동 협응도 유추 방법 및 장치

  • 기술번호 : KST2023008951
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
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 일 실시예에 따른 운동 협응도 유추를 위한 인공신경망 모델 학습 장치가 수행하는 인공신경망 모델 학습 방법은, 학습용 운동체의 운동에 따른 복수 부위에 대한 각각의 움직임 데이터에 해당하는 복수의 움직임 데이터를 획득하는 단계와, 상기 복수의 움직임 데이터에 대한 데이터간 유사성에 기초하여 상기 학습용 운동체의 부위 간 협응도를 계산하는 단계와, 상기 복수의 움직임 데이터 중 적어도 하나의 움직임 데이터를 입력으로 포함하고 상기 부위 간 협응도를 타켓 변수로 포함하는 학습 데이터 세트를 이용하여, 인공신경망 모델을 학습시키는 단계를 포함한다.
Int. CL A61B 5/11 (2006.01.01) A61B 5/00 (2021.01.01) G16H 50/20 (2018.01.01)
CPC A61B 5/11(2013.01) A61B 5/7264(2013.01) G16H 50/20(2013.01) A61B 2562/0219(2013.01)
출원번호/일자 1020220042379 (2022.04.05)
출원인 성균관대학교산학협력단
등록번호/일자
공개번호/일자 10-2023-0143459 (2023.10.12) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.04.05)
심사청구항수 18

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 성균관대학교산학협력단 대한민국 경기도 수원시 장안구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김승찬 경기도 성남시 분당구
2 김혜주 경기도 수원시 장안구
3 김혜린 경기도 수원시 장안구
4 김현주 경기도 수원시 장안구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 제일특허법인(유) 대한민국 서울특별시 서초구 마방로 ** (양재동, 동원F&B빌딩)

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
2022.04.05 수리 (Accepted) 1-1-2022-0363961-62
2 선행기술조사의뢰서
Request for Prior Art Search
2022.05.13 수리 (Accepted) 9-1-9999-9999999-89
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
운동 협응도 유추를 위한 인공신경망 모델 학습 장치가 수행하는 인공신경망 모델 학습 방법으로서,학습용 운동체의 운동에 따른 복수 부위에 대한 각각의 움직임 데이터에 해당하는 복수의 움직임 데이터를 획득하는 단계와,상기 복수의 움직임 데이터에 대한 데이터간 유사성에 기초하여 상기 학습용 운동체의 부위 간 협응도를 계산하는 단계와,상기 복수의 움직임 데이터 중 적어도 하나의 움직임 데이터를 입력으로 포함하고 상기 부위 간 협응도를 타겟 변수로 포함하는 학습 데이터 세트를 이용하여, 인공신경망 모델을 학습시키는 단계를 포함하는운동 협응도 유추를 위한 인공신경망 모델 학습 방법
2 2
제 1 항에 있어서,상기 복수의 움직임 데이터는 상기 학습용 운동체의 복수 부위 중 상호 유기적 운동 특성을 갖는 복수의 운동 부위에 대한 움직임 데이터이고,상기 복수의 운동 부위에 대한 발란스 스코어링 결과값을 상기 부위 간 협응도로서 계산하는운동 협응도 유추를 위한 인공신경망 모델 학습 방법
3 3
제 2 항에 있어서,상기 움직임 데이터는 상기 복수의 운동 부위 중 둘 이상에 장착된 관성센서에 의해 측정된운동 협응도 유추를 위한 인공신경망 모델 학습 방법
4 4
제 1 항에 있어서,상기 부위 간 협응도를 계산할 때에, 교차 상관(cross correlation) 값을 사용하거나 동적 타임 워프(dynamic time warp) 분석을 통해 상기 데이터간 유사성을 파악하는운동 협응도 유추를 위한 인공신경망 모델 학습 방법
5 5
학습용 운동체의 운동에 따른 복수 부위에 대한 각각의 움직임 데이터에 해당하는 복수의 움직임 데이터를 획득하는 데이터 획득부와,하나 이상의 프로그램을 저장하는 메모리부와,상기 저장된 하나 이상의 프로그램을 실행하는 프로세서부를 포함하고,상기 프로세서부는,상기 복수의 움직임 데이터에 대한 데이터간 유사성에 기초하여 상기 학습용 운동체의 부위 간 협응도를 계산하며,상기 복수의 움직임 데이터 중 적어도 하나의 움직임 데이터를 입력으로 포함하고 상기 부위 간 협응도를 타켓 변수로 포함하는 학습 데이터 세트를 이용하여, 인공신경망 모델을 학습시키는운동 협응도 유추를 위한 인공신경망 모델 학습 장치
6 6
제 5 항에 있어서,상기 복수의 움직임 데이터는 상기 학습용 운동체의 상호 유기적 운동 특성을 갖는 복수의 운동 부위에 대한 움직임 데이터이고,상기 복수의 운동 부위에 대한 발란스 스코어링 결과값을 상기 부위 간 협응도로서 계산하는운동 협응도 유추를 위한 인공신경망 모델 학습 장치
7 7
제 6 항에 있어서,상기 움직임 데이터는 상기 복수의 운동 부위 중 둘 이상에 장착된 관성센서에 의해 측정된운동 협응도 유추를 위한 인공신경망 모델 학습 장치
8 8
제 5 항에 있어서,상기 부위 간 협응도를 계산할 때에, 교차 상관(cross correlation) 값을 사용하거나 동적 타임 워프(dynamic time warp) 분석을 통해 상기 데이터간 유사성을 파악하는운동 협응도 유추를 위한 인공신경망 모델 학습 장치
9 9
운동 협응도 유추 장치가 수행하는 운동 협응도 유추 방법으로서,학습용 운동체의 운동에 따른 복수 부위에 대한 각각의 움직임 데이터에 해당하는 복수의 움직임 데이터 중 적어도 하나의 학습용 움직임 데이터를 입력으로 포함하고 상기 복수의 움직임 데이터에 대한 데이터간 유사성에 기초하여 계산된 상기 학습용 운동체의 부위 간 협응도를 타겟 변수로 포함하는 학습 데이터 세트가 학습된 인공신경망 모델을 준비하는 단계와,대상 운동체로부터 상기 적어도 하나의 학습용 움직임 데이터에 대응하는 부위에 대하여 측정된 움직임 데이터를 상기 학습된 인공신경망 모델에 입력하여, 상기 학습된 인공신경망 모델의 출력으로서 상기 대상 운동체의 부위 간 협응도를 유추하는 단계를 포함하는운동 협응도 유추 방법
10 10
제 9 항에 있어서,상기 유추된 대상 운동체의 부위 간 협응도에 기초하여 상기 대상 운동체의 운동 특성을 나타내는 정보를 제공하는 단계를 더 포함하는운동 협응도 유추 방법
11 11
제 9 항에 있어서,상기 움직임 데이터는 상기 학습용 운동체 또는 상기 대상 운동체의 상호 유기적 운동 특성을 갖는 복수의 운동 부위 중 어느 한 운동 부위에 대한 움직임 데이터이고,상기 복수의 운동 부위에 대한 발란스 스코어링 결과값을 상기 부위 간 협응도로서 이용하는운동 협응도 유추 방법
12 12
제 10 항에 있어서,상기 움직임 데이터는 상기 복수의 운동 부위 중 적어도 한 운동 부위에 장착된 관성센서에 의해 측정된운동 협응도 유추 방법
13 13
대상 운동체의 운동에 따른 복수 부위에 대한 각각의 움직임 데이터에 해당하는 복수의 움직임 데이터 중 적어도 하나의 학습용 움직임 데이터에 대응하는 부위에 대하여 측정된 움직임 데이터를 획득하는 데이터 획득부와,하나 이상의 프로그램을 저장하는 메모리부와,상기 저장된 하나 이상의 프로그램을 실행하는 프로세서부를 포함하고,상기 프로세서부는,학습용 운동체의 운동에 따른 복수 부위에 대한 각각의 움직임 데이터에 해당하는 복수의 움직임 데이터 중 적어도 하나의 학습용 움직임 데이터를 입력으로 포함하고 상기 복수의 움직임 데이터에 대한 데이터간 유사성에 기초하여 계산된 상기 학습용 운동체의 부위 간 협응도를 타켓 변수로 포함하는 학습 데이터 세트가 학습된 인공신경망 모델을 포함하고,상기 데이터 획득부가 획득한 상기 측정된 움직임 데이터를 상기 학습된 인공신경망 모델에 입력하여, 상기 학습된 인공신경망 모델의 출력으로서 상기 대상 운동체의 부위 간 협응도를 유추하는운동 협응도 유추 장치
14 14
제 13 항에 있어서,상기 프로세서부에 의한 처리 결과를 출력하는 출력부를 더 포함하고,상기 프로세서부는, 상기 유추된 대상 운동체의 부위 간 협응도에 기초하여 상기 대상 운동체의 운동 특성을 나타내는 정보를 생성하며,상기 출력부는, 상기 프로세서부의 제어에 따라 상기 대상 운동체의 운동 특성을 나타내는 정보를 출력하는운동 협응도 유추 장치
15 15
제 13 항에 있어서,상기 복수의 움직임 데이터는 상기 학습용 운동체 또는 상기 대상 운동체의 상호 유기적 운동 특성을 갖는 복수의 운동 부위에 대한 움직임 데이터이고,상기 복수의 운동 부위에 대한 발란스 스코어링 결과값을 상기 부위 간 협응도로서 이용하는운동 협응도 유추 장치
16 16
제 15 항에 있어서,상기 움직임 데이터는 상기 복수의 운동 부위 중 적어도 한 운동 부위에 장착된 관성센서에 의해 측정된운동 협응도 유추 장치
17 17
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,학습용 운동체의 운동에 따른 복수 부위에 대한 각각의 움직임 데이터에 해당하는 복수의 움직임 데이터를 획득하는 단계와,상기 복수의 움직임 데이터에 대한 데이터간 유사성에 기초하여 상기 학습용 운동체의 부위 간 협응도를 계산하는 단계와,상기 복수의 움직임 데이터 중 적어도 하나의 움직임 데이터를 입력으로 포함하고 상기 부위 간 협응도를 타켓 변수로 포함하는 학습 데이터 세트를 이용하여, 인공신경망 모델을 학습시키는 단계를 포함하는운동 협응도 유추를 위한 인공신경망 모델 학습 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체
18 18
컴퓨터 판독 가능 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,학습용 운동체의 운동에 따른 복수 부위에 대한 각각의 움직임 데이터에 해당하는 복수의 움직임 데이터 중 적어도 하나의 학습용 움직임 데이터를 입력으로 포함하고 상기 복수의 움직임 데이터에 대한 데이터간 유사성에 기초하여 계산된 상기 학습용 운동체의 부위 간 협응도를 타켓 변수로 포함하는 학습 데이터 세트가 학습된 인공신경망 모델을 준비하는 단계와,대상 운동체로부터 상기 적어도 하나의 학습용 움직임 데이터에 대응하는 부위에 대하여 측정된 움직임 데이터를 상기 학습된 인공신경망 모델에 입력하여, 상기 학습된 인공신경망 모델의 출력으로서 상기 대상 운동체의 부위 간 협응도를 유추하는 단계를 포함하는운동 협응도 유추 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 프로그램
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 서울대학교 산학협력단 인공지능융합선도프로젝트(R&D) 자연지능 모사 인공지능 프레임워크와 인지기반 융합연구개발 파이프라인을 적용한 건강행동 모니터링 및 진단/처방 기술 개발
2 과학기술정보통신부 성균관대학교 개인기초연구(과기정통부)(R&D) 저전력 CMOS 이미징 및 딥러닝 기반 항시 6-DoF Pose 추정 및 객체 인식