맞춤기술찾기

이전대상기술

불균형 데이터 분석 방법 및 시스템

  • 기술번호 : KST2023009806
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 불균형 데이터 분석 방법 및 시스템이 제시된다. 본 발명에서 제안하는 불균형 데이터 분석 방법은 데이터 셋의 클래스를 계층적 데이터 구조로 재구성하는 단계, 재구성된 계층적 데이터 구조에 관한 상하위 클래스의 결합 확률을 추정하는 단계 및 상기 계층적 데이터 구조 및 미리 학습된 지식을 이용하는 전이학습을 통해 딥러닝 기반 상태 판별 모델을 학습하는 단계를 포함한다.
Int. CL G06F 16/28 (2019.01.01) G06N 3/08 (2023.01.01) G16H 10/60 (2018.01.01) G16Y 20/40 (2020.01.01)
CPC G06F 16/282(2013.01) G06F 16/285(2013.01) G06N 3/08(2013.01) G16H 10/60(2013.01) G16Y 20/40(2013.01)
출원번호/일자 1020220050227 (2022.04.22)
출원인 한국과학기술원
등록번호/일자
공개번호/일자 10-2023-0150621 (2023.10.31) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 10

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 최준균 대전광역시 유성구
2 김나경 대전광역시 유성구
3 박현서 대전광역시 유성구
4 이경호 대전광역시 유성구
5 오현택 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

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
2022.04.22 수리 (Accepted) 1-1-2022-0436547-63
2 특허고객번호 정보변경(경정)신고서·정정신고서
2023.01.31 수리 (Accepted) 4-1-2023-5023571-05
3 특허고객번호 정보변경(경정)신고서·정정신고서
2023.05.04 수리 (Accepted) 4-1-2023-5110236-33
4 [심사청구]심사청구서·우선심사신청서
2023.10.26 접수중 (On receiving) 1-1-2023-1176340-56
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
데이터 셋의 클래스를 계층적 데이터 구조로 재구성하는 단계; 재구성된 계층적 데이터 구조에 관한 상하위 클래스의 결합 확률을 추정하는 단계; 및상기 계층적 데이터 구조 및 미리 학습된 지식을 이용하는 전이학습을 통해 딥러닝 기반 상태 판별 모델을 학습하는 단계 를 포함하는 불균형 데이터 분석 방법
2 2
제1항에 있어서,상기 계층적 데이터 구조 및 미리 학습된 지식을 이용하는 전이학습을 통해 딥러닝 기반 상태 판별 모델을 학습하는 단계는, 하위 클래스에 대해 계층적 지역 분류기를 학습하는 단계; 상기 학습된 계층적 지역 분류기의 지식을 재구성된 계층적 데이터 구조를 갖는 전역 분류기로 전이하는 단계; 및 상기 전역 분류기를 학습 및 조정하는 단계 를 포함하는 불균형 데이터 분석 방법
3 3
제2항에 있어서,상기 학습된 계층적 지역 분류기의 지식을 재구성된 계층적 데이터 구조를 갖는 전역 분류기로 전이하는 단계는, 상기 계층적 지역 분류기를 학습하여 얻은 지식을 계층적 데이터 구조를 모방하는 하나의 전역 분류기에 전이하여 샘플 수가 감소된 클래스에 대해 학습을 수행하도록 하는불균형 데이터 분석 방법
4 4
제1항에 있어서,상기 재구성된 계층적 데이터 구조에 관한 상하위 클래스의 결합 확률을 추정하는 단계는, 계층 구조로 재구성된 데이터 셋에 따른 상태 분류를 위해 주어진 상위 클래스와 하위 클래스의 결합 확률을 추정하고, 상기 결합 확률은 생체 정보 특성이 관찰될 때 상위 클래스가 발생할 확률 및 상기 상위 클래스에 대한 정보와 생체 정보가 주어졌을 때 하위 클래스가 발생할 확률의 조합으로 나타내는 불균형 데이터 분석 방법
5 5
데이터 셋의 클래스를 계층적 데이터 구조로 재구성하는 데이터 재구성부; 재구성된 계층적 데이터 구조에 관한 상하위 클래스의 결합 확률을 추정하는 데이터 클래스 분석부; 및상기 계층적 데이터 구조 및 미리 학습된 지식을 이용하는 전이학습을 통해 딥러닝 기반 상태 판별 모델을 학습하는 상태 판별부 를 포함하는 불균형 데이터 분석 시스템
6 6
제5항에 있어서,상기 상태 판별부는, 하위 클래스에 대해 계층적 지역 분류기를 학습하고, 상기 학습된 계층적 지역 분류기의 지식을 재구성된 계층적 데이터 구조를 갖는 전역 분류기로 전이하며, 상기 전역 분류기를 학습 및 조정하는 불균형 데이터 분석 시스템
7 7
제6항에 있어서,상기 상태 판별부는, 상기 계층적 지역 분류기를 학습하여 얻은 지식을 계층적 데이터 구조를 모방하는 하나의 전역 분류기에 전이하여 샘플 수가 감소된 클래스에 대해 학습을 수행하도록 하는 불균형 데이터 분석 시스템
8 8
제5항에 있어서,상기 데이터 클래스 분석부는, 계층 구조로 재구성된 데이터 셋에 따른 상태 분류를 위해 주어진 상위 클래스와 하위 클래스의 결합 확률을 추정하고, 상기 결합 확률은 생체 정보 특성이 관찰될 때 상위 클래스가 발생할 확률 및 상기 상위 클래스에 대한 정보와 생체 정보가 주어졌을 때 하위 클래스가 발생할 확률의 조합으로 나타내는 불균형 데이터 분석 시스템
9 9
불균형 데이터 분석 시스템에 의해 수행되는 불균형 데이터 분석 방법을 실행시키기 위해 컴퓨터 판독 가능한 저장 매체에 저장된 프로그램에 있어서,데이터 셋의 클래스를 계층적 데이터 구조로 재구성하는 단계; 재구성된 계층적 데이터 구조에 관한 상하위 클래스의 결합 확률을 추정하는 단계; 및상기 계층적 데이터 구조 및 미리 학습된 지식을 이용하는 전이학습을 통해 딥러닝 기반 상태 판별 모델을 학습하는 단계 를 포함하는 컴퓨터 판독 가능한 저장 매체에 저장된 프로그램
10 10
제9항에 있어서,상기 계층적 데이터 구조 및 미리 학습된 지식을 이용하는 전이학습을 통해 딥러닝 기반 상태 판별 모델을 학습하는 단계는, 하위 클래스에 대해 계층적 지역 분류기를 학습하는 단계; 상기 학습된 계층적 지역 분류기의 지식을 재구성된 계층적 데이터 구조를 갖는 전역 분류기로 전이하는 단계; 및 상기 전역 분류기를 학습 및 조정하는 단계 를 포함하는 컴퓨터 판독 가능한 저장 매체에 저장된 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 산업통상자원부 한국과학기술원 산업기술혁신사업 (N02210129)(RCMS)1인 가구용 지능형 생활공간을 위한 IoT+AI기술 과제(2021년도)