맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법

  • 기술번호 : KST2014059328
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
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 본 발명은 전체 가우스 공분산이 적용 된 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법에 관한 것으로서, 트레이닝을 위한 입력 신호를 분할하여 프레임 시퀀스로 출력하는 과정과, 상기 프레임 시퀀스에서 특징 벡터를 추출하는 과정과, 상기 특징 벡터를 이용 상기 가우스 공분산이 적용 된 조건부 랜덤 필드 모델을 통해 매개 변수를 계산하고, 상기 구해진 매개 변수를 적용한 은닉 조건부 랜덤 필드 모델이 측정 된 테스트 입력 신호를 상기와 동일한 분할하여 프레임 시퀀스로 출력하고 특징 벡터를 추출하는 과정을 거친 특성 벡터를 입력 받아 상기 실제 패턴을 지시하는 라벨을 추론하는 단계와, 이를 해석하는 방법으로 각각 조건부 확률 벡터/전이 확률 벡터/가우스 혼합 가중치/가우스 분포 평균/가우스 분포의 공분산에 대한 기울기 값의 계산법을 제안하는 과정을 포함한다.
Int. CL G06F 17/00 (2006.01) G06F 17/10 (2006.01)
CPC
출원번호/일자 1020110117870 (2011.11.11)
출원인 경희대학교 산학협력단
등록번호/일자 10-1300247-0000 (2013.08.20)
공개번호/일자 10-2013-0052432 (2013.05.22) 문서열기
공고번호/일자 (20130826) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2011.12.05)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경희대학교 산학협력단 대한민국 경기도 용인시 기흥구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이승룡 대한민국 경기도 성남시 분당구
2 이영구 대한민국 경기도 수원시 영통구
3 라더빈 베트남 경기도 용인시 기흥구

대리인

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

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 경희대학교 산학협력단 경기도 용인시 기흥구
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		 2011.11.11 수리 (Accepted) 1-1-2011-0893764-25
2 [심사청구]심사청구(우선심사신청)서
[Request for Examination] Request for Examination (Request for Preferential Examination)		 2011.12.05 수리 (Accepted) 1-1-2011-0965698-21
3 의견제출통지서
Notification of reason for refusal		 2013.03.25 발송처리완료 (Completion of Transmission) 9-5-2013-0196715-10
4 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2013.05.21 수리 (Accepted) 1-1-2013-0447431-12
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2013.05.21 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2013-0447423-57
6 등록결정서
Decision to grant		 2013.08.12 발송처리완료 (Completion of Transmission) 9-5-2013-0555995-42
7 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2015.03.09 수리 (Accepted) 4-1-2015-5029677-09
8 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.19 수리 (Accepted) 4-1-2019-5164254-26
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
(A) 미리 상태를 알고 있는 패턴에 대하여 측정되는 트레이닝 입력 신호로부터의 특징 벡터를 추출하는 단계;(B) 전체 공분산 가우스 분포의 조합을 적용한 은닉 조건부 랜덤 필드 모델이, 상기 특징 벡터와 상기 미리 상태를 알고 있는 패턴을 지시하는 라벨의 조합을 다수 개 입력받아서 상기 은닉 조건부 랜덤 필드 모델의 매개 변수를 구하는 단계; 및(C) 상기 매개 변수가 적용된 상기 은닉 조건부 랜덤 필드 모델이, 사용자로부터 측정된 테스트 입력 신호로부터 추출된 특징 벡터를 입력받아서 상기 사용자로부터 측정된 테스트 입력에 대한 패턴을 지시하는 라벨을 추론하는 단계를 포함하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법
2 2
제1항에 있어서, 상기 단계(A)는(A1)상기 트레이닝 입력 신호를 분할하여 프레임 시퀀스로 출력하는 단계; 및(A2)상기 프레임 시퀀스에서 상기 트레이닝 입력 신호의 특징 벡터를 추출하는 단계를 포함하는 것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법
3 3
제1항에 있어서,상기 단계 (C)에서 사용 되는 특징 벡터는 상기 단계 (A)에 적용 된 알고리즘과 동일한 알고리즘을 사용하여 추출되는 것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법
4 4
제1항에 있어서,상기 단계 (C)는 상기 매개 변수가 적용된 상기 은닉 조건부 랜덤 필드 모델이 상기 테스트 입력 신호의 특징 벡터를 입력 받아서 어느 특정 상태의 시퀀스를 나타내는 상태 시퀀스의 확률을 산출하는 과정을 포함하는 것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법
5 5
제1항에 있어서,상기 전체 공분산 가우스 분포의 조합은 상기 특징 벡터의 서로 다른 쌍들 사이의 상관관계 정보가 포함된 것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법
6 6
제1항에 있어서,상기 특징 벡터를 나타내는 특징 함수는 선험적 확률 벡터, 전이 확률 벡터, 관측 확률 벡터의 세 개의 함수를 포함하고,상기 선험적 확률 벡터는, 에 의해 산출 되며,상기 전이확률 벡터는, 에 의해 산출 되며,상기 관측확률 벡터는,에 의해 산출되며,이 때 정규 분포 N은, 에 의해 산출되며,X는 입력 트레이닝 데이터, Y는 입력 값 X의 트레이닝 라벨, 는 선험적 확률 가중치, 전이 가중치, 관측 가중치를 포함하는 설정 모델의 매개변수 벡터, 는 모델의 특징 벡터, S는 상태의 시퀀스, 은 숨겨진 상태의 시퀀스, 는 델타 함수, m은 밀도 함수의 개수, D는 트레이닝 데이터의 차원, 는 스칼라 값을 가지는 가우스 혼합 가중치, μ는 가우스 분포의 평균 벡터, 는 가우스 분포의 공분산 행렬, xt는 시간 t에 대한 데이터 벡터, 임을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법
7 7
제6항에 있어서,상기 선험적 확률 벡터의 선험적 확률 변수에 대한 기울기 함수는,에 의해 산출 되며,상기 전이 확률 벡터의 전이 확률 변수에 대한 기울기 함수는에 의해 산출 되며,상기 가우스 혼합 가중치의 변수에 대한 기울기 함수는에 의해 산출 되며,상기 가우스 분포의 평균 벡터 가우스 분포 평균 의 기울기는에 의해 산출 되며,상기 가우스 분포의 공분산 행렬에 대한 기울기 함수는에 의해 산출 되며,이 때, 함수γ(t)는,에 의해 산출 되는,것을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법
8 8
제7항에 있어서,상기 상태 시퀀스의 확률인 는,에 의해 산출 되며,이 함수는 정규화 인자로,에 의해 산출 되며, 상기에서 X는 트레이닝 데이터 이고, Y는 트레이닝 라벨 이고, 는 모델의 매개변수 벡터, 는 모델의 특징 벡터, 은 숨겨진 상태의 시퀀스, m은 가우스 분포의 숫자임을 특징으로 하는 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 US20130124438 US 미국 FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 US2013124438 US 미국 DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 지식경제부 경희대학교 산학협력단 대학 IT연구센터 지원 사업 동서신의학 u-라이프케어 기술 연구