요약 | 본 발명은 의사 결정 트리의 학습 및 분류를 위한 연산을 전용 하드웨어를 통해서 내부 연산을 병렬 처리화 하여 빠른 시간 내에 학습 및 분류 작업을 수행할 수 있도록 한 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법에 관한 것으로, 이산형 자료의 처리를 담당하는 모듈들을 갖는 이산형 자료 처리부;연속형 자료의 처리를 담당하는 모듈들을 갖는 연속형 자료 처리부;학습할 데이터의 클래스 정보를 처리하는 클래스 정보 처리부;학습할 데이터의 가중치를 저장하는 가중치 저장부 및 학습 데이터 전체의 가중치(Weight) 합을 구하는 가중치 처리부;FPU(Floating Point Unit)의 사용권을 제어하는 FPU 아비터 및 부동 소수점 연산을 수행하는 FPU;상기 클래스 정보 처리부의 내부 클래스 메모리와 가중치 저장부의 접근을 제어하기 위한 메모리 아비터;학습의 결과가 트리의 형태로 저장되는 학습 결과 저장부 및 학습이 완료된 데이터를 대상으로 분류를 수행하는 데이터 분류부;를 포함하는 것이다. |
---|---|
Int. CL | G06F 17/00 (2006.01) |
CPC | G06F 17/30961(2013.01) G06F 17/30961(2013.01) G06F 17/30961(2013.01) G06F 17/30961(2013.01) |
출원번호/일자 | 1020140079787 (2014.06.27) |
출원인 | 부산대학교 산학협력단 |
등록번호/일자 | 10-1623113-0000 (2016.05.16) |
공개번호/일자 | 10-2016-0001375 (2016.01.06) 문서열기 |
공고번호/일자 | (20160520) 문서열기 |
국제출원번호/일자 | |
국제공개번호/일자 | |
우선권정보 | |
법적상태 | 등록 |
심사진행상태 | 수리 |
심판사항 | |
구분 | 신규 |
원출원번호/일자 | |
관련 출원번호 | |
심사청구여부/일자 | Y (2014.06.27) |
심사청구항수 | 15 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 부산대학교 산학협력단 | 대한민국 | 부산광역시 금정구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 김호원 | 대한민국 | 부산광역시 사하구 |
2 | 이동건 | 대한민국 | 부산광역시 동래구 |
3 | 이연철 | 대한민국 | 부산광역시 연제구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 정기택 | 대한민국 | 서울특별시 서초구 강남대로**길 **, *층 (반포동, 새로나빌딩)(스카이특허법률사무소) |
2 | 오위환 | 대한민국 | 서울특별시 서초구 강남대로**길 **, *층 (반포동, 새로나빌딩)(스카이특허법률사무소) |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 부산대학교 산학협력단 | 부산광역시 금정구 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 [Patent Application] Patent Application |
2014.06.27 | 수리 (Accepted) | 1-1-2014-0606439-52 |
2 | 선행기술조사의뢰서 Request for Prior Art Search |
2015.04.10 | 수리 (Accepted) | 9-1-9999-9999999-89 |
3 | 선행기술조사보고서 Report of Prior Art Search |
2015.06.10 | 수리 (Accepted) | 9-1-2015-0040286-31 |
4 | 의견제출통지서 Notification of reason for refusal |
2015.06.22 | 발송처리완료 (Completion of Transmission) | 9-5-2015-0412954-96 |
5 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2015.08.24 | 수리 (Accepted) | 1-1-2015-0818495-05 |
6 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2015.09.22 | 수리 (Accepted) | 1-1-2015-0923811-71 |
7 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2015.10.05 | 수리 (Accepted) | 1-1-2015-0964432-75 |
8 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2015.10.21 | 수리 (Accepted) | 1-1-2015-1021923-08 |
9 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2015.10.22 | 수리 (Accepted) | 1-1-2015-1026691-61 |
10 | [명세서등 보정]보정서 [Amendment to Description, etc.] Amendment |
2015.11.11 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2015-1099078-82 |
11 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 [Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation) |
2015.11.11 | 수리 (Accepted) | 1-1-2015-1099056-88 |
12 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2016.01.13 | 수리 (Accepted) | 4-1-2016-5004891-78 |
13 | 등록결정서 Decision to grant |
2016.03.10 | 발송처리완료 (Completion of Transmission) | 9-5-2016-0184056-18 |
14 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2017.01.09 | 수리 (Accepted) | 4-1-2017-5004005-98 |
15 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2017.01.10 | 수리 (Accepted) | 4-1-2017-5004797-18 |
번호 | 청구항 |
---|---|
1 |
1 이산형 자료의 처리를 담당하는 모듈들을 갖는 이산형 자료 처리부;연속형 자료의 처리를 담당하는 모듈들을 갖는 연속형 자료 처리부;학습할 데이터의 클래스 정보를 처리하는 클래스 정보 처리부;학습할 데이터의 가중치를 저장하는 가중치 저장부 및 학습 데이터 전체의 가중치(Weight) 합을 구하는 가중치 처리부;FPU(Floating Point Unit)의 사용권을 제어하는 FPU 아비터 및 부동 소수점 연산을 수행하는 FPU;상기 클래스 정보 처리부의 내부 클래스 메모리와 가중치 저장부의 접근을 제어하기 위한 메모리 아비터;학습의 결과가 트리의 형태로 저장되는 학습 결과 저장부 및 학습이 완료된 데이터를 대상으로 분류를 수행하는 데이터 분류부;를 포함하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
2 |
2 제 1 항에 있어서, 상기 이산형 자료 처리부의 이산형 자료의 처리를 담당하는 모듈들은 이산형 속성의 개수에 따라 확장 또는 축소되는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
3 |
3 제 2 항에 있어서, 상기 이산형 자료 처리부가 갖는 이산형 자료 처리 모듈은,학습에 필요한 해당 속성의 데이터를 저장하기 위한 메모리와,각 데이터에 따른 가중치 누적합과 데이터 및 클래스에 따른 가중치 누적합 및 알려진 값에 대해서만 클래스에 따른 가중치 누적합을 계산하기 위한 카운터 모듈과,정보량의 이득(Gain) 및 특정 속성을 선택함으로써 얻을 수 있는 정보량(Information) 계산을 수행하는 제어 모듈과,제어 모듈에 종속되어 BaseInfo(데이터 셋에서 클래스 값 빈도별로 classcount*log(classcount) 를 sum 하여, 이값을 knownitems*log(knownitems)로 부터 뺀 후 knownitems로 나눈 값) 연산을 수행하는 제 1 서브 제어 모듈과,제어 모듈에 종속되어 연산을 수행하는 제 2 서브 제어 모듈을 포함하고,여기서, ClassCount는 각 속성별로 Unknown 값(속성값이 기재되어 있지 않거나 지정된 범위를 넘어간 상태)을 제외한 클래스 별 빈도 계산 계수이고, KnownItems는 특성 속성의 값이 기재되어 있지 않은 데이터를 제외한 데이터, n은 특정 속성이 분류되는 종류, N은 데이터의 개수인 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
4 |
4 제 1 항에 있어서, 연속형 자료 처리부의 연속형 자료의 처리를 담당하는 모듈들은 연속형 속성의 개수에 따라 확장 또는 축소되는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
5 |
5 제 4 항에 있어서, 연속형 자료 처리부가 갖는 연속형 자료 처리 모듈은,학습에 필요한 해당 속성의 데이터를 저장하기 위한 메모리와,연속형 데이터와의 인덱스를 추적하기 위한 포인터를 저장하기 위한 메모리와,특정 기준보다 작은 값 및 큰 값의 가중치 누적합과 기준에 따른 분류 및 클래스에 따른 가중치 누적합을 계산하기 위한 카운터 모듈과,정보량의 이득(Gain) 및 특정 속성을 선택함으로써 얻을 수 있는 정보량(Information) 계산을 수행하는 제어 모듈을 포함하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
6 |
6 제 1 항에 있어서, 클래스 정보 처리부는,각 데이터의 클래스 값을 저장하기 위한 메모리와,각 클래스 값에 따른 가중치 누적합을 계산하기 위한 카운터를 포함하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
7 |
7 제 1 항에 있어서, 데이터 분류부는, 분류 작업을 수행할 때 로컬 변수를 처리하기 위한 스택과,트리 메모리의 노드를 순회하면서 분류를 하고자 하는 데이터에 따라 각 클래스 별로 가중치를 누적시키는 CLASS SUM 모듈을 포함하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
8 |
8 제 1 항에 있어서, 재귀적 호출(Recursive Call)에 의해 실행되는 의사 결정 트리의 학습 과정에서 현재 단계에서 사용하던 각종 변수들이 재귀 호출에서 다시 돌아왔을 때도 참조할 수 있도록 변수들을 스택과 같은 형태로 저장하는 변수 저장부를 더 포함하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
9 |
9 제 1 항에 있어서, 학습 결과 저장부에서의 트리 메모리의 주소 인덱스는 트리 노드의 번호이며,트리를 순회할 수 있도록 자식 노드 및 부모 노드에 대한 참조 주소, 각 노드에서의 분류에 사용되는 속성, 가지 개수, 분류 기준, 노드의 타입, 현재 노드에서의 아이템 개수에 대한 정보를 노드마다 유지하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 장치 |
10 |
10 의사 결정 트리의 학습과 분류를 위한 장치에서의 학습 과정 제어를 위하여,학습 범위에 있는 이산형 자료 및 연속형 자료에 대한 계수를 수행하는 단계;가장 빈도가 많은 클래스의 아이템 수가 전체 아이템 수와 같거나 일정 수보다 아이템 수가 적은지를 판단하는 단계;이산형 자료 및 연속형 자료에 대한 정보량의 이득(Gain) 및 특정 속성을 선택함으로써 얻을 수 있는 정보량(Info) 계산을 위해 이산형 자료 처리부 및 연속형 자료 처리부를 구동하는 단계;각 속성별로 Gain, Info를 이용해 분류 기준을 선택하는 단계;분류 기준에 따라 트리 노드를 생성하고 학습 데이터를 그룹화하고, 각 그룹별로 가지 노드를 생성하고, 각 그룹별로 재귀 호출하는 단계;모든 가지 노드 별로 재귀 호출 완료 후 현재 노드를 반환하는 단계;를 포함하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 방법 |
11 |
11 제 10 항에 있어서, 계수를 수행하는 단계에서,이산형 자료 처리부와 연속형 자료 처리부 내부의 메모리, 클래스 메모리, 가중치 저장부의 학습 데이터를 이용하여, 동일한 열(Row)의 데이터를 이용해 해당 데이터와 클래스에 해당하는 카운터에 가중치를 누적하여 더하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 방법 |
12 |
12 제 10 항에 있어서, 이산형 자료의 정보량의 이득(Gain) 및 특정 속성을 선택함으로써 얻을 수 있는 정보량(Info) 계산을 위하여,상위 모드에서 분류 기준으로 선택되었던 속성인지를 판단하는 단계;KnownItems(특성 속성의 값이 기재되어 있지 않은 데이터를 제외한 데이터) 수를 계산하고, KnownItems이 없을 경우 동작을 중지할지를 결정하는 단계;ThisInfo(특정 속성에서 속성값별로 TotalInfo를 계산하여 누적한 값) 계산을 수행하고, 제 1 서브 모듈로 하여금 BaseInfo(데이터 셋에서 클래스 값 빈도별로 classcount*log(classcount) 를 sum 하여, 이값을 knownitems*log(knownitems)로 부터 뺀 후 knownitems로 나눈 값)를 병렬로 연산하도록 제어하는 단계;제 2 서브 모듈로 하여금 계산을 병렬로 연산하도록 제어하는 단계;ThisInfo와 BaseInfo연산이 끝나면 정보량의 이득(Gain)을 계산하는 단계;를 포함하고,여기서, ClassCount는 각 속성별로 Unknown 값(속성값이 기재되어 있지 않거나 지정된 범위를 넘어간 상태)을 제외한 클래스 별 빈도 계산 계수이고, KnownItems는 특성 속성의 값이 기재되어 있지 않은 데이터를 제외한 데이터, n은 특정 속성이 분류되는 종류, N은 데이터의 개수인 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 방법 |
13 |
13 제 10 항에 있어서, 연속형 자료의 정보량의 이득(Gain) 및 특정 속성을 선택함으로써 얻을 수 있는 정보량(Info) 계산을 위하여,정보량(Info) 계산을 하고자 하는 속성을 기준으로 학습 데이터를 오름차순으로 정렬하고, KnownItems(특성 속성의 값이 기재되어 있지 않은 데이터를 제외한 데이터) , UnknownRate(전체 데이터 중 특성 속성의 값이 기재되어 있지 않은 데이터의 비율), BaseInfo((데이터 셋에서 클래스 값 빈도별로 classcount*log(classcount) 를 sum 하여, 이값을 knownitems*log(knownitems)로 부터 뺀 후 knownitems로 나눈 값)를 계산하는 단계;정보량의 이득(Gain) 연산을 스킵해도 되는 MinSplit(연속형 속성에서 split 지점으로 삼을 수 있는 최소값) 지점을 계산하기 위한 연산을 수행하는 단계;BestSplitGain(연속형 속성에서 각 지점을 split 지점으로 하였을 때의 Gain에서 가장 높은 값)을 계산하고, 저장된 가중치 합을 이용해서 BestInfoGain(Info Gain중에서 가장 높은 값)의 연산을 수행하는 단계;저장된 데이터 값을 이용해 Bar(분류 수행시의 Split의 기준값)를 계산하는 단계;를 포함하고,여기서, ClassCount는 각 속성별로 Unknown 값(속성값이 기재되어 있지 않거나 지정된 범위를 넘어간 상태)을 제외한 클래스 별 빈도 계산 계수인 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 방법 |
14 |
14 제 13 항에 있어서, 각 학습 데이터를 오름차순으로 정렬한 이후, 정보량(Info) 계산을 하고자 하는 속성을 기준으로 작은 값으로부터, 큰 값으로 옮겨가면서 SplitGain(연속형 속성에서 각 지점을 split 지점으로 하였을 때의 gain)을 연산하는 과정을 포함하고,각 SplitGain을 계산하고, 그 값과 BestSplitGain(연속형 속성에서 각 지점을 split 지점으로 하였을 때의 Gain에서 가장 높은 값)과 비교하여 더 클 경우에 마지막에 연산된 값으로 갱신하고,그때의 기준값보다 작은 값의 가중치 누적합과 큰 값의 가중치 누적값을 갱신하고,그때의 값과, 다음 인덱스의 값을 저장하고, BestSplitGain을 선정한 이후에 SplitInfo(연속형 속성에서 각 지점을 split 지점으로 하였을 때의 information) 및 Bar(분류 수행시의 Split의 기준값)의 연산을 수행하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 방법 |
15 |
15 제 10 항에 있어서, 의사 결정 트리의 학습과 분류를 위한 장치에서의 분류 과정 제어를 위하여,최상위 노드, 노트 탐색이 끝난 상태인지에 따라 분류 종료 조건을 판단하여, BestClass(분류의 결과 class) 리턴 여부를 결정하는 단계;잎 노드를 참조할 경우, 가중치(Weight)를 통해 ClassSum(BestClass 계산시 비교를 위해 Weight를 축적한 값)을 갱신하고, 노드 포인터를 변경하고 스택 포인터를 감소시키는 단계;잎 노드를 참조하지 않을 경우, 현재 참조 값이 Unknown(특정 속성의 값이 기재되어 있지 않은 데이터)인지에 따라, 아이템을 통해 가중치(Weight)를 갱신할지를 결정하여 스택에 가중치를 저장하고, 스택 포인터를 증가시키는 단계;분류 기준에 따라 다음 노드를 판단하여 노드의 포인터를 변경하고, 다시 상기 최상위 노드이며 노드 탐색이 끝난 상태인지를 판단하는 단계;를 포함하는 것을 특징으로 하는 의사 결정 트리의 학습과 분류를 위한 방법 |
지정국 정보가 없습니다 |
---|
패밀리정보가 없습니다 |
---|
순번 | 연구부처 | 주관기관 | 연구사업 | 연구과제 |
---|---|---|---|---|
1 | 미래창조과학부 | 부산대학교 산학협력단 | 대학ICT연구센터육성지원사업 | 에너지효율화를 위한 사물인터넷 플랫폼 개발 및 창의적 인재양성 |
2 | 산업통상자원부 | 부산대학교 산학협력단 | 산업융합원천기술개발사업(지식서비스USN) | (RCMS)개방형 고성능 표준 IoT 디바이스 및 지능형 SW개발 |
특허 등록번호 | 10-1623113-0000 |
---|
표시번호 | 사항 |
---|---|
1 |
출원 연월일 : 20140627 출원 번호 : 1020140079787 공고 연월일 : 20160520 공고 번호 : 특허결정(심결)연월일 : 20160310 청구범위의 항수 : 15 유별 : G06F 17/00 발명의 명칭 : 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법 존속기간(예정)만료일 : |
순위번호 | 사항 |
---|---|
1 |
(권리자) 부산대학교 산학협력단 부산광역시 금정구... |
제 1 - 3 년분 | 금 액 | 315,000 원 | 2016년 05월 17일 | 납입 |
제 4 년분 | 금 액 | 185,000 원 | 2019년 05월 02일 | 납입 |
제 5 년분 | 금 액 | 185,000 원 | 2020년 04월 24일 | 납입 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 | 2014.06.27 | 수리 (Accepted) | 1-1-2014-0606439-52 |
2 | 선행기술조사의뢰서 | 2015.04.10 | 수리 (Accepted) | 9-1-9999-9999999-89 |
3 | 선행기술조사보고서 | 2015.06.10 | 수리 (Accepted) | 9-1-2015-0040286-31 |
4 | 의견제출통지서 | 2015.06.22 | 발송처리완료 (Completion of Transmission) | 9-5-2015-0412954-96 |
5 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2015.08.24 | 수리 (Accepted) | 1-1-2015-0818495-05 |
6 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2015.09.22 | 수리 (Accepted) | 1-1-2015-0923811-71 |
7 | [출원서등 보정]보정서 | 2015.10.05 | 수리 (Accepted) | 1-1-2015-0964432-75 |
8 | [출원서등 보정]보정서 | 2015.10.21 | 수리 (Accepted) | 1-1-2015-1021923-08 |
9 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2015.10.22 | 수리 (Accepted) | 1-1-2015-1026691-61 |
10 | [명세서등 보정]보정서 | 2015.11.11 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2015-1099078-82 |
11 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 | 2015.11.11 | 수리 (Accepted) | 1-1-2015-1099056-88 |
12 | 출원인정보변경(경정)신고서 | 2016.01.13 | 수리 (Accepted) | 4-1-2016-5004891-78 |
13 | 등록결정서 | 2016.03.10 | 발송처리완료 (Completion of Transmission) | 9-5-2016-0184056-18 |
14 | 출원인정보변경(경정)신고서 | 2017.01.09 | 수리 (Accepted) | 4-1-2017-5004005-98 |
15 | 출원인정보변경(경정)신고서 | 2017.01.10 | 수리 (Accepted) | 4-1-2017-5004797-18 |
기술번호 | KST2017004744 |
---|---|
자료제공기관 | 기관 |
기술공급기관 | 부산대학교 |
기술명 | 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법 |
기술개요 |
본 발명은 의사 결정 트리의 학습 및 분류를 위한 연산을 전용 하드웨어를 통해서 내부 연산을 병렬 처리화 하여 빠른 시간 내에 학습 및 분류 작업을 수행할 수 있도록 한 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법에 관한 것으로, 이산형 자료의 처리를 담당하는 모듈들을 갖는 이산형 자료 처리부;연속형 자료의 처리를 담당하는 모듈들을 갖는 연속형 자료 처리부;학습할 데이터의 클래스 정보를 처리하는 클래스 정보 처리부;학습할 데이터의 가중치를 저장하는 가중치 저장부 및 학습 데이터 전체의 가중치(Weight) 합을 구하는 가중치 처리부;FPU(Floating Point Unit)의 사용권을 제어하는 FPU 아비터 및 부동 소수점 연산을 수행하는 FPU;상기 클래스 정보 처리부의 내부 클래스 메모리와 가중치 저장부의 접근을 제어하기 위한 메모리 아비터;학습의 결과가 트리의 형태로 저장되는 학습 결과 저장부 및 학습이 완료된 데이터를 대상으로 분류를 수행하는 데이터 분류부;를 포함하는 것이다. |
개발상태 | |
기술의 우수성 | |
응용분야 | |
시장규모 및 동향 | |
희망거래유형 | |
사업화적용실적 | |
도입시고려사항 |
과제고유번호 | 1415125321 |
---|---|
세부과제번호 | 10043907 |
연구과제명 | 개방형 고성능 표준 IoT 디바이스 및 지능형 SW 개발 |
성과구분 | 출원 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2012 |
연구기간 | 201212~201802 |
기여율 | 0.5 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1711020840 |
---|---|
세부과제번호 | R0101-14-0129 |
연구과제명 | 개방형 고성능 표준 IoT 디바이스 및 지능형 SW 개발 |
성과구분 | 출원 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2014 |
연구기간 | 201212~201802 |
기여율 | 0.5 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
[1020140119066] | 양식 어류의 건강상태를 모니터링하기 위한 장치 및 방법 | 새창보기 |
---|---|---|
[1020140119066] | 양식 어류의 건강상태를 모니터링하기 위한 장치 및 방법 | 새창보기 |
[1020140079787] | 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법 | 새창보기 |
[1020140079787] | 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법 | 새창보기 |
[1020140065121] | FPGA에서 물리적 복제 방지 함수 회로를 구현하기 위한 장치 | 새창보기 |
[1020140065121] | FPGA에서 물리적 복제 방지 함수 회로를 구현하기 위한 장치(Apparatus To Implement Physically Unclonable Functions On FPGA) | 새창보기 |
[1020140065121] | FPGA에서 물리적 복제 방지 함수 회로를 구현하기 위한 장치 | 새창보기 |
[1020130011450] | 리셋 신호 경로상의 버퍼를 이용한 광학 오류 주입 탐지 회로 | 새창보기 |
[1020130011450] | 리셋 신호 경로상의 버퍼를 이용한 광학 오류 주입 탐지 회로 | 새창보기 |
[1020130011450] | 리셋 신호 경로상의 버퍼를 이용한 광학 오류 주입 탐지 회로 | 새창보기 |
[1020130011450] | 리셋 신호 경로상의 버퍼를 이용한 광학 오류 주입 탐지 회로 | 새창보기 |
[1020100135956] | 저 전력 6LoWPAN 프로토콜의 데이터 전달방법 | 새창보기 |
[KST2015227793][부산대학교] | 사진 기반 인물 친밀도 구축 장치 및 방법, 그리고 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 | 새창보기 |
---|---|---|
[KST2015228217][부산대학교] | RFID 이벤트 데이터 셋 생성 시스템 | 새창보기 |
[KST2017004320][부산대학교] | 하폐수 처리장의 공정진단 시스템 및 방법 | 새창보기 |
[KST2014058701][부산대학교] | 하폐수 처리장의 공정진단 시스템 및 방법 | 새창보기 |
[KST2017004764][부산대학교] | 비선형 클라인-고든 방정식의 적분방정식 방법을 이용한 해석방법 | 새창보기 |
[KST2015171702][부산대학교] | 연속 질의 색인을 이용한 RFID 미들웨어 장치 및 방법 | 새창보기 |
[KST2015228607][부산대학교] | 코딩 스타일에 기초한 소스코드 시각화 장치 및 방법 | 새창보기 |
[KST2015172135][부산대학교] | SaaS 환경에서 SLA 보장을 위한 장치 및 그 방법 | 새창보기 |
[KST2017004617][부산대학교] | 다차원 시간차 분석 방법 및 장치 | 새창보기 |
[KST2015172123][부산대학교] | 거리를 이용한 프로세스 분석 방법 및 시스템 | 새창보기 |
[KST2015227672][부산대학교] | 하수처리장 에너지소비상태 진단에 따른 에너지 절감 예측시스템 및 방법 | 새창보기 |
[KST2017005152][부산대학교] | 코딩 스타일에 기초한 소스코드 시각화 장치 및 방법 | 새창보기 |
[KST2015016210][부산대학교] | 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법 | 새창보기 |
[KST2017004463][부산대학교] | 모바일 상황인식 서비스 개발을 위한 온톨로지 모델링 도구 | 새창보기 |
[KST2015228190][부산대학교] | 다차원 시간차 분석 방법 및 장치 | 새창보기 |
[KST2018010659][부산대학교] | CCTV영상을 이용한 하천 범람 예측 | 새창보기 |
[KST2015171589][부산대학교] | 프로그램 소스의 표절 탐색 방법 및 이를 이용한프로그래밍 과제의 채점 시스템 | 새창보기 |
[KST2015228045][부산대학교] | 모바일 상황인식 서비스 개발을 위한 온톨로지 모델링 도구 | 새창보기 |
[KST2017004149][부산대학교] | 사진 기반 인물 친밀도 구축 장치 및 방법, 그리고 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 | 새창보기 |
[KST2015172034][부산대학교] | 불균일 단면형상의 무한 보 변형특성 추정을 위한 비선형 반복법 적용 수치해석방법 | 새창보기 |
[KST2015171957][부산대학교] | 가상 컨테이너 터미널 프레임워크를 사용한 컨테이너 터미널 운영 시스템 검증 기법 | 새창보기 |
[KST2017004879][부산대학교] | 빅데이터의 사회네트워크 시각화 알고리즘 | 새창보기 |
[KST2014041525][부산대학교] | SWRL 룰 정의 시스템 | 새창보기 |
[KST2015171895][부산대학교] | 계층적 벤치마킹 시스템 및 그 방법 | 새창보기 |
[KST2017004644][부산대학교] | RFID 이벤트 데이터 셋 생성 시스템 | 새창보기 |
[KST2017004027][부산대학교] | 하수처리장 에너지소비상태 진단에 따른 에너지 절감 예측시스템 및 방법 | 새창보기 |
[KST2018006790][부산대학교] | 지자기 센서 및 자기 페인트 도장을 통해 향상된 정확도를 가지는 실내 측위를 위한 시스템 및 방법(System and method for indoor positioning with improved accuracy through geomagnetic sensor and magnetic paint painting) | 새창보기 |
심판사항 정보가 없습니다 |
---|