맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

사물들의 집단 기계학습 장치 및 방법(Device for collective machine learning of things and method thereof)

  • 기술번호 : KST2018004408
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 사물들의 깁단 기계학습 장치 및 방법에 관한 것으로서, 본 발명의 실시예에 따른 사물들의 깁단 기계학습 장치는 외부로부터 유입되는 입력 데이터와 정답을 함께 입력받고, 상기 입력 데이터로부터 상기 정답을 이끌어내기 위한 학습 모델을 생성하는 개별기계학습부, 주변의 다른 단말들의 학습 결과를 수신하고, 상기 개별기계학습부에서 생성된 상기 학습 모델과 상기 수신된 학습 결과를 이용하여 학습 모델을 도출하는 집단기계학습부, 상기 개별기계학습부 및 상기 집단기계학습부로부터 수신되는 학습 모델 정보를 이용하여 실시간으로 학습 결과를 갱신하고 관리하는 학습결과 관리부를 포함한다.
Int. CL G06N 20/20 (2019.01.01)
CPC G06N 20/20(2013.01)
출원번호/일자 1020160129701 (2016.10.07)
출원인 한국전자통신연구원
등록번호/일자 10-2067013-0000 (2020.01.10)
공개번호/일자 10-2018-0039204 (2018.04.18) 문서열기
공고번호/일자 (20200117) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.11.01)
심사청구항수 20

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이연희 대한민국 대전광역시 유성구
2 김영민 대한민국 대전시 유성구
3 김현재 대한민국 인천광역시 부평구
4 배지훈 대한민국 대전광역시 유성구
5 유재학 대한민국 대전 유성구
6 김귀훈 대한민국 대전광역시 서구
7 표철식 대한민국 대전광역시 서구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인지명 대한민국 서울특별시 강남구 남부순환로**** 차우빌딩*층

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국전자통신연구원 대전광역시 유성구
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		 2016.10.07 수리 (Accepted) 1-1-2016-0972543-12
2 [심사청구]심사청구(우선심사신청)서
[Request for Examination] Request for Examination (Request for Preferential Examination)		 2017.11.01 수리 (Accepted) 1-1-2017-1086154-29
3 의견제출통지서
Notification of reason for refusal		 2019.06.20 발송처리완료 (Completion of Transmission) 9-5-2019-0445058-13
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2019.08.20 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0856178-65
5 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2019.08.20 수리 (Accepted) 1-1-2019-0856179-11
6 등록결정서
Decision to grant		 2019.10.21 발송처리완료 (Completion of Transmission) 9-5-2019-0762430-97
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
외부로부터 유입되는 입력 데이터와 정답을 함께 입력받고, 상기 입력 데이터로부터 상기 정답을 이끌어내기 위한 학습단말의 제1 학습 모델을 생성하는 개별기계학습부;주변의 다른 단말들의 학습 결과를 수신하고, 상기 제1 학습 모델과 상기 수신된 학습 결과를 이용하여 상기 다른 단말들의 제2 학습 모델을 도출하는 집단기계학습부; 및상기 제1 및 제2 학습 모델 정보를 이용하여 실시간으로 상기 학습단말의 학습 결과를 갱신하고 관리하는 학습결과 관리부;를 포함하되, 상기 집단기계학습부는, 상기 다른 단말로부터 수신되는 특성 정보와 학습정보를 이용하여 다른 단말의 신뢰도를 계산한 후 다른 단말로부터 수신되는 학습모델의 파라메터 또는 파라메터의 기울기값에 신뢰도를 적용하여 학습단말의 학습 결과 갱신을 요청하는 것인 사물들의 집단 기계학습 장치
2 2
제1항에 있어서, 상기 개별기계학습부는,에러를 최소화하는 최적화 과정을 수행하기 위해, 상기 입력데이터를 이용하여 학습을 진행하여 에러함수에 대한 파라메터의 기울기값을 구하고, 상기 제1 학습 모델의 최초 파라메터로부터, 상기 구해진 에러 함수에 대한 파라메터의 기울기값의 반대방향으로 파라메터값을 이동시키고, 그 이동결과를 토대로 상기 학습결과 관리부에 상기 학습 결과의 갱신을 요청하는 것인 사물들의 집단 기계학습 장치
3 3
제1항에 있어서, 상기 집단기계학습부는,기설정된 일정 간격으로 주변의 적어도 하나의 단말을 탐색하고, 탐색된 적어도 하나의 단말이 집단학습의 대상단말인지 여부를 판단하는 집단학습단말관리부;상기 적어도 하나의 대상단말로부터 특성정보와 상기 대상단말의 사용자정보 및 학습정보를 수신하고, 수신된 상기 대상단말의 특성정보, 학습정보를 이용하여 상기 대상단말의 신뢰도를 계산하는 신뢰도판단부; 및상기 대상단말로부터 주기적으로 학습모델의 파라메터 또는 상기 파라메터의 기울기값을 수신하고, 수신된 상기 파라메터 또는 상기 파라메터의 기울기값에 상기 신뢰도판단부에 의해 계산된 신뢰도를 적용하여 상기 학습결과관리부에 갱신을 요청하는 집단학습갱신부;를 포함하는 것인 사물들의 집단 기계학습 장치
4 4
제3항에 있어서, 상기 집단학습단말관리부는,탐색된 상기 주변 단말에서 학습하는 학습 종류와 상기 학습단말의 학습 종류가 동일한 분류로 구분되어 있으면, 탐색된 상기 주변 단말을 상기 대상단말인 것으로 판단하는 것인 사물들의 집단 기계학습 장치
5 5
제3항에 있어서, 상기 신뢰도판단부는,상기 대상단말과 상기 학습단말, 또는 상기 대상단말과 상기 학습단말의 사용자 간의 유사도, 상기 대상단말이 학습한 모델의 성숙도 중 적어도 하나를 고려하여 상기 신뢰도를 계산하는 것인 사물들의 집단 기계학습 장치
6 6
제5항에 있어서, 상기 유사도에 비례하여 신뢰도가 기설정될 수 있으며, 상기 신뢰도판단부는, 상기 유사도 고려 시, 상기 대상단말 특성정보 및 사용자정보와 상기 학습단말의 특성정보와 사용자정보 간의 유사도를 측정하고, 측정된 상기 유사도에 대응되어 기설정된 신뢰도를 책정하는 것인 사물들의 집단 기계학습 장치
7 7
제5항에 있어서, 에러함수의 파라메터에 대한 기울기값에 반비례하여 신뢰도가 기설정될 수 있으며, 상기 신뢰도판단부는, 상기 학습 모델의 성숙도 고려 시, 상기 대상단말의 에러함수의 파라메터에 대한 기울기값을 수신하고, 수신된 상기 기울기값에 대응하여 기설정된 신뢰도를 책정하는 것인 사물들의 집단 기계학습 장치
8 8
제3항에 있어서, 상기 신뢰도판단부는,상기 대상단말의 운영체제, CPU 리소스, 메모리 크기, 에너지 사용량 정보, 위치 정보, 설치 어플리케이션 정보 중 적어도 하나의 특성 정보를 수신하고, 상기 대상 단말의 사용자의 성별, 나이, 취미, 주거지역, 관심사 중 적어도 하나의 사용자 특성정보, 상기 대상단말의 학습 종류, 학습 모델, 파라메터 중 적어도 하나의 학습정보를 수신하는 것인 사물들의 집단 기계학습 장치
9 9
제3항에 있어서, 상기 신뢰도판단부는,복수의 대상단말의 학습모델에 대한 파라메터값들을 시간대별로 관리하는 상기 학습결과관리부에게 임의의 시간 t에서 임의의 대상단말 i에 대한 학습모델의 파라메터값들의 평균값 및 표준편차 중 적어도 하나를 포함하는 통계값을 기반으로 상기 임의의 대상단말 i에 대한 신뢰도 정보를 판단하는 것인 사물들의 집단 기계학습 장치
10 10
제9항에 있어서, 상기 신뢰도판단부는,자신 또는 상기 대상단말의 특성정보가 변경된 경우, 또는 기설정된 특정 주기별로 상기 신뢰도를 재계산하여 집단학습을 반복하는 것인 사물들의 집단 기계학습 장치
11 11
제1항에 있어서, 상기 학습결과관리부는,상기 개별기계학습부 및 상기 집단기계학습부 중 적어도 하나로부터 전달받은 학습 모델의 파라메터값을 주기적으로 또는 별도의 갱신 요청시 마다 일정한 학습비율에 의해 최종학습결과를 갱신하며, 갱신된 상기 최종학습결과는 상기 개별기계학습부 및 상기 집단기계학습부 중 적어도 하나에 전달되어 학습 동작 또는 신뢰도 계산을 수행하는데 활용되는 것인 사물들의 집단 기계학습 장치
12 12
외부로부터 유입되는 입력 데이터와 정답을 함께 입력받는 입력단계;상기 입력 데이터로부터 상기 정답을 이끌어내기 위한 학습단말의 제1 학습 모델을 생성하는 개별학습단계;주변의 다른 단말들의 학습 결과를 수신하는 수신단계;상기 제1 학습 모델과 상기 수신된 학습 결과를 이용하여 상기 다른 단말들의 제2 학습 모델을 도출하는 집단학습단계;상기 제1 및 제2 학습 모델 정보를 이용하여 실시간으로 상기 학습단말의 학습 결과를 갱신하고 관리하는 학습결과 관리단계;를 포함하되, 상기 집단기계학습단계는, 상기 다른 단말로부터 수신되는 특성 정보와 학습정보를 이용하여 다른 단말의 신뢰도를 계산한 후 다른 단말로부터 수신되는 학습모델의 파라메터 또는 파라메터의 기울기값에 신뢰도를 적용하여 학습단말의 학습 결과 갱신을 요청하는 것인 사물들의 집단 기계학습 방법
13 13
제12항에 있어서, 상기 개별학습단계는,상기 입력데이터를 이용하여 학습을 진행함에 따라 에러함수에 대한 파라메터의 기울기값을 구하는 단계; 및 상기 제1 학습 모델의 최초 파라메터로부터, 상기 구해진 에러 함수에 대한파라메터의 기울기값의 반대방향으로 파라메터값을 이동시키고, 상기 이동 결과를 토대로 상기 학습단말의 학습 결과의 갱신을 하는 단계;를 포함하는 것인 사물들의 집단 기계학습 방법
14 14
제12항에 있어서, 상기 집단학습단계는,기설정된 일정 간격으로 주변의 적어도 하나의 단말을 탐색하는 단계탐색된 적어도 하나의 단말이 집단학습의 대상단말인지 여부를 판단하는 단계;상기 적어도 하나의 대상단말로부터 특성정보 및 학습정보를 수신하는 단계;수신된 상기 대상단말의 특성정보 및 학습정보를 이용하여 상기 대상단말의 신뢰도를 계산하는 단계; 상기 대상단말로부터 주기적으로 학습모델의 파라메터 또는 상기 파라메터의 기울기값을 수신하는 단계; 및수신된 상기 파라메터 또는 상기 파라메터의 기울기값에 상기 계산된 신뢰도를 적용하여 학습결과를 갱신하는 단계;를 포함하는 것인 사물들의 집단 기계학습 방법
15 15
제14항에 있어서, 상기 대상단말인지 여부를 판단하는 단계는, 탐색된 상기 주변 단말에서 학습하는 학습 종류와 상기 학습단말의 학습 종류가 동일한 분류로 구분되어 있으면, 탐색된 상기 주변 단말을 상기 대상단말인 것으로 판단하는 것인 사물들의 집단 기계학습 방법
16 16
제14항에 있어서, 상기 대상단말의 신뢰도를 계산하는 단계는,상기 대상단말과 상기 학습단말, 또는 상기 대상단말과 상기 학습단말의 사용자 간의 유사도, 상기 대상단말이 학습한 모델의 성숙도 중 적어도 하나를 고려하여 상기 신뢰도를 계산하는 것인 사물들의 집단 기계학습 방법
17 17
제16항에 있어서, 상기 대상단말의 신뢰도를 계산하는 단계는,상기 유사도 고려 시, 상기 대상단말 특성정보 및 사용자정보와 상기 학습단말의 특성정보와 사용자정보 간의 유사도를 측정하고, 측정된 상기 유사도에 비례하여 기설정된 값을 상기 신뢰도로 책정하며, 상기 학습 모델의 성숙도 고려 시, 상기 대상단말의 에러함수의 파라메터에 대한 기울기값을 수신하고, 수신된 상기 기울기값에 반비례하여 기설정된 값을 상기 신뢰도로 책정하는 것인 사물들의 집단 기계학습 방법
18 18
제14항에 있어서, 상기 대상단말로부터 특성정보 및 학습정보를 수신하는 단계는,상기 대상단말의 운영체제, CPU 리소스, 메모리 크기, 에너지 사용량 정보, 위치 정보, 설치 어플리케이션 정보 중 적어도 하나의 특성 정보를 수신하고, 상기 대상단말의 학습 종류, 학습 모델, 파라메터 중 적어도 하나의 학습정보를 수신하는 것인 사물들의 집단 기계학습 방법
19 19
제14항에 있어서, 복수의 대상단말의 학습모델에 대한 파라메터값들을 시간대별로 관리하는 단계를 더 포함하며, 상기 대상단말의 신뢰도를 계산하는 단계는,임의의 시간 t에서 상기 복수의 대상단말 중 임의의 대상단말 i에 대한 학습모델의 파라메터값들의 평균값 및 표준편차 중 적어도 하나를 포함하는 통계값을 기반으로 상기 임의의 대상단말 i에 대한 신뢰도 정보를 반환하는 것인 사물들의 집단 기계학습 방법
20 20
제12항에 있어서, 상기 학습결과 관리단계는,상기 개별학습단계 및 상기 집단학습단계 중 적어도 하나의 단계의 학습 모델의 파라메터값을 주기적으로 또는 별도의 갱신 요청 시 마다 일정한 학습비율에 의해 최종학습결과를 갱신하며, 갱신된 상기 최종학습결과는 상기 개별학습단계 및 상기 집단학습단계 중 적어도 하나의 단계의 학습 동작 또는 신뢰도 계산 시 활용되는 것인 사물들의 집단 기계학습 방법
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 미래창조과학부 한국전자통신연구원 국가과학기술연구회연구운영비지원 자가학습형 지식융합 슈퍼브레인 핵심기술 개발