맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

확률 그래프 기반의 서열 데이터 연관성 학습 방법 및 시스템

  • 기술번호 : KST2019010554
  • 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 확률 그래프 기반의 서열 데이터 연관성 학습 방법 및 시스템이 개시된다. 일 실시예에 따른 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법은, 서열 데이터에서 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함할 수 있다.
Int. CL G06N 20/00 (2019.01.01) G06N 5/04 (2006.01.01) G06F 17/18 (2006.01.01)
CPC G06N 20/00(2013.01) G06N 20/00(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020170177372 (2017.12.21)
출원인 한국과학기술원
등록번호/일자
공개번호/일자 10-2019-0075631 (2019.07.01) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.12.21)
심사청구항수 9

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 양은호 대전광역시 유성구
2 심하진 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
1 한국과학기술원 대한민국 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		 2017.12.21 수리 (Accepted) 1-1-2017-1278290-23
2 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.04.24 수리 (Accepted) 4-1-2019-5081392-49
3 의견제출통지서
Notification of reason for refusal		 2019.11.11 발송처리완료 (Completion of Transmission) 9-5-2019-0813554-24
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)		 2020.01.13 수리 (Accepted) 1-1-2020-0033327-60
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2020.01.13 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0033328-16
6 의견제출통지서
Notification of reason for refusal		 2020.02.03 발송처리완료 (Completion of Transmission) 9-5-2020-0079177-10
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2020.04.03 수리 (Accepted) 1-1-2020-0348202-61
8 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2020.04.03 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0348203-17
9 [지정기간단축]기간 연장신청서·기간 단축신청서·기간 경과 구제신청서·절차 계속신청서
 2020.05.06 수리 (Accepted) 1-1-2020-0457700-10
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
11 등록결정서
Decision to grant		 2020.06.01 발송처리완료 (Completion of Transmission) 9-5-2020-0375008-89
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법에 있어서,상기 컴퓨터로 구현되는 연관성 학습 시스템은, 컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 상기 서열 데이터의 연관성 학습 방법은,상기 연관성 학습 시스템에서, 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 연관성 학습 시스템에서, 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함하고,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,도메인 를 포함하는 p차원의 확률 벡터 이고, 각각의 확률 변수 에 대응하는 노드를 갖는 그래프를 라고 하면,확률 벡터의 모든 노드 조건부 분포가 단변량 누적 비율 모델을 따를 경우, 특정 노드 조건부 분포가 마르코프 결합 분포와 일치하지 않는 연관성 학습 방법
2 2
제1항에 있어서,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,상기 변수에 대한 단변량 서열 분포를 통해 노드 조건부 분포를 지정하고, 상기 지정된 노드 조건부 분포에 대한 분석을 수행하여 결합 분포를 탐색하는 단계를 포함하는 연관성 학습 방법
3 3
삭제
4 4
컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법에 있어서,상기 컴퓨터로 구현되는 연관성 학습 시스템은, 컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법은,상기 연관성 학습 시스템에서, 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 연관성 학습 시스템에서, 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함하고,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,도메인 를 포함하는 p 차원의 확률 벡터 에서, 각각의 확률 변수 에 대응하는 노드를 갖는 그래프를 라고 하면, 확률 벡터의 모든 노드 조건부 분포가 단변수 연속 비율 모델을 따를 경우, 특정 노드 조건부 분포가 마르코프 결합 분포와 일치하지 않는 것을 특징으로 하는 연관성 학습 방법
5 5
컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법에 있어서,상기 컴퓨터로 구현되는 연관성 학습 시스템은, 컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법은,상기 연관성 학습 시스템에서, 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 연관성 학습 시스템에서, 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함하고,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,서열 확률 변수 에 대한 연속 비율 모델이 지수족에 포함되며, 서열 확률 벡터 에 대하여 노드 조건부 분포를 지정하기 위하여 단변량 서열 분포를 사용할 경우, 노드 조건부 분포가 단변량 지수족에 속하기 때문에 마르코프 결합 분포와 일치하는 것을 특징으로 하는 연관성 학습 방법
6 6
삭제
7 7
컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법에 있어서,상기 컴퓨터로 구현되는 연관성 학습 시스템은, 컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 컴퓨터로 구현되는 연관성 학습 시스템에 의해 수행되는 서열 데이터의 연관성 학습 방법은,상기 연관성 학습 시스템에서, 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계; 및 상기 연관성 학습 시스템에서, 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 단계를 포함하고,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,다변량 양자화 서열 분포에서 다변량 잠재 확률 벡터가 다변량 가우시안인 경우, 다변량 프로빗 모델로 불리며, 종속성이 가우스 분포를 통하여 잠재적인 확률 벡터에 의해 표현되는 것을 특징으로 하는 연관성 학습 방법
8 8
삭제
9 9
삭제
10 10
제7항에 있어서,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,상기 다변량 프로빗 모델에서 알려지지 않은 파라미터를 추정하기 위하여 단변량 주변에서 임계값을 추정하고, 이변량 주변 분포로부터 polychoric 상관 관계 를 추정하는 것을 특징으로 하는 연관성 학습 방법
11 11
제10항에 있어서,상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,상기 이변량 주변 분포로부터 polychoric 상관 관계를 추정하기 위하여, 이변량 주변 우도로부터 원시 추정치를 계산하고, sparse 잠재 그래프와 평활화된 추정치를 추정하기 위하여 예측된 공분산 행렬을 그래픽 lasso 추정기로 플러그인하는 것을 특징으로 하는 연관성 학습 방법
12 12
삭제
13 13
삭제
14 14
제11항에 있어서, 상기 서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 단계는,상기 예측된 공분산 행렬을 파라 메트릭 가우시안 그래프 모델 추정기 중 그래픽 lasso 추정기로 플러그인하여 그래프의 구조와 최종 공분산을 획득하는 것을 특징으로 하는 연관성 학습 방법
15 15
컴퓨터로 구현되는 연관성 학습 시스템에 있어서,컴퓨터 판독 가능 기록 매체에 명령을 저장하는 메모리; 및상기 메모리에 저장된 명령을 저장하고 수행하도록 구성된 복수 개의 프로세서 또는 하나의 프로세서를 포함하고, 상기 복수 개의 프로세서 또는 하나의 프로세서는,서열 데이터에서 확률 그래프 모델을 기반으로 각각의 변수 사이의 상관 관계를 예측하는 예측부; 및 상기 각각의 변수 사이에 예측된 상관 관계를 그래프로 제공하는 제공부를 포함하고,상기 예측부는,도메인 를 포함하는 p차원의 확률 벡터 이고, 각각의 확률 변수 에 대응하는 노드를 갖는 그래프를 라고 하면, 확률 벡터의 모든 노드 조건부 분포가 단변량 누적 비율 모델을 따를 경우, 특정 노드 조건부 분포가 마르코프 결합 분포와 일치하지 않는 연관성 학습 시스템
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2019124724 WO 세계지적재산권기구(WIPO) 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 WO2019124724 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 한국과학기술원 정보통신.방송 연구개발사업 (EZBARO)공간지능을 위한 IoT 사물간 자율협업 기술 개발(2017)