맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법 및 그 시스템

  • 기술번호 : KST2019011607
  • 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 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법 및 그 시스템이 개시된다. 입력 데이터를 처리하여 출력 데이터를 생성하는 컴퓨팅 장치에서 심층 개념망을 구축하는 방법으로서, 실시간 들어오는 입력 데이터에 대하여 서로 다른 두 개 이상의 모달 정보에 대한 심층 구조와 개념 층을 학습하는 단계, 및 입력 데이터의 확률 분포에 맞게 모델의 구조를 변화시키기 위하여 심층 구조와 개념 층에서의 학습 결과들에 대한 가중치를 학습하는 단계를 포함한다.
Int. CL G06F 17/00 (2019.01.01) G06N 20/00 (2019.01.01) G06N 3/08 (2006.01.01) G06N 7/00 (2006.01.01)
CPC G06F 17/00(2013.01) G06F 17/00(2013.01) G06F 17/00(2013.01) G06F 17/00(2013.01)
출원번호/일자 1020150053829 (2015.04.16)
출원인 서울대학교산학협력단
등록번호/일자 10-1646926-0000 (2016.08.03)
공개번호/일자
공고번호/일자 (20160809) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2015.04.16)
심사청구항수 13

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 서울대학교산학협력단 대한민국 서울특별시 관악구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 장병탁 대한민국 서울특별시 서초구
2 김경민 대한민국 서울특별시 강남구
3 하정우 대한민국 경상남도 창원시 진해구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인이상 대한민국 서울특별시 서초구 바우뫼로 ***(양재동, 우도빌딩 *층)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 서울대학교산학협력단 대한민국 서울특별시 관악구
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		 2015.04.16 수리 (Accepted) 1-1-2015-0371738-98
2 [출원인변경]권리관계변경신고서
[Change of Applicant] Report on Change of Proprietary Status		 2015.07.17 수리 (Accepted) 1-1-2015-0695365-71
3 의견제출통지서
Notification of reason for refusal		 2015.12.18 발송처리완료 (Completion of Transmission) 9-5-2015-0886280-60
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2016.02.18 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2016-0162227-67
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)		 2016.02.18 수리 (Accepted) 1-1-2016-0162206-19
6 거절결정서
Decision to Refuse a Patent		 2016.05.23 발송처리완료 (Completion of Transmission) 9-5-2016-0369360-11
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2016.06.23 수리 (Accepted) 1-1-2016-0606884-25
8 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)		 2016.06.23 보정승인 (Acceptance of amendment) 1-1-2016-0606952-32
9 등록결정서
Decision to Grant Registration		 2016.07.29 발송처리완료 (Completion of Transmission) 9-5-2016-0549310-16
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.05.13 수리 (Accepted) 4-1-2019-5093546-10
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.05.23 수리 (Accepted) 4-1-2019-5101798-31
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.02 수리 (Accepted) 4-1-2019-5154561-59
13 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.11.25 수리 (Accepted) 4-1-2020-5265458-48
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
입력 데이터를 처리하여 출력 데이터를 생성하는 컴퓨팅 장치에서 심층 개념망을 구축하는 방법으로서,실시간 들어오는 입력 데이터에 대하여 서로 다른 두 개 이상의 모달 정보에 대한 심층 구조와 개념 층을 학습하는 단계; 및상기 입력 데이터의 확률 분포에 맞게 모델의 구조를 변화시키기 위하여 상기 심층 구조와 개념 층에서의 학습 결과들에 대한 가중치를 학습하는 단계를 포함하며,상기 심층 구조와 개념 층을 학습하는 단계는, 상기 입력 데이터에 대하여 마이크로코드 층을 학습하고, 상기 마이크로코드 층에 대한 1차 개념 층을 학습하고, 상기 1차 개념 층에 대한 2차 개념 층을 학습하며,상기 가중치를 학습하는 단계는, 상기 마이크로코드 층, 상기 1차 개념 층, 및 상기 2차 개념 층에 대한 가중치를 학습하며,상기 마이크로코드 층은 상기 입력 데이터를 작은 단위로 모은 마이크로코드들의 집합이고, 상기 1차 개념 층은 상기 마이크로코드 층과 다른 상기 마이크로코드 층의 심층 구조의 일부이고, 상기 2차 개념 층은 상기 마이크로코드 층의 심층 구조의 다른 일부인, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
2 2
삭제
3 3
삭제
4 4
삭제
5 5
삭제
6 6
청구항 1에 있어서,상기 가중치를 학습하는 단계 후에, 상기 가중치의 학습 결과에 기초하여 심층 개념망 모델을 생성하는 단계를 더 포함하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
7 7
청구항 6에 있어서,상기 심층 개념망 모델을 토대로 모달 입력 데이터에서 모달 재현 데이터를 예측하는 단계를 더 포함하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
8 8
청구항 1에 있어서,상기 심층 구조와 개념 층을 학습하는 단계는, 상기 입력 데이터에 대하여 마이크로코드 층을 베이지안(Bayesian) 확률 기반으로 추론하여 학습하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
9 9
청구항 1에 있어서,상기 심층 구조와 개념 층을 학습하는 단계는, 엣지 형태로 된 파라미터 공간의 구조를 학습하는 기계학습 알고리즘에서 상기 파라미터 공간의 구조를 학습하거나 또는 상기 마이크로코드(microcode) 층과 상기 마이크로코드 층의 심층 구조를 학습하는데에 그래프 몬테카를로(graph Monte Carlo) 알고리즘을 이용하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
10 10
청구항 9에 있어서,상기 그래프 몬테카를로 알고리즘은, 균등 그래프 몬테카를로(uniform graph Monte Carlo, UGMC) 방법, 빈익빈 부익부 그래프 몬테카를로(poorer-richer graph Monte Carlo, PRGMC) 방법, 공정한 그래프 몬테카를로(fair graph Monte Carlo, FGMC) 중 어느 하나 이상을 포함하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
11 11
청구항 9에 있어서,상기 1차 개념 층에 대한 학습은, 유사도를 사용하여 실시간 군집화를 수행하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
12 12
청구항 11에 있어서,상기 2차 개념 층에 대한 학습은, 상기 1차 개념 층의 노드들을 각 모달과 태스크에 맞는 영역 지식을 사용하여 관측값의 함수로 미리 지정하여 사용하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
13 13
청구항 12에 있어서,상기 가중치를 학습하는 단계는, 상기 2차 개념 층에 대한 학습을 위하여 추계학적인 기울기 상승(stochastic gradient ascent)을 사용하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법
14 14
심층 모델(deep architecture) 또는 깊은 학습(deep learning)을 이용하는 심층 개념망 구축 시스템으로서,프로그램을 저장하는 메모리; 및상기 메모리에 연결되어 상기 프로그램을 수행하는 프로세서를 포함하되,상기 프로세서는 상기 프로그램에 의해 실시간 들어오는 입력 데이터에 대하여 서로 다른 두 개 이상의 모달 정보에 대한 심층 구조와 개념 층을 학습하고, 상기 입력 데이터의 확률 분포에 맞게 모델의 구조를 변화시키기 위하여 상기 심층 구조와 개념 층에서의 학습 결과들에 대한 가중치를 학습하며,상기 심층 구조와 개념 층에 대한 학습은, 상기 입력 데이터에 대하여 마이크로코드 층을 학습하고, 상기 마이크로코드 층에 대한 1차 개념 층을 학습하고, 상기 1차 개념 층에 대한 2차 개념 층을 학습하며,상기 가중치에 대한 학습은, 상기 마이크로코드 층, 상기 1차 개념 층, 및 상기 2차 개념 층에 대한 가중치를 학습하며,상기 마이크로코드 층은 상기 입력 데이터를 작은 단위로 모은 마이크로코드들의 집합이고, 상기 1차 개념 층은 상기 마이크로코드 층과 다른 상기 마이크로코드 층의 심층 구조의 일부이고, 상기 2차 개념 층은 상기 마이크로코드 층의 심층 구조의 다른 일부인, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 시스템
15 15
삭제
16 16
청구항 14에 있어서,상기 프로세서는, 상기 가중치의 학습 결과에 기초하여 심층 개념망 모델을 생성하고, 상기 심층 개념망 모델을 토대로 임의의 모달 입력 데이터에서 모달 재현 데이터를 예측하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 시스템
17 17
심층 모델을 이용하여 입력 데이터를 처리하여 출력 데이터를 생성하는 심층 개념망 구축 시스템으로서,실시간 들어오는 입력 데이터에 대하여 서로 다른 두 개 이상의 모달 정보에 대한 심층 구조 및 개념 층을 학습하는 제1 학습부; 및상기 입력 데이터의 확률 분포에 맞게 모델의 구조를 변화시키기 위하여 상기 제1 학습부에서 학습된 심층 구조와 개념 층에서의 학습 결과들에 대한 가중치를 학습하는 제2 학습부를 포함하며,상기 제1 학습부는, 상기 입력 데이터에 대하여 마이크로코드 층을 학습하는 마이크로코드 층 구조 학습부, 상기 마이크로코드 층에 대한 1차 개념 층을 학습하는 1차 개념 층 학습부, 및 상기 1차 개념 층에 대한 2차 개념 층을 학습하는 2차 개념 층 학습부를 포함하며,상기 제2 학습부는, 상기 마이크로코드 층 구조 학습부, 상기 1차 개념 층 학습부 및 상기 2차 개념 층 학습부에서 학습된 상기 마이크로코드 층, 상기 1차 개념 층, 및 상기 2차 개념 층에 대한 가중치를 학습하며,상기 마이크로코드 층은 상기 입력 데이터를 작은 단위로 모은 마이크로코드들의 집합이고, 상기 1차 개념 층은 상기 마이크로코드 층과 다른 상기 마이크로코드의 심층 구조의 일부이고, 상기 2차 개념 층은 상기 마이크로코드 층의 심층 구조의 다른 일부인, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 시스템
18 18
삭제
19 19
삭제
20 20
청구항 17에 있어서,상기 가중치의 학습 결과에 의해 생성되는 심층 개념망 모델을 저장하는 데이터베이스에 연결되어 상기 심층 개념망 모델을 토대로 임의의 모달 입력 데이터에서 모달 재현 데이터를 예측하는 예측부를 더 포함하는, 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 시스템
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 포항공과대학교 산학협력단 산업원천기술개발사업 인간 수준의 평생 기계학습 SW 기초 연구