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 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 서울대학교산학협력단 | 대한민국 | 서울특별시 관악구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 장병탁 | 대한민국 | 서울특별시 서초구 |
2 | 김경민 | 대한민국 | 서울특별시 강남구 |
3 | 하정우 | 대한민국 | 경상남도 창원시 진해구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 특허법인이상 | 대한민국 | 서울특별시 서초구 바우뫼로 ***(양재동, 우도빌딩 *층) |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 서울대학교산학협력단 | 대한민국 | 서울특별시 관악구 |
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 | 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 | 연구과제 |
---|---|---|---|---|
1 | 산업통상자원부 | 포항공과대학교 산학협력단 | 산업원천기술개발사업 | 인간 수준의 평생 기계학습 SW 기초 연구 |
공개전문 정보가 없습니다 |
---|
특허 등록번호 | 10-1646926-0000 |
---|
표시번호 | 사항 |
---|---|
1 |
출원 연월일 : 20150416 출원 번호 : 1020150053829 공고 연월일 : 20160809 공고 번호 : 특허결정(심결)연월일 : 20160729 청구범위의 항수 : 13 유별 : G06F 17/00 발명의 명칭 : 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법 및 그 시스템 존속기간(예정)만료일 : |
순위번호 | 사항 |
---|---|
1 |
(권리자) 서울대학교산학협력단 서울특별시 관악구... |
제 1 - 3 년분 | 금 액 | 276,000 원 | 2016년 08월 03일 | 납입 |
제 4 년분 | 금 액 | 163,000 원 | 2019년 08월 02일 | 납입 |
제 5 년분 | 금 액 | 167,890 원 | 2020년 08월 20일 | 납입 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 | 2015.04.16 | 수리 (Accepted) | 1-1-2015-0371738-98 |
2 | [출원인변경]권리관계변경신고서 | 2015.07.17 | 수리 (Accepted) | 1-1-2015-0695365-71 |
3 | 의견제출통지서 | 2015.12.18 | 발송처리완료 (Completion of Transmission) | 9-5-2015-0886280-60 |
4 | [명세서등 보정]보정서 | 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 | 2016.02.18 | 수리 (Accepted) | 1-1-2016-0162206-19 |
6 | 거절결정서 | 2016.05.23 | 발송처리완료 (Completion of Transmission) | 9-5-2016-0369360-11 |
7 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 | 2016.06.23 | 수리 (Accepted) | 1-1-2016-0606884-25 |
8 | [명세서등 보정]보정서(재심사) | 2016.06.23 | 보정승인 (Acceptance of amendment) | 1-1-2016-0606952-32 |
9 | 등록결정서 | 2016.07.29 | 발송처리완료 (Completion of Transmission) | 9-5-2016-0549310-16 |
10 | 출원인정보변경(경정)신고서 | 2019.05.13 | 수리 (Accepted) | 4-1-2019-5093546-10 |
11 | 출원인정보변경(경정)신고서 | 2019.05.23 | 수리 (Accepted) | 4-1-2019-5101798-31 |
12 | 출원인정보변경(경정)신고서 | 2019.08.02 | 수리 (Accepted) | 4-1-2019-5154561-59 |
13 | 출원인정보변경(경정)신고서 | 2020.11.25 | 수리 (Accepted) | 4-1-2020-5265458-48 |
기술정보가 없습니다 |
---|
과제고유번호 | 1711010544 |
---|---|
세부과제번호 | 2010-0017734 |
연구과제명 | 지능형 추천 서비스를 위한 인지기반 기계학습 및 추론 기술 |
성과구분 | 출원 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | 한국연구재단 |
연구주관기관명 | 서울대학 |
성과제출연도 | 2014 |
연구기간 | 201005~201504 |
기여율 | 0.5 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1711026832 |
---|---|
세부과제번호 | R0126-15-1072 |
연구과제명 | (SW 스타랩) 일상생활학습 기반의 인지에이전트 SW 개발 |
성과구분 | 출원 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2015 |
연구기간 | 201503~202302 |
기여율 | 0.5 |
연구개발단계명 | 개발연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1711010544 |
---|---|
세부과제번호 | 2010-0017734 |
연구과제명 | 지능형 추천 서비스를 위한 인지기반 기계학습 및 추론 기술 |
성과구분 | 등록 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | 한국연구재단 |
연구주관기관명 | 서울대학 |
성과제출연도 | 2014 |
연구기간 | 201005~201504 |
기여율 | 0.5 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1711026832 |
---|---|
세부과제번호 | R0126-15-1072 |
연구과제명 | (SW 스타랩) 일상생활학습 기반의 인지에이전트 SW 개발 |
성과구분 | 등록 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2015 |
연구기간 | 201503~202302 |
기여율 | 0.5 |
연구개발단계명 | 개발연구 |
6T분류명 | IT(정보기술) |
[1020150053829] | 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법 및 그 시스템 | 새창보기 |
---|---|---|
[1020150027446] | 사용자의 실시간 이동 경로 예측 방법, 이를 수행하는 이동 경로 예측 서버 및 이를 저장하는 기록매체 | 새창보기 |
[KST2020011193][서울대학교] | 원단의 불량 위치 자동 검출 방법 및 이를 위한 시스템 | 새창보기 |
---|---|---|
[KST2020017350][서울대학교] | 순환형 3차원 완전 합성곱망을 활용한 초분광영상의 변화탐지 방법 | 새창보기 |
[KST2020014559][서울대학교] | 유동 인구 판단 시스템 및 제어 방법 | 새창보기 |
[KST2024000097][서울대학교] | 차량의 충돌안전 제어로직의 작동원인을 분석하는 시스템 및 그의 동작 방법 | 새창보기 |
[KST2015159909][서울대학교] | 가뭄관리를 위한 최적의 운영률 시스템 및 이를 적용하는방법 | 새창보기 |
[KST2015159756][서울대학교] | 행동패턴 분석에 기초한 계정 공유 탐지 방법 및 시스템 | 새창보기 |
[KST2019011556][서울대학교] | 쌍별 비교 데이터를 이용한 다중랭킹 추정 방법 및 장치 | 새창보기 |
[KST2022008751][서울대학교] | 관절염 진단 장치 및 관절염 진단 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 | 새창보기 |
[KST2015137480][서울대학교] | 다양체 학습에 기반한 데이터 분류 방법 | 새창보기 |
[KST2017012610][서울대학교] | 동적 데이터 대상 이진 논리식 기반의 단계적 연관 규칙 추출 방법(A stepwise method for mining association rules based on a Boolean expression for dynamic datasets) | 새창보기 |
[KST2015137440][서울대학교] | 페트리넷과 발사 추천기에 기반한 최적화 시스템 및 구현 방법 | 새창보기 |
[KST2020000969][서울대학교] | 기흉 검출 방법 및 시스템 | 새창보기 |
[KST2021001623][서울대학교] | 기흉 검출 방법 및 시스템 | 새창보기 |
[KST2023010710][서울대학교] | 복셀 기반 방사선 선량 평가 방법 및 장치 | 새창보기 |
[KST2015136484][서울대학교] | 컴퓨터 실행 가능한 N-스크린 서비스 제공 방법, 이를 수행하는 서비스 제공 장치 및 이를 기록한 기록매체 | 새창보기 |
[KST2015135146][서울대학교] | 멀티셋을 이용한 연상 정보 처리 방법 및 그 메모리 장치 | 새창보기 |
[KST2021010204][서울대학교] | AI를 이용한 일회박출량 산출 장치 및 방법 | 새창보기 |
[KST2015159916][서울대학교] | 시맨틱 웹 자원의 랭킹처리방법 | 새창보기 |
[KST2016009459][서울대학교] | 사용자 맞춤형 항목 추천 방법 및 장치(user-tailored item recommendation method and device) | 새창보기 |
[KST2015159807][서울대학교] | 하천의 주흐름 유속분포를 결합한 종분산계수의 산정을통해 오염물의 거동을 해석하는 방법 | 새창보기 |
[KST2019020950][서울대학교] | 딥-러닝을 통한 무선신호 전파 채널 해석을 이용한 실내공간의 구조를 예측하는 방법 | 새창보기 |
[KST2015137455][서울대학교] | 보로노이 셀 기반의 서포트 클러스터링 장치 및 방법 | 새창보기 |
[KST2015159149][서울대학교] | 하천 오염확산 수치해석에서 순간주입 모의방법 | 새창보기 |
[KST2015160602][서울대학교] | 소프트웨어 파이프라이닝의 데이터 의존도 완화 방법 | 새창보기 |
[KST2024000128][서울대학교] | 기능적 분석 장치 및 방법 | 새창보기 |
[KST2022012950][서울대학교] | 사운드 기반 다중 기기 운영 모니터링 방법과 이를 위한 시스템 | 새창보기 |
[KST2015159284][서울대학교] | 사용자의 행동 패턴 정보를 이용한 사용자 인증에 사용되는사용자 단말기 및 인증 장치 | 새창보기 |
[KST2014037021][서울대학교] | 사용주체의 가중치를 이용한 개념격자 기반 질의 용어 매핑지원 시스템 및 방법 | 새창보기 |
[KST2015136656][서울대학교] | 컨텐츠 중심 네트워크에서 프리픽스 트리를 이용하여 예측된 컨텐츠 인기도에 기초하여 캐싱하는 방법 | 새창보기 |
[KST2015136432][서울대학교] | 동적 전압 및 주파수 스케일링(DVFS)에 따른 컴퓨터 프로세서의 성능 변화 예측 방법 및 이를 이용한 프로세서 동작속도 조절 방법 | 새창보기 |
심판사항 정보가 없습니다 |
---|