요약 | 비연속적으로 확률 뉴런을 가지는 딥러닝 모델 및 지식 전파에 기반한 학습 방법이 개시된다. 학습 방법은, 복수의 히든 레이어(hidden layer)를 포함하는 학습 모델로서 비연속적인 확률 뉴런(non-consecutive stochastic neural)을 가지는 NCSFNN(non-consecutive stochastic feedforward neural network)를 구성하는 단계; 및 상기 NCSFNN을 학습시키는 단계를 포함한다. |
---|---|
Int. CL | G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) |
CPC | G06N 3/08(2013.01) G06N 3/08(2013.01) |
출원번호/일자 | 1020160147329 (2016.11.07) |
출원인 | 한국과학기술원 |
등록번호/일자 | 10-1738825-0000 (2017.05.16) |
공개번호/일자 | |
공고번호/일자 | (20170523) 문서열기 |
국제출원번호/일자 | |
국제공개번호/일자 | |
우선권정보 | |
법적상태 | 소멸 |
심사진행상태 | 수리 |
심판사항 | |
구분 | 신규 |
원출원번호/일자 | |
관련 출원번호 | |
심사청구여부/일자 | Y (2016.11.07) |
심사청구항수 | 16 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 한국과학기술원 | 대한민국 | 대전광역시 유성구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 신진우 | 대한민국 | 대전광역시 유성구 |
2 | 정송 | 미국 | 대전광역시 유성구 |
3 | 이기민 | 대한민국 | 대전광역시 유성구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 양성보 | 대한민국 | 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소) |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 한국과학기술원 | 대한민국 | 대전광역시 유성구 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 [Patent Application] Patent Application |
2016.11.07 | 수리 (Accepted) | 1-1-2016-1084295-77 |
2 | 직권정정안내서 Notification of Ex officio Correction |
2016.11.08 | 발송처리완료 (Completion of Transmission) | 1-5-2016-0161363-83 |
3 | [우선심사신청]심사청구(우선심사신청)서 [Request for Preferential Examination] Request for Examination (Request for Preferential Examination) |
2017.01.17 | 수리 (Accepted) | 1-1-2017-0058427-64 |
4 | [우선심사신청]선행기술조사의뢰서 [Request for Preferential Examination] Request for Prior Art Search |
2017.01.18 | 수리 (Accepted) | 9-1-9999-9999999-89 |
5 | [우선심사신청]선행기술조사보고서 [Request for Preferential Examination] Report of Prior Art Search |
2017.01.23 | 수리 (Accepted) | 9-1-2017-0002182-81 |
6 | 의견제출통지서 Notification of reason for refusal |
2017.02.13 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0107594-55 |
7 | [명세서등 보정]보정서 [Amendment to Description, etc.] Amendment |
2017.04.10 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2017-0345957-05 |
8 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 [Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation) |
2017.04.10 | 수리 (Accepted) | 1-1-2017-0345956-59 |
9 | 등록결정서 Decision to grant |
2017.04.25 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0296287-20 |
10 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.04.24 | 수리 (Accepted) | 4-1-2019-5081392-49 |
11 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2020.05.15 | 수리 (Accepted) | 4-1-2020-5108396-12 |
12 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2020.06.12 | 수리 (Accepted) | 4-1-2020-5131486-63 |
번호 | 청구항 |
---|---|
1 |
1 컴퓨터로 구현되는 학습 시스템에서 수행되는 학습 방법에 있어서,상기 학습 시스템의 프로세서가, 복수의 히든 레이어(hidden layer)를 포함하는 학습 모델로서 비연속적인 확률 뉴런(non-consecutive stochastic neural)을 가지는 NCSFNN(non-consecutive stochastic feedforward neural network)를 구성하는 단계; 및상기 프로세서가, 상기 NCSFNN을 학습시키는 단계를 포함하고,상기 구성하는 단계는,상기 복수의 히든 레이어 중 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 구성하고 마지막 레이어를 비확률 레이어로 구성하고,상기 확률 레이어는 수학식 1의 주변 분포(marginal distribution)을 가지는 이진 확률 벡터(binary random vector)로 정의되는 것을 특징으로 하는 학습 방법 |
2 |
2 제1항에 있어서,상기 구성하는 단계는,상기 NCSFNN의 마지막 레이어를 비확률 뉴런으로 구성하는 것을 특징으로 하는 학습 방법 |
3 |
3 제1항에 있어서,상기 구성하는 단계는,DNN(deep neural network)에서 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 대체함으로써 상기 NCSFNN을 구성하는 것을 특징으로 하는 학습 방법 |
4 |
4 삭제 |
5 |
5 제1항에 있어서,상기 구성하는 단계는,상기 확률 레이어의 출력에 연결되는 레이어를 결정 레이어(deterministic layer)로 구성하는 것을 특징으로 하는 학습 방법 |
6 |
6 삭제 |
7 |
7 컴퓨터로 구현되는 학습 시스템에서 수행되는 학습 방법에 있어서,상기 학습 시스템의 프로세서가, 복수의 히든 레이어(hidden layer)를 포함하는 학습 모델로서 비연속적인 확률 뉴런(non-consecutive stochastic neural)을 가지는 NCSFNN(non-consecutive stochastic feedforward neural network)를 구성하는 단계; 및상기 프로세서가, 상기 NCSFNN을 학습시키는 단계를 포함하고,상기 구성하는 단계는,상기 복수의 히든 레이어 중 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 구성하고 마지막 레이어를 비확률 레이어로 구성하고,상기 비확률 레이어는 수학식 2와 같은 결정 벡터(deterministic vector)로 정의되는 것을 특징으로 하는 학습 방법 |
8 |
8 제1항에 있어서,상기 학습시키는 단계는,지식 전파(knowledge transfer)와 그라디언트(gradient) 근사에 기반하여 상기 NCSFNN을 학습시키는 것을 특징으로 하는 학습 방법 |
9 |
9 제3항에 있어서,상기 학습시키는 단계는,상기 DNN의 파라미터를 이용하여 선형 변환(linear transformation)을 통해 상기 NCSFNN의 파라미터를 설정하는 단계를 포함하는 학습 방법 |
10 |
10 제3항에 있어서,상기 학습시키는 단계는,2단계 학습(two-stage learning) 방식으로서 상기 DNN을 학습하고 학습한 DNN의 파라미터를 이용하여 상기 NCSFNN의 파라미터를 설정한 후 상기 NCSFNN을 학습하는 것을 특징으로 하는 학습 방법 |
11 |
11 제1항에 있어서,상기 NCSFNN은 사물 인지나 음성 인식을 위한 지도 학습(supervised learning)에 이용되는 것을 특징으로 하는 학습 방법 |
12 |
12 컴퓨터로 구현되는 학습 시스템에서 수행되는 학습 방법에 있어서,상기 학습 시스템의 프로세서가, 복수의 히든 레이어(hidden layer)를 포함하는 DNN(deep neural network)에서 비연속적인(non-consecutive) 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 대체함으로써 NCSFNN(non-consecutive stochastic feedforward neural network)를 구성하는 단계; 및상기 프로세서가, 지식 전파(knowledge transfer)와 그라디언트(gradient) 근사에 기반하여 상기 NCSFNN을 학습시키는 단계를 포함하고,상기 구성하는 단계는,상기 복수의 히든 레이어 중 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 구성하고 마지막 레이어를 비확률 레이어로 구성하고,상기 확률 레이어는 수학식 3의 주변 분포(marginal distribution)을 가지는 이진 확률 벡터(binary random vector)로 정의되는 것을 특징으로 하는 학습 방법 |
13 |
13 컴퓨터로 구현되는 학습 시스템에서 수행되는 학습 방법에 있어서,상기 학습 시스템의 프로세서가, 복수의 히든 레이어(hidden layer)를 포함하는 DNN(deep neural network)에서 비연속적인(non-consecutive) 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 대체함으로써 NCSFNN(non-consecutive stochastic feedforward neural network)를 구성하는 단계; 및상기 프로세서가, 2단계 학습(two-stage learning) 방식으로서 상기 DNN을 학습하고 학습한 DNN의 파라미터를 이용하여 상기 NCSFNN의 파라미터를 설정한 후 상기 NCSFNN을 학습시키는 단계를 포함하고,상기 구성하는 단계는,상기 복수의 히든 레이어 중 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 구성하고 마지막 레이어를 비확률 레이어로 구성하고,상기 비확률 레이어는 수학식 4와 같은 결정 벡터(deterministic vector)로 정의되는 것을 특징으로 하는 학습 방법 |
14 |
14 삭제 |
15 |
15 제12항 또는 제13항에 있어서,상기 구성하는 단계는,상기 확률 레이어의 출력에 연결되는 레이어를 결정 레이어(deterministic layer)로 구성하는 것을 특징으로 하는 학습 방법 |
16 |
16 제12항 또는 제13항에 있어서,상기 NCSFNN은 사물 인지나 음성 인식을 위한 지도 학습(supervised learning)에 이용되는 것을 특징으로 하는 학습 방법 |
17 |
17 컴퓨터로 구현되는 학습 시스템에 있어서,상기 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는,복수의 히든 레이어(hidden layer)를 포함하는 DNN(deep neural network)에서 비연속적인(non-consecutive) 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 대체함으로써 NCSFNN(non-consecutive stochastic feedforward neural network)를 구성하고,상기 적어도 하나의 프로세서는, 상기 NCSFNN을 구성하기 위해,상기 복수의 히든 레이어 중 적어도 하나의 레이어를 확률 레이어(stochastic layer)로 구성하고 마지막 레이어를 비확률 레이어로 구성하고,상기 확률 레이어는 수학식 5의 주변 분포(marginal distribution)을 가지는 이진 확률 벡터(binary random vector)로 정의되는 것을 특징으로 하는 학습 시스템 |
18 |
18 삭제 |
19 |
19 제17항에 있어서,상기 적어도 하나의 프로세서는,지식 전파(knowledge transfer)와 그라디언트(gradient) 근사에 기반하여 상기 NCSFNN을 학습시키되,2단계 학습(two-stage learning) 방식으로서 상기 DNN을 학습하고 학습한 DNN의 파라미터를 이용하여 상기 NCSFNN의 파라미터를 설정한 후 상기 NCSFNN을 학습시키는 것을 특징으로 하는 학습 시스템 |
20 |
20 제17항에 있어서,상기 적어도 하나의 프로세서는,상기 NCSFNN을 사물 인지나 음성 인식을 위한 지도 학습(supervised learning)에 이용하는 것을 특징으로 하는 학습 시스템 |
지정국 정보가 없습니다 |
---|
순번 | 패밀리번호 | 국가코드 | 국가명 | 종류 |
---|---|---|---|---|
1 | US20180129930 | US | 미국 | FAMILY |
순번 | 패밀리번호 | 국가코드 | 국가명 | 종류 |
---|---|---|---|---|
1 | US2018129930 | US | 미국 | DOCDBFAMILY |
순번 | 연구부처 | 주관기관 | 연구사업 | 연구과제 |
---|---|---|---|---|
1 | 미래창조과학부 | 광운대학교 | 정보통신기술인력양성 | 지능형 ICT 국방 감시정찰/경계 시스템 개발 |
공개전문 정보가 없습니다 |
---|
특허 등록번호 | 10-1738825-0000 |
---|
표시번호 | 사항 |
---|---|
1 |
출원 연월일 : 20161107 출원 번호 : 1020160147329 공고 연월일 : 20170523 공고 번호 : 특허결정(심결)연월일 : 20170425 청구범위의 항수 : 16 유별 : G06N 3/08 발명의 명칭 : 비연속적으로 확률 뉴런을 가지는 딥러닝 모델 및 지식 전파에 기반한 학습 방법 및 그 시스템 존속기간(예정)만료일 : |
순위번호 | 사항 |
---|---|
1 |
(권리자) 한국과학기술원 대전광역시 유성구... |
제 1 - 3 년분 | 금 액 | 334,500 원 | 2017년 05월 16일 | 납입 |
제 4 년분 | 금 액 | 196,000 원 | 2020년 04월 27일 | 납입 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 | 2016.11.07 | 수리 (Accepted) | 1-1-2016-1084295-77 |
2 | 직권정정안내서 | 2016.11.08 | 발송처리완료 (Completion of Transmission) | 1-5-2016-0161363-83 |
3 | [우선심사신청]심사청구(우선심사신청)서 | 2017.01.17 | 수리 (Accepted) | 1-1-2017-0058427-64 |
4 | [우선심사신청]선행기술조사의뢰서 | 2017.01.18 | 수리 (Accepted) | 9-1-9999-9999999-89 |
5 | [우선심사신청]선행기술조사보고서 | 2017.01.23 | 수리 (Accepted) | 9-1-2017-0002182-81 |
6 | 의견제출통지서 | 2017.02.13 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0107594-55 |
7 | [명세서등 보정]보정서 | 2017.04.10 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2017-0345957-05 |
8 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 | 2017.04.10 | 수리 (Accepted) | 1-1-2017-0345956-59 |
9 | 등록결정서 | 2017.04.25 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0296287-20 |
10 | 출원인정보변경(경정)신고서 | 2019.04.24 | 수리 (Accepted) | 4-1-2019-5081392-49 |
11 | 출원인정보변경(경정)신고서 | 2020.05.15 | 수리 (Accepted) | 4-1-2020-5108396-12 |
12 | 출원인정보변경(경정)신고서 | 2020.06.12 | 수리 (Accepted) | 4-1-2020-5131486-63 |
기술정보가 없습니다 |
---|
과제고유번호 | 1711039598 |
---|---|
세부과제번호 | R2718-16-0014 |
연구과제명 | 지능형 ICT 국방 감시정찰/경계 시스템 개발 |
성과구분 | 출원 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201606~201912 |
기여율 | 1 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
과제고유번호 | 1711039598 |
---|---|
세부과제번호 | R2718-16-0014 |
연구과제명 | 지능형 ICT 국방 감시정찰/경계 시스템 개발 |
성과구분 | 등록 |
부처명 | 미래창조과학부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201606~201912 |
기여율 | 1 |
연구개발단계명 | 기초연구 |
6T분류명 | IT(정보기술) |
[1020160173726] | 이동통신기반 사물인터넷 장치의 가입자 인증 방법, 가입자 인증을 위한 사물 인터넷 장치 및 가입자 인증을 위한 기지국 장치 | 새창보기 |
---|---|---|
[1020160155541] | 전방향 카메라에서 효과적인 차분 움직임 백터 전송방법을 이용한 비디오 코딩 방법 및 방법 및 장치(METHOD AND APPARATUS FOR OMNIDIRECTIONAL SECURITY VIDEO CODING IN USING METHODD OF EFFECTIVE TRANSMISSION FOR MOTION VECTOR DIFFERENCE) | 새창보기 |
[1020160147329] | 비연속적으로 확률 뉴런을 가지는 딥러닝 모델 및 지식 전파에 기반한 학습 방법 및 그 시스템 | 새창보기 |
[1020160105955] | 보안 카메라용 영상 코덱에서 블록 분할 정보 전송 방법 및 장치(METHOD AND APPARATUS TO TRANSMITE THE BLOCK-PARTITON INFORMATION FOR CODEC OF CCTV CAMERA) | 새창보기 |
[1020160105952] | 부호화 유닛들의 병합을 사용하는 비디오 부호화 방법 및 장치, 그리고 비디오 복호화 방법 및 장치(VIDEO ENCODING METHOD AND APPARATUS USING MERGE FOR CODING UNITS, AND VIDEO DECODING METHOD AND APPARATUS) | 새창보기 |
[KST2024000472][한국과학기술원] | 위성통신 장애 학습 방법 및 장치, 위성통신 장애 예측 방법 및 장치 | 새창보기 |
---|---|---|
[KST2019015684][한국과학기술원] | 생성적 적대 네트워크를 이용한 비디오 시퀀스 생성 시스템 및 그 방법 | 새창보기 |
[KST2022009147][한국과학기술원] | 피아노 연주의 음정, 세기, 페달의 실시간 자동 채보 및 재현을 위한 컴퓨터 시스템 및 그의 방법 | 새창보기 |
[KST2021015920][한국과학기술원] | 주어진 악보에 대하여 다양한 스타일의 표현력 있는 피아노 연주를 생성하는 방법 및 장치 | 새창보기 |
[KST2023009678][한국과학기술원] | 무인 항공기용 뉴럴 네트워크 시스템, 이를 포함하는 무인 항공기 제어 시스템 및 이를 이용한 무인 항공기 제어 방법 | 새창보기 |
[KST2020014261][한국과학기술원] | 기저학습 오토인코더와 그를 기반으로 하는 추천 시스템을 위한 콘텐츠 정보 활용 방법 및 장치 | 새창보기 |
[KST2021001672][한국과학기술원] | 뉴럴 네트워크를 이용한 플래시 메모리의 읽기 기준 전압 추정 방법 및 그 장치 | 새창보기 |
[KST2022019282][한국과학기술원] | 고속 수렴성을 갖는 딥러닝 기반 신뢰전파 복호기 및 이의 학습 방법 | 새창보기 |
[KST2018013306][한국과학기술원] | 영상 압축 장치 및 방법 | 새창보기 |
[KST2019014219][한국과학기술원] | 라인 입력 및 출력을 이용한 이미지 처리 방법 및 장치 | 새창보기 |
[KST2018006014][한국과학기술원] | 심층 신경망 기반 질병 정보 예측 시스템 및 방법(SYSTEM AND METHOD FOR PREDICTING DISEASE INFORAMTION USING DEEP NEURAL NETWORK) | 새창보기 |
[KST2022009121][한국과학기술원] | 3D 캐릭터의 얼굴 표정 리타게팅 방법 및 이를 위해 신경망을 학습하는 방법 | 새창보기 |
[KST2019021728][한국과학기술원] | 뉴럴 네트워크를 이용하는 영상 처리 장치 및 상기 장치가 수행하는 방법 | 새창보기 |
[KST2014046716][한국과학기술원] | 단일 뉴런 및 네트워크에 의한 예측 | 새창보기 |
[KST2018016242][한국과학기술원] | 기계 학습을 이용한 다중 뷰포인트 차량 인식 장치 | 새창보기 |
[KST2019014215][한국과학기술원] | 특징맵 압축을 이용한 이미지 처리 방법 및 장치 | 새창보기 |
[KST2019014216][한국과학기술원] | 라인 단위 연산을 이용한 초해상화 방법 및 장치 | 새창보기 |
[KST2021000482][한국과학기술원] | 심층 신경망 구조를 이용한 프레임 보간 방법 및 장치 | 새창보기 |
[KST2021010584][한국과학기술원] | 비디오 컬러화 방법 및 장치 | 새창보기 |
[KST2021010556][한국과학기술원] | 가속기, 가속기의 동작 방법 및 이를 포함한 전자 장치 | 새창보기 |
[KST2021010551][한국과학기술원] | 텔레프레즌스를 위한 원격 공간 아바타 배치 방법 및 그 장치 | 새창보기 |
[KST2021007560][한국과학기술원] | 디코더 아키텍쳐, 그의 동작 방법 및 디코더를 이용하는 소프트 키보드 | 새창보기 |
[KST2019014217][한국과학기술원] | 이미지 파이프라인 처리 방법 및 장치 | 새창보기 |
[KST2023003364][한국과학기술원] | IoT 환경 센서를 활용하여 비화재보를 줄이는 엣지-AI 기반 지능형 화재 감지 시스템 | 새창보기 |
[KST2021005395][한국과학기술원] | 3차원 굴절률 영상과 딥러닝을 활용한 비표지 방식의 3차원 분자 영상 생성 방법 및 장치 | 새창보기 |
[KST2023003465][한국과학기술원] | 단일 카메라를 사용하는 깊이 추정 장치 및 깊이 추정 방법 | 새창보기 |
[KST2019024332][한국과학기술원] | 디인터레이싱 방법 및 장치 | 새창보기 |
[KST2019009405][한국과학기술원] | 이미지 처리 방법 및 장치 | 새창보기 |
[KST2020013808][한국과학기술원] | 스케일러블 영상 부호화를 수행하는 장치 및 방법 | 새창보기 |
[KST2021000699][한국과학기술원] | 양수 수차의 건전성 자동 판정 방법 및 이를 위한 시스템 | 새창보기 |
심판사항 정보가 없습니다 |
---|