맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

적응적 가중치 감쇠를 이용한 딥 러닝 방법

  • 기술번호 : KST2021005163
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 발명의 일 실시예에 따른 적응적 가중치 감쇠를 이용한 딥러닝 방법은 복수의 레이어로 구성되는 학습 모델에 대한 훈련 데이터 세트로부터 적어도 하나의 미니 배치를 선택하는 단계, 미니 배치에 대해 학습 모델의 예측 출력과 실제 출력 간의 잔차에 대응하는 데이터 정확도 항 및 가중치 감쇠 계수를 갖는 정규화 항을 포함하는 목적 함수를 산출하는 단계, 복수의 레이어 별 잔차에 기초하여 가중치 감쇠 계수에 학습 모델 파라미터 별 정규화 정도를 결정하는 패널티를 부과하는 단계, 및 목적 함수의 기울기를 연산하여 학습 모델 파라미터를 업데이트 하는 단계를 포함한다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC G06N 3/082(2013.01) G06N 3/04(2013.01)
출원번호/일자 1020190135455 (2019.10.29)
출원인 중앙대학교 산학협력단
등록번호/일자
공개번호/일자 10-2021-0050892 (2021.05.10) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.10.29)
심사청구항수 9

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 홍병우 서울특별시 도봉구
2 나카무라 켄스케 서울특별시 동작구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 심경식 대한민국 서울시 강남구 역삼로 *** 동아빌딩 *층(에스와이피특허법률사무소)
2 홍성욱 대한민국 서울특별시 강남구 역삼로 ***(역삼동) 동아빌딩 *층(주식회사에스와이피)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
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		 2019.10.29 수리 (Accepted) 1-1-2019-1105925-85
2 선행기술조사의뢰서
Request for Prior Art Search		 2020.11.03 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2021.01.16 발송처리완료 (Completion of Transmission) 9-6-2021-0012067-17
4 의견제출통지서
Notification of reason for refusal		 2021.03.09 발송처리완료 (Completion of Transmission) 9-5-2021-0195460-60
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
복수의 레이어로 구성되는 학습 모델에 대한 훈련 데이터 세트로부터 적어도 하나의 미니 배치를 선택하는 단계;상기 미니 배치에 대해 상기 학습 모델의 예측 출력과 실제 출력 간의 잔차에 대응하는 데이터 정확도 항 및 가중치 감쇠 계수를 갖는 정규화 항을 포함하는 목적 함수를 산출하는 단계;상기 복수의 레이어 별 상기 잔차에 기초하여 상기 가중치 감쇠 계수에 학습 모델 파라미터 별 정규화 정도를 결정하는 패널티를 부과하는 단계; 및상기 목적 함수의 기울기를 연산하여 상기 학습 모델 파라미터를 업데이트 하는 단계를 포함하는 적응적 가중치 감쇠를 이용한 딥러닝 방법
2 2
제1항에 있어서,상기 목적 함수는 아래의 [수학식 1]과 같이 산출되는 것을 특징으로 하는 적응적 가중치 감쇠를 이용한 딥러닝 방법
3 3
제1항에 있어서,상기 학습 모델 파라미터를 업데이트 하는 단계는 아래의 [수학식 2]와 같이 수행하는 것을 특징으로 하는 적응적 가중치 감쇠를 이용한 딥러닝 방법
4 4
제3항에 있어서,상기 데이터 정확도 항의 기울기 노름을 아래의 [수학식 3]과 같이 정규화하는 단계를 더 포함하는 것을 특징으로 하는 적응적 가중치 감쇠를 이용한 딥러닝 방법
5 5
제4항에 있어서,상기 학습 모델 파라미터의 정규화 정도는 상기 기울기 노름에 비례하는 것을 특징으로 하는 적응적 가중치 감쇠를 이용한 딥러닝 방법
6 6
제5항에 있어서,상기 학습 모델 파라미터의 정규화 정도는 아래의 [수학식 4]와 같이, 정규화된 상기 기울기 노름에 대한 시그모이드 함수에 의해 결정되는 것을 특징으로 하는 적응적 가중치 감쇠를 이용한 딥러닝 방법
7 7
제6항에 있어서,상기 패널티는 0부터 2의 범위 내에서 부과되는 것을 특징으로 하는 적응적 가중치 감쇠를 이용한 딥러닝 방법
8 8
제1항에 있어서,상기 목적 함수의 기울기를 연산하는 단계는 상기 목적 함수를 미분하는 단계인 것을 특징으로 하는 적응적 가중치 감쇠를 이용한 딥러닝 방법
9 9
제1항에 있어서,상기 학습 모델 파라미터를 업데이트 하는 단계는 상기 목적 함수를 최소화하는 확률적 경사 하강 알고리즘을 적용하여 수행되는 것을 특징으로 하는 적응적 가중치 감쇠를 이용한 딥러닝 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 과학기술정보통신부 중앙대학교 산학협력단 이공분야기초연구사업 지능형 로봇개발에 적용되는 딥러닝 시각인식 알고리즘 개발
2 과학기술정보통신부 중앙대학교 산학협력단 이공분야기초연구사업 [이지바로]치과 임플란트 자동화를 위한 3차원 영상분석 알고리즘 개발