맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

연합 학습을 활용한 사용자 특성 분석을 위한 딥 러닝 모델 생성 방법

  • 기술번호 : KST2021007585
  • 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 본 발명의 일 실시예에 따른 연합 학습을 활용한 사용자 특성 분석을 위한 딥 러닝 모델 생성 방법은 사용자 단말이 서버로부터 압축된 CNN 모델 및 VAE 모델을 수신하는 단계, 상기 사용자 단말이 영상 데이터를 사용자가 시청하고 있다고 판단되는 경우 카메라 모듈로부터 사용자의 행동을 수신하고, 상기 영상 데이터에 대한 사용자의 행동에 따른 선호도를 상기 압축된 CNN을 통해 예측하는 단계, 상기 사용자 단말이 상기 VAE 모델 및 상기 CNN 예측 선호도를 이용하여 사용자 단말 VAE 손실 값을 계산한 후, 상기 계산된 사용자 단말 VAE 손실 값을 에지에 제공하는 단계, 상기 에지가 상기 사용자 단말 VAE 손실 값을 이용하여 상기 VAE 모델을 학습시킨 후 상기 학습된 VAE 모델을 상기 서버에 제공하는 단계 및 상기 서버가 상기 학습된 VAE 모델 및 미리 생성된 VAE 모델을 통합하는 단계를 포함한다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) G06Q 50/10 (2012.01.01)
CPC
출원번호/일자 1020200164303 (2020.11.30)
출원인 경희대학교 산학협력단
등록번호/일자
공개번호/일자 10-2021-0066754 (2021.06.07) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020190155524   |   2019.11.28
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.11.30)
심사청구항수 3

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경희대학교 산학협력단 대한민국 경기도 용인시 기흥구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 홍충선 경기도 용인시 수지구
2 김유준 경기도 수원시 영통구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인도담 대한민국 경기도 성남시 분당구 판교역로 ***, 에스동 ***호(삼평동,에이치스퀘어)

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		 2020.11.30 수리 (Accepted) 1-1-2020-1291249-15
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
사용자 단말이 서버로부터 압축된 CNN 모델 및 VAE 모델을 수신하는 단계;상기 사용자 단말이 영상 데이터를 사용자가 시청하고 있다고 판단되는 경우 카메라 모듈로부터 사용자의 행동을 수신하고, 상기 영상 데이터에 대한 사용자의 행동에 따른 선호도를 상기 압축된 CNN을 통해 예측하는 단계;상기 사용자 단말이 상기 VAE 모델 및 상기 CNN 예측 선호도를 이용하여 사용자 단말 VAE 손실 값을 계산한 후, 상기 계산된 사용자 단말 VAE 손실 값을 에지에 제공하는 단계;상기 에지가 상기 사용자 단말 VAE 손실 값을 이용하여 상기 VAE 모델을 학습시킨 후 상기 학습된 VAE 모델을 상기 서버에 제공하는 단계;상기 서버가 상기 학습된 VAE 모델 및 미리 생성된 VAE 모델을 통합하는 단계를 포함하는 것을 특징으로 하는 연합 학습을 활용한 사용자 특성 분석을 위한 딥 러닝 모델 생성 방법
2 2
제1항에 있어서,상기 서버가 감정 인식을 위한 CNN 모델을 학습시키고, 상기 CNN 모델이 컴퓨팅 능력이 낮은 사용자 단말에서 잘 구동될 수 있도록 네트워크 플루닝(Network pruning), 강화학습 기반 자동 모델압축(AutoML for Model Compression)등의 방법을 통하여 모델을 압축하여 상기 압축된 CNN 모델을 생성하는 단계를 더 포함하는 것을 특징으로 하는 연합 학습을 활용한 사용자 특성 분석을 위한 딥 러닝 모델 생성 방법
3 3
제1항에 있어서,상기 서버가 상기 학습된 VAE 모델 및 미리 생성된 VAE 모델을 통합하는 단계는상기 서버가 연합 학습에 한번이라도 참여한 적이 있는 사용자 단말 또는 현재 에폭스에서 사용자 단말 각각이 학습시킨 모델, 전체 로컬 디바이스들이 가지고 있는 데이터의 총 개수, 가중치 및 사용자 단말의 수를 이용하여 상기 학습된 VAE 모델 및 미리 생성된 VAE 모델을 통합하는 단계를 더 포함하는 것을 특징으로 하는 연합 학습을 활용한 사용자 특성 분석을 위한 딥 러닝 모델 생성 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 성균관대학교 산학협력단 정보통신방송혁신인재양성(R＆D) 2020 Grand ICT 라이프 컴패니온쉽 경험을 위한 지능형 인터랙션 융합 연구