맞춤기술찾기

이전대상기술

인간의 불확실성 추론을 위한 컴퓨터 시스템 및 그의 방법

  • 기술번호 : KST2022008012
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 다양한 실시예들은 인간의 불확실성 추론을 위한 컴퓨터 시스템 및 그의 방법에 관한 것으로, 개별 인간에 대해 구성된 결정론적 앙상블 신경망을 기반으로, 입력되는 데이터에 대한 인간의 불확실성 기대값을 추정하고, 인간에 대해, 불확실성 기대값이 속하는 불확실성 범위를 추론하도록 구성될 수 있다. 다양한 실시예들에 따르면, 결정론적 앙상블 신경망은, 인간에 의해 평가되는 데이터 아이템들의 각각에 대한 불확실성 측정값들을 이용하여, 구성될 수 있다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) G06N 20/20 (2019.01.01) G06N 5/04 (2006.01.01)
CPC G06N 3/08(2013.01) G06N 3/0454(2013.01) G06N 20/20(2013.01) G06N 5/04(2013.01)
출원번호/일자 1020200166376 (2020.12.02)
출원인 한국과학기술원
등록번호/일자
공개번호/일자 10-2022-0077441 (2022.06.09) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.12.02)
심사청구항수 17

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이상완 대전광역시 유성구
2 차유진 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

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
2020.12.02 수리 (Accepted) 1-1-2020-1302959-61
2 보정요구서
Request for Amendment
2020.12.04 발송처리완료 (Completion of Transmission) 1-5-2020-0183294-63
3 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2020.12.08 수리 (Accepted) 1-1-2020-1330345-49
4 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2020.12.09 수리 (Accepted) 1-1-2020-1333963-60
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨터 시스템에 의한 방법에 있어서, 개별 인간에 대해 구성된 결정론적 앙상블 신경망을 기반으로, 입력되는 데이터에 대한 상기 인간의 불확실성 기대값을 추정하는 단계; 및상기 인간에 대해, 상기 불확실성 기대값이 속하는 불확실성 범위를 추론하는 단계를 포함하는, 방법
2 2
제 1 항에 있어서, 상기 인간에 의해 평가되는 데이터 아이템들의 각각에 대한 불확실성 측정값들을 이용하여, 상기 결정론적 앙상블 신경망을 구성하는 단계를 더 포함하는, 방법
3 3
제 2 항에 있어서, 상기 결정론적 앙상블 신경망을 구성하는 단계는,상기 평가되는 데이터 아이템들과 상기 불확실성 측정값들이 각각 매칭된 데이터 셋을 생성하는 단계;상기 데이터 셋을 이용하여, 복수의 학습 네트워크들을 학습시키는 단계; 및상기 학습 네트워크들을 결합하여, 상기 결정론적 앙상블 신경망을 구성하는 단계를 포함하는, 방법
4 4
제 3 항에 있어서, 상기 데이터 셋은, 제 1 데이터 셋과 제 2 데이터 셋으로 구분되고,상기 학습 네트워크들을 학습시키는 단계는, 상기 제 1 데이터 셋을 이용하여, 상기 학습 네트워크들을 학습시키는, 방법
5 5
제 4 항에 있어서, 상기 결정론적 앙상블 신경망을 구성하는 단계는,상기 제 2 데이터 셋을 이용하여, 상기 결정론적 앙상블 신경망을 검증하는 단계; 및상기 결정론적 앙상블 신경망의 검증 성공 시, 상기 인간에 대해 상기 결정론적 앙상블 신경망을 결정하는 단계를 더 포함하는, 방법
6 6
제 1 항에 있어서, 상이한 인간에 대해, 상이한 결정론적 앙상블 신경망이 구성되는, 방법
7 7
제 2 항에 있어서, 상기 인간은 상기 데이터 아이템들의 각각에 대해 한 번씩 평가하고, 그 결과로 상기 데이터 아이템들의 각각에 대해 상기 불확실성 측정값들의 각각이 획득되는, 방법
8 8
컴퓨터 시스템에 있어서, 메모리; 및상기 메모리와 연결되고, 상기 메모리에 저장된 적어도 하나의 명령을 실행하도록 구성된 프로세서를 포함하고, 상기 프로세서는, 개별 인간에 대해 구성된 결정론적 앙상블 신경망을 기반으로, 입력되는 데이터에 대한 상기 인간의 불확실성 기대값을 추정하고, 상기 인간에 대해, 상기 불확실성 기대값이 속하는 불확실성 범위를 추론하도록 구성되는, 컴퓨터 시스템
9 9
제 8 항에 있어서, 상기 프로세서는, 상기 인간에 의해 평가되는 데이터 아이템들의 각각에 대한 불확실성 측정값들을 이용하여, 상기 결정론적 앙상블 신경망을 구성하도록 구성되는, 컴퓨터 시스템
10 10
제 9 항에 있어서, 상기 프로세서는, 상기 평가되는 데이터 아이템들과 상기 불확실성 측정값들이 각각 매칭된 데이터 셋을 생성하고, 상기 데이터 셋을 이용하여, 복수의 학습 네트워크들을 학습시키고, 상기 학습 네트워크들을 결합하여, 상기 결정론적 앙상블 신경망을 구성하도록 구성되는,컴퓨터 시스템
11 11
제 10 항에 있어서, 상기 프로세서는,상기 데이터 셋을 제 1 데이터 셋과 제 2 데이터 셋으로 구분하고,상기 제 1 데이터 셋을 이용하여, 상기 학습 네트워크들을 학습시키도록 구성되는,컴퓨터 시스템
12 12
제 11 항에 있어서, 상기 프로세서는,상기 제 2 데이터 셋을 이용하여, 상기 결정론적 앙상블 신경망을 검증하고,상기 결정론적 앙상블 신경망의 검증 성공 시, 상기 인간에 대해 상기 결정론적 앙상블 신경망을 결정하도록 구성되는,컴퓨터 시스템
13 13
제 8항에 있어서, 상이한 인간에 대해, 상이한 결정론적 앙상블 신경망이 구성되는, 컴퓨터 시스템
14 14
제 9 항에 있어서, 상기 인간은 상기 데이터 아이템들의 각각에 대해 한 번씩 평가하고, 그 결과로 상기 데이터 아이템들의 각각에 대해 상기 불확실성 측정값들의 각각이 획득되는, 컴퓨터 시스템
15 15
비-일시적인 컴퓨터-판독 가능 저장 매체에 있어서, 개별 인간에 대해 구성된 결정론적 앙상블 신경망을 기반으로, 입력되는 데이터에 대한 상기 인간의 불확실성 기대값을 추정하는 단계; 및상기 인간에 대해, 상기 불확실성 기대값이 속하는 불확실성 범위를 추론하는 단계를 실행하기 위한 하나 이상의 프로그램들을 저장하기 위한 컴퓨터-판독 가능 저장 매체
16 16
제 15 항에 있어서, 상기 결정론적 앙상블 신경망은,상기 인간에 의해 평가되는 데이터 아이템들의 각각에 대한 불확실성 측정값들을 이용하여, 구성되는, 컴퓨터-판독 가능 저장 매체
17 17
제 16 항에 있어서, 상기 결정론적 앙상블 신경망은,복수의 학습 네트워크들이 결합되어, 구성되고,상기 학습 네트워크들은,상기 평가되는 데이터 아이템들과 상기 불확실성 측정값들이 각각 매칭된 데이터 셋을 이용하여 학습되는, 컴퓨터-판독 가능 저장 매체
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 한국과학기술원 원천기술개발사업 (통합EZ)초고속 학습이 가능한 메타인지-모사 인공지능 설계(2020)