-
公开(公告)号：KR101828011B1
公开(公告)日：2018-02-21
申请号：KR1020160102592
申请日：2016-08-11
Applicant: 서울대학교산학협력단 , 서울대학교병원
CPC classification number: G06K9/627 , G06N3/0454 , G06N3/084 , G06T2207/20081 , G06T2207/20084
Abstract: 본발명의일 태양에따르면, 이미지에포함된객체의상태를분류하는방법에있어서, (a) 적어도하나의이미지가획득되면, 분류장치가, Convolutional layer를포함하는제1 Neural Network를이용하여각 이미지를학습하는단계, (b) 상기분류장치가, (i) 상기적어도하나의이미지에대한상기제1 Neural network에포함되는소정의 layer의출력값또는 (ii) 이를가공한값을포함하는제1 feature값을제2 Neural Network에입력하는단계 - 상기제2 Neural Network는 regression network 및 classification network를포함함 -, 및 (c) 상기분류장치가, (i) 상기제2 Neural network의상기 regression network에포함되는소정의 layer의출력값또는이를가공한값, 및 (ii) 상기제2 Neural network의상기 classification network에포함되는소정의 layer의출력값또는이를가공한값을포함하는제2 feature 값을제3 Neural Network에입력하여출력값을획득하고, 상기획득된출력값을참조로하여상기적어도하나의이미지가나타내는객체의상태를분류하거나분류하도록지원하는단계를포함하는방법이제공된다.
Abstract translation: 在根据本发明的一个方面，提供了一种在图像中的对象的状态进行分类的方法，（a）中获得的至少一个图像时，一个分类装置，使用所述第一1神经网络包括在每个卷积层 （B）分类装置包括：（i）包含在第一神经网络中用于至少一个图像的预定层的输出值，或（ii） 将特征值输入到第二神经网络，其中所述第二神经网络包括回归网络和分类网络，以及（c）所述分类装置包括：（i） 一处理输出，或者它的预定层，其包括的值，并且（ii）所述第二2神经网络服装组如权利要求3至权利要求神经2的特征值包括被包括在分类网络中的输出或经处理的该值对于给定的层的 输入到网络以获得输出值， 并且参考所获得的输出值来支持对由至少一个图像表示的对象的状态进行分类或分类。
-
2.发明授权
公开(公告)号：KR102202842B1
公开(公告)日：2021-01-14
申请号：KR1020190099179
申请日：2019-08-13
Applicant: 서울대학교산학협력단
Abstract: 크리스토펠함수의과다한연산량을커널화와서스타인오토인코더를이용하여개선한고차원비지도이상탐지학습방법이개시된다. 즉, (a) 학습장치가, 복수개의성분을가진적어도하나의학습데이터매트릭스가획득되면, 적어도하나의와서스타인인코딩네트워크로하여금, 각각의상기학습데이터매트릭스에적어도하나의인코딩연산을가하여, 상기학습데이터매트릭스로부터, 상기학습데이터매트릭스에비해낮은차원을가지는적어도하나의와서스타인피처매트릭스를추출하도록하는단계; (b) 상기학습장치가, (i) 적어도하나의와서스타인디코딩네트워크로하여금, 각각의상기와서스타인피처매트릭스에적어도하나의디코딩연산을가하여, 상기학습데이터매트릭스의차원에대응하는차원을가지는적어도하나의복원데이터매트릭스를생성하도록하는프로세스및 (ii) 적어도하나의임베딩네트워크로하여금, 각각의상기와서스타인피처매트릭스에적어도하나의임베딩연산을가하여, 각각의커널매트릭스를생성하도록하는프로세스를수행하도록하는단계; 및 (c) 상기학습장치가, 적어도하나의옵티마이징유닛으로하여금, (i) 기설정된와서스타인확률분포를참조로하여생성된샘플피처매트릭스들, (ii) 상기와서스타인피처매트릭스, (iii) 상기복원데이터매트릭스및 (iv) 상기커널매트릭스를참조로하여통합로스를계산하도록한 후, 상기통합로스를사용하여상기와서스타인인코딩네트워크, 상기와서스타인디코딩네트워크및 상기임베딩네트워크의파라미터들중 적어도일부를학습하도록하는단계;를포함하는것을특징으로하는방법이개시된다.
-
-
Patent Agency Ranking4.发明授权
公开(公告)号：KR102202823B1
公开(公告)日：2021-01-15
申请号：KR1020190097032
申请日：2019-08-08
Applicant: 서울대학교산학협력단
Abstract: 함수들의집합이가설공간 Reproducing Kernel Hilbert Space (RKHS)의닫힌구 형태인조건을만족할때 Weighted Integral Probability Metric (WIPM)연산이가지는성질을이용하여 Supervised Learning의기법을 Positive Unlabeled Learning에접목함으로써미분류된표본들외에일부의양성표본만을가지고도적은계산량으로양성자료와음성자료를구분할수 있는 Weighted Maximum Mean Discrepancy (WMMD) 이진분류방법이개시된다. 즉, (a) 컴퓨팅장치가, 미지의테스트자료벡터를획득하면, (i) 기획득된양성표본벡터들에대한정보를참조로하여상기테스트자료벡터에상기 WIPM 연산의성질을이용한 WMMD 커널연산을적용함으로써양성 WMMD 스코어를생성하는프로세스및 (ii) 기획득된미분류표본벡터들에대한정보를참조로하여상기테스트자료벡터에상기 WMMD 커널연산을적용함으로써미분류 WMMD 스코어를생성하는프로세스를수행하는단계; 및 (b) 상기컴퓨팅장치가, 상기양성 WMMD 스코어및 상기미분류 WMMD 스코어를참조로하여클래시피케이션스코어를생성한후, (i) 상기클래시피케이션스코어및 (ii) WMMD 바운더리스코어를이용하여상기테스트자료벡터가상기양성자료에속하는지또는상기음성자료에속하는지여부를판단한후 결과를출력하는단계를포함하되, 상기 WMMD 바운더리스코어는, 미분류자료의분포에대한상기양성자료의분포가차지하는비율값에대응하는 Class-Prior 값또는표본을통해상기비율값으로추정된값을참조로하여획득된것을특징으로하는방법이개시된다.
-
公开(公告)号：KR101851374B1
公开(公告)日：2018-04-23
申请号：KR1020160115301
申请日：2016-09-07
Applicant: 서울대학교산학협력단
IPC: G06N3/08
Abstract: 본발명의일 태양에따르면, 입력데이터를학습하는방법에있어서, (a) 학습장치가, 상기입력데이터를획득하는단계, 및 (b) 상기학습장치가, 복수의 layer를가지는 Neural Network를이용하여상기입력데이터를학습하는단계를포함하되, 상기복수의 layer 중개의노드로이루어진제번째 layer에대한 Activation function는다음수식을만족하는것을특징으로하며,이때,이며,은제번째 layer에대한입력데이터이며과는제번째 layer에대한가중치이고,은제번째 layer에대한 pre-activation 입력이며, Activation function에의해이계산되되는제번째 layer의출력데이터이자제 (+1) 번째 layer의입력데이터이며,와는제번째 layer에대하여정의된상수이고,는 indicator function으로서괄호안이사실(True)이면 1, 사실이아니면(False) 0인 function 인것을특징으로하는방법을개시한다.
-
-
-
公开(公告)号：KR1020180027972A
公开(公告)日：2018-03-15
申请号：KR1020160115301
申请日：2016-09-07
Applicant: 서울대학교산학협력단
IPC: G06N3/08
CPC classification number: G06N3/08 , G06N3/082 , G06N99/005
Abstract: 본발명의일 태양에따르면, 입력데이터를학습하는방법에있어서, (a) 학습장치가, 상기입력데이터를획득하는단계, 및 (b) 상기학습장치가, 복수의 layer를가지는 Neural Network를이용하여상기입력데이터를학습하는단계를포함하되, 상기복수의 layer 중개의노드로이루어진제번째 layer에대한 Activation function는다음수식을만족하는것을특징으로하며,이때,이며,은제번째 layer에대한입력데이터이며과는제번째 layer에대한가중치이고,은제번째 layer에대한 pre-activation 입력이며, Activation function에의해이계산되되는제번째 layer의출력데이터이자제 (+1) 번째 layer의입력데이터이며,와는제번째 layer에대하여정의된상수이고,는 indicator function으로서괄호안이사실(True)이면 1, 사실이아니면(False) 0인 function 인것을특징으로하는방법을개시한다.
Abstract translation: 在根据本发明的一个方面，提供了一种学习输入数据中，（a）学习设备，的方法，包括：获得所述输入数据，并且（b）该具有多个层的学习单元，使用神经网络 通过包括所述输入数据的学习的步骤，对于由所述多个层调解的一个节点的第二层neunda激活功能纳公式和，此时，输入数据为银层第 由激活函数计算的第一层的输出数据是第一层的输入数据，并且第二层的输入数据是预激活函数的输入数据， 为定义一个常数，公开了一种方法，它其特征在于，指示器功能括号内的真（true）如果1或真（假）0的功能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
