-
公开(公告)号：KR20210032612A
公开(公告)日：2021-03-25
申请号：KR1020190113642A
申请日：2019-09-16
Applicant: 서울대학교산학협력단
CPC classification number: G06F40/284 , G06F16/93 , G06N3/04 , G06N3/08
Abstract: 문서 임베딩(document embedding)을 생성하는 장치는, 뉴럴 네트워크(neural network)를 구현하기 위한 프로그램을 저장하는 메모리, 및 프로그램을 실행함으로써 문서 임베딩을 생성하는 프로세서를 포함하고, 프로세서는, 제1 도메인 및 제2 도메인 중 어느 하나에 포함되는 문서들 각각의 문서 임베딩 초기값, 및 문서들에 포함되는 전체 워드들 각각의 워드 임베딩 초기값을 설정하고, 뉴럴 네트워크에 대하여 제1 도메인 및 제2 도메인 간의 도메인 적응(domain adaptation)을 위한 제1 트레이닝을 수행함으로써 워드 임베딩 초기값을 워드 임베딩 최종값으로 업데이트하고, 워드 임베딩 최종값에 기초하여 뉴럴 네트워크에 대하여 도메인 적응을 위한 제2 트레이닝을 수행함으로써 문서 임베딩 초기값을 문서 임베딩 최종값으로 업데이트한다.
-
公开(公告)号：KR1020150107252A
公开(公告)日：2015-09-23
申请号：KR1020140029855
申请日：2014-03-13
Applicant: 서울대학교산학협력단
Abstract: 본 발명에 따른 다양체 학습에 기반한 데이터 분류 방법은 수집된 전체 데이터로부터 이상치를 제거하는 단계; 이상치가 제거된 데이터에 기초하여 분산함수를 구축하는 단계; 상기 전체 데이터를 상기 분산함수에 기초한 동적 시스템을 통해 다양체에 투영하는 단계 및 상기 투영 단계에 따라 획득된 데이터를 기초로 다양체 학습 알고리즘을 적용하는 단계를 포함한다.
Abstract translation: 根据本发明的基于歧管学习的数据分类方法包括以下步骤：从整个收集的数据中去除异常值; 根据去除异常值的数据构建方差函数; 通过基于方差函数的动态系统将整个数据投影到歧管空间; 以及基于根据投影步骤获得的数据应用歧管学习算法。
-
-
公开(公告)号：KR101577249B1
公开(公告)日：2015-12-14
申请号：KR1020140031027
申请日：2014-03-17
Applicant: 서울대학교산학협력단
IPC: G06F17/00
Abstract: 본발명은데이터저장소에저장되어있는데이터집합에서샘플데이터를추출하고, 상기추출된샘플데이터로부터각 클러스터를정의하는클러스터링정의부; 및상기데이터집합의각 데이터를상기정의된각 클러스터중 하나로할당하는클러스터링할당부;를포함하되, 상기클러스터링정의부는보로노이셀(Voronoi cell)의시드(seed)로사용할수 있는대표점을산출하여, 상기대표점을라벨링(labelling)함으로써상기각 클러스터를정의하는클러스터링장치를제공한다.
-
5.发明公开관련도 벡터 머신을 이용한 기계학습방법, 이를 구현하는 컴퓨터 프로그램 및 이를 수행하도록 구성되는 정보처리장치 有权机器学习方法使用相关向量机电脑程序来实现配置为执行相同的相同，咨询无论PROCESSINTG DEVICE
公开(公告)号：KR20180028610A
公开(公告)日：2018-03-19
申请号：KR20160116110
申请日：2016-09-09
Applicant: 서울대학교산학협력단
CPC classification number: G06N3/08 , G06N99/005
Abstract: 본발명은관련도벡터머신을이용한기계학습방법, 이를구현하는컴퓨터프로그램및 이를수행하도록구성되는정보처리장치에관한것이다. 구체적으로, 기계학습방법은, (1) 데이터포인트들을포함한원시데이터집합중 일부의데이터포인트들만라벨링된경우, 라벨링된데이터포인트들의제1 데이터집합및 라벨링되지않은데이터포인트들의제2 데이터집합을초기값으로설정하여, 베이지안회귀모델에기초한변환적일반화관련도벡터머신을구성하는단계와, (2) 상기관련도벡터머신으로부터획득된분포에기초하여상기제2 데이터집합으로부터선택된관련도벡터들의제3 데이터집합을획득하는단계와, (3) 상기제3 데이터집합에포함된관련도벡터들에기초하여, 상기제1 및제2 데이터집합들의갱신을위한제4 데이터집합을구성하고상기제1 데이터집합및 제2 데이터집합을갱신하는단계와, (4) 상기갱신된제1 데이터집합및 제2 데이터집합을초기값으로설정하여, 상기단계 (1)의변환적일반화관련도벡터머신을재구성하는단계와, (5) 상기단계 (2) 내지단계 (4)를반복하여최종구성되는관련도벡터머신으로부터관련도벡터및 가중치를획득하는단계를포함한다.
Abstract translation: 本发明涉及一种计算机程序和配置为这样的信息处理设备，其使用向量机还实现了一个机器学习方法，该相关。 更具体而言，机器学习方法，包括：（1）当仅所述原始数据集的数据点，包括数据点，最初，第一数据组的第二数据组和未标记数据的标记的数据点的点的标记部 基于从相关度矢量获得的分布从第二组数据中选择的相关矢量的矢量的值; （3）基于包括在第三组数据中的相关矢量构造用于更新第一和第二组数据的第四组数据， （4）将更新的第一数据集和第二数据集设置为初始值，并更新步骤（1）的变换后的泛化相关向量机; 配置的从相关向量机的工序，（5）获得的相关矢量的步骤，和重量通过重复步骤最终形成（2）至（4）。
-
Patent Agency Ranking
公开(公告)号：KR101895121B1
公开(公告)日：2018-09-04
申请号：KR1020160116110
申请日：2016-09-09
Applicant: 서울대학교산학협력단
Abstract: 본발명은관련도벡터머신을이용한기계학습방법, 이를구현하는컴퓨터프로그램및 이를수행하도록구성되는정보처리장치에관한것이다. 구체적으로, 기계학습방법은, (1) 데이터포인트들을포함한원시데이터집합중 일부의데이터포인트들만라벨링된경우, 라벨링된데이터포인트들의제1 데이터집합및 라벨링되지않은데이터포인트들의제2 데이터집합을초기값으로설정하여, 베이지안회귀모델에기초한변환적일반화관련도벡터머신을구성하는단계와, (2) 상기관련도벡터머신으로부터획득된분포에기초하여상기제2 데이터집합으로부터선택된관련도벡터들의제3 데이터집합을획득하는단계와, (3) 상기제3 데이터집합에포함된관련도벡터들에기초하여, 상기제1 및제2 데이터집합들의갱신을위한제4 데이터집합을구성하고상기제1 데이터집합및 제2 데이터집합을갱신하는단계와, (4) 상기갱신된제1 데이터집합및 제2 데이터집합을초기값으로설정하여, 상기단계 (1)의변환적일반화관련도벡터머신을재구성하는단계와, (5) 상기단계 (2) 내지단계 (4)를반복하여최종구성되는관련도벡터머신으로부터관련도벡터및 가중치를획득하는단계를포함한다.
-
公开(公告)号：KR101588431B1
公开(公告)日：2016-01-25
申请号：KR1020140029855
申请日：2014-03-13
Applicant: 서울대학교산학협력단
Abstract: 본발명에따른다양체학습에기반한데이터분류방법은수집된전체데이터로부터이상치를제거하는단계; 이상치가제거된데이터에기초하여분산함수를구축하는단계; 상기전체데이터를상기분산함수에기초한동적시스템을통해다양체에투영하는단계및 상기투영단계에따라획득된데이터를기초로다양체학습알고리즘을적용하는단계를포함한다.
-
-
公开(公告)号：KR101894894B1
公开(公告)日：2018-09-05
申请号：KR1020170076854
申请日：2017-06-16
Applicant: 서울대학교산학협력단
IPC: G06F9/455
CPC classification number: G06F9/3806 , G06F9/45508
Abstract: 본발명은바이트코드처리장치및 동작방법에관한것으로써, 좀더 상세하게는프로그래밍언어로작성된프로그램의바이트코드를처리하기위한장치및 방법에관한것이다. 본발명의실시예에따른바이트코드처리장치는태그필드및 상기태그필드와대응되는타겟주소필드를포함하는분기타겟버퍼, 동작코드를포함하는바이트코드를인출하도록구성된바이트코드인출부, 상기바이트코드에서상기동작코드를추출하도록구성된동작코드추출부, 상기동작코드가상기분기타겟버퍼의상기태그필드에존재하는지검색하고, 상기동작코드가상기태그필드에존재하는경우, 상기타겟주소필드로부터상기동작코드와대응하는타겟주소를추출하는분기타겟버퍼검색부, 그리고상기타겟주소로분기하여상기바이트코드를실행하는바이트코드실행부를포함한다. 따라서, 프로그래밍언어로작성된프로그램의실행속도를향상시킬수 있는바이트코드처리장치및 동작방법을제공할수 있다.
-
公开(公告)号：KR1020150108173A
公开(公告)日：2015-09-25
申请号：KR1020140031027
申请日：2014-03-17
Applicant: 서울대학교산학협력단
IPC: G06F17/00
CPC classification number: G06F17/30705
Abstract: 본 발명은 데이터 저장소에 저장되어 있는 데이터 집합에서 샘플 데이터를 추출하고, 상기 추출된 샘플 데이터로부터 각 클러스터를 정의하는 클러스터링 정의부; 및 상기 데이터 집합의 각 데이터를 상기 정의된 각 클러스터 중 하나로 할당하는 클러스터링 할당부;를 포함하되, 상기 클러스터링 정의부는 보로노이 셀(Voronoi cell)의 시드(seed)로 사용할 수 있는 대표점을 산출하여, 상기 대표점을 라벨링(labelling)함으로써 상기 각 클러스터를 정의하는 클러스터링 장치를 제공한다.
Abstract translation: 本发明提供了一种聚类设备，包括：聚类定义单元，从存储在数据存储位置的数据组中提取样本数据，并根据提取的样本数据定义每个簇; 以及将数据组的每个数据分配给所定义的簇之一的聚类分配单元。 聚类定义单元通过计算代表点来定义每个簇，该代表点可以用作voronoi小区的种子并标记代表点。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
