-
1.发明专利
公开(公告)号：KR102239464B1
公开(公告)日：2021-04-13
申请号：KR1020190018115A
申请日：2019-02-15
Applicant: 성균관대학교산학협력단
Abstract: 본 발명은 심층 구조를 이용한 전력 수요 예측 방법 및 장치에 관한 것으로, 본 발명의 일 실시 예에 따른 전력 수요 예측 방법은, 전력 수요 데이터의 위상 공간 분석(Phase space analysis)을 이용하여 시계열 예측 모델의 입력 구조를 결정하는 단계, 상기 결정된 시계열 예측 모델의 입력 구조에 따른 시계열 입력 데이터를 이용하여 커널 함수(Kernel function)를 갖는 복수의 가우시안 커널 함수 네트워크(Gaussian kernel function network)를 각각 학습하는 단계, 상기 학습된 복수의 가우시안 커널 함수 네트워크를 결합하여 상위 계층의 심층 가우시안 커널 함수 네트워크를 생성하고, 상기 전력 수요 데이터를 이용하여 상기 생성된 심층 가우시안 커널 함수 네트워크를 학습하는 단계, 및 상기 학습된 심층 가우시안 커널 함수 네트워크를 이용하여 전력 수요를 예측하는 단계를 포함한다.
-
公开(公告)号：KR102264569B1
公开(公告)日：2021-06-15
申请号：KR1020190093955
申请日：2019-08-01
Applicant: 성균관대학교산학협력단
Inventor： 길이만
-
Patent Agency Ranking
公开(公告)号：KR20210015306A
公开(公告)日：2021-02-10
申请号：KR20190093955
申请日：2019-08-01
Applicant: 성균관대학교산학협력단
Inventor： 길이만
Abstract: 본발명은클래스확률출력망기반심장상태분류방법및 장치에관한것으로, 본발명의일 실시예에따른심장상태분류방법은, 심전도신호의간격에대한통계적특징을나타내는감마분포의파라미터를추정하는단계, 상기추정된감마분포의파라미터와기학습된감마분포의파라미터의중심점사이의거리를계산하는단계, 상기계산된중심점사이의거리를클래스확률출력망에입력시켜정상클래스및 비정상클래스의유의확률을결정하는단계, 및상기결정된정상클래스및 비정상클래스의유의확률을서로비교하여상기수집된심전도신호를정상파동또는비정상파동으로분류하는단계를포함한다. 본발명의일 실시예에따른심장상태분류방법은, 상기심전도신호가정상파동으로분류되면, 정상심전도신호의간격을추가로수집하여현재간격과다음간격사이의상관계수를계산하고, 상기계산된상관계수값을이용하여심장상태를정상상태또는비정상상태로결정하는단계를포함한다.
-
公开(公告)号：KR101590896B1
公开(公告)日：2016-02-02
申请号：KR1020140166574
申请日：2014-11-26
Applicant: 경북대학교 산학협력단 , 성균관대학교산학협력단
CPC classification number: G06N5/00 , G06F17/00 , G06N5/003 , G06N99/005
Abstract: 일반화성능을갖는심화학습장치는, 다수의특징추출층을포함하고, 상기각 특징추출층은, 입력데이터에대해학습하기위해데이터분류별로형성된적어도하나의학습부; 상기학습부로부터출력되는데이터의불확실성값을계산하는불확실성도출부; 상기불확실성값이임계치미만인출력데이터에대해분류결과를도출하는출력부; 및상기불확실성값이임계치이상인출력데이터를다음의특징추출층으로전달하는전달부를포함한다. 이에따라, 더욱풍부한특징을추출할수 있으며, 학습데이터에포함되지않은데이터들에대한최대한의일반화성능을확보할수 있다.
Abstract translation: 具有泛化性能的深度学习装置包括至少一个包括特征提取层的倾斜部分。 每个特征提取层包括：至少一个学习部分，被配置为学习分类数据类型的输入数据; 不确定度绘制部，其计算从倾斜部输出的数据的不确定度值; 输出部，其对不确定度值小于阈值的输出数据绘制分类结果; 以及将不确定度值大于阈值的输出数据发送到下一特征提取层的发送部。 因此，深度学习设备可以为学习数据中排除的数据提取更多丰富的特征并确保最大泛化性能。
-
公开(公告)号：KR102239464B1
公开(公告)日：2021-04-13
申请号：KR1020190018115
申请日：2019-02-15
Applicant: 성균관대학교산학협력단
Abstract: 본발명은심층구조를이용한전력수요예측방법및 장치에관한것으로, 본발명의일 실시예에따른전력수요예측방법은, 전력수요데이터의위상공간분석(Phase space analysis)을이용하여시계열예측모델의입력구조를결정하는단계, 상기결정된시계열예측모델의입력구조에따른시계열입력데이터를이용하여커널함수(Kernel function)를갖는복수의가우시안커널함수네트워크(Gaussian kernel function network)를각각학습하는단계, 상기학습된복수의가우시안커널함수네트워크를결합하여상위계층의심층가우시안커널함수네트워크를생성하고, 상기전력수요데이터를이용하여상기생성된심층가우시안커널함수네트워크를학습하는단계, 및상기학습된심층가우시안커널함수네트워크를이용하여전력수요를예측하는단계를포함한다.
-
公开(公告)号：KR102042165B1
公开(公告)日：2019-11-07
申请号：KR1020180010653
申请日：2018-01-29
Applicant: 성균관대학교산학협력단
Inventor： 길이만
IPC: G06F17/50
-
公开(公告)号：KR101993551B1
公开(公告)日：2019-06-26
申请号：KR1020180007848
申请日：2018-01-22
Applicant: 성균관대학교산학협력단
Inventor： 길이만
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
