专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

81. 发明授权

KR102456409B1 인공 신경망의 추론 데이터에 대한 신뢰도를 판단하는 방법 有权
公开(公告)号：KR102456409B1
公开(公告)日：2022-10-19
申请号：KR1020190172651
申请日：2019-12-23
IPC分类号： G06N3/04 , G06N5/04

82. 发明授权

KR102445743B1 하드웨어 뉴럴 네트워크 기반의 높은 정확도를 가진 심전도 부정맥 감지 시스템 有权
公开(公告)号：KR102445743B1
公开(公告)日：2022-09-20
申请号：KR1020190093738
申请日：2019-08-01
IPC分类号： A61B5/00 , A61B5/361 , G06N3/08 , G06N5/04

83. 发明授权

KR102427634B1 변형가능 컨벌루션 네트워크를 정적 계산 기법을 사용하여 최적화한 BSDCN(Bounded Static Deformable Convolution Network)의 학습 방법 및 학습 장치, 그리고 이를 이용한 테스트 방법 및 테스트 장치 有权
公开(公告)号：KR102427634B1
公开(公告)日：2022-08-02
申请号：KR1020200175868
申请日：2020-12-15
IPC分类号： G06N3/08 , G06N3/04 , G06N5/04
摘要： 변형가능컨벌루션(Deformable Convolution) 개념을도입하여비정형패턴에대한모델링능력을높이면서도, 정적계산기법을사용하여일반적인딥러닝프레임워크의고수준 API를통해구현될수 있도록함으로써연산량을줄이고구현의복합도를최적화한 BSDCN(Bounded Static Deformable Convolution Network)의학습방법이개시된다. 즉, (a) 학습장치가, 학습이미지가입력되면, 상기 BSDCN에포함된디포밍(Deforming) 유닛으로하여금, (i) 적어도하나의원본컨벌루션커널및 (ii) 상기원본컨벌루션커널의각각의원본컨벌루션파라미터중 적어도일부에대응하는적어도하나의오프셋파라미터를참조로하여, 상기원본컨벌루션커널에비해확장분산된적어도하나의디폼(Deformed) 컨벌루션커널을생성하도록하는단계; (b) 상기학습장치가, 상기 BSDCN에포함된디폼컨벌루션레이어로하여금, 상기디폼컨벌루션커널을사용하여상기학습이미지에적어도하나의디폼컨벌루션연산을가하여적어도하나의학습용중간피처맵을생성하도록하는단계; (c) 상기학습장치가, 상기 BSDCN에포함된연산레이어로하여금, 상기학습용중간피처맵에적어도하나의뉴럴네트워크연산을가하여상기학습이미지에대응하는학습용추론정보를생성하도록하는단계; 및 (d) 상기학습장치가, 상기 BSDCN에포함된로스레이어로하여금, 상기학습용추론정보및 정답(Ground-Truth) 추론정보를참조하여로스를생성하도록한 후, 상기로스를참조하여백프로퍼게이션을수행함으로써상기오프셋파라미터및 상기원본컨벌루션파라미터중 적어도일부를학습하도록하는단계를포함하는것을특징으로하는방법이개시된다.

84. 发明授权

KR102423844B1 크라우드 검증 기반 다채널 이미지 학습 데이터 레이블링 방법 및 장치 有权
公开(公告)号：KR102423844B1
公开(公告)日：2022-07-22
申请号：KR1020200064677
申请日：2020-05-29
IPC分类号： G06N5/04 , G06N5/02

85. 发明授权

KR102423733B1 지식 그래프 추론 기반의 오픈 도메인 질문 응답 시스템 有权
公开(公告)号：KR102423733B1
公开(公告)日：2022-07-22
申请号：KR1020200103968
申请日：2020-08-19
IPC分类号： G06F16/332 , G06F16/33 , G06F16/338 , G06N5/04 , G06N5/00 , G06N5/02 , G06N3/08

86. 发明授权

KR102418596B1 소규모 학습 데이터 셋 기반 딥러닝 시스템과 이를 이용한 딥러닝 학습방법 有权
公开(公告)号：KR102418596B1
公开(公告)日：2022-07-06
申请号：KR1020200062746
申请日：2020-05-26
IPC分类号： G06N3/08 , G06N3/04 , G06N5/04
摘要： 본발명은소규모학습데이터셋을기반으로하는딥러닝시스템및 이를이용한딥러닝학습방법에대한것으로, 딥러닝학습을위한데이터를소규모단위로구분하고, 사전검증작업을거쳐소규모의학습을위한데이터의딥러닝학습에대한신뢰도를높이며, 원시데이터의반복적인학습시간을단축할수 있도록하는것이다.이를위해, 딥러닝모델학습을하기위해입력되는학습데이터셋 중에서클래스간데이터불균형이존재하는지여부를검사하여소규모데이터셋과참조데이터셋으로분리하고분석하는데이터불균형분석장치부(10), 소규모학습데이터셋과데이터생성에필요한참조데이터셋을이용하여생성데이터셋과합성데이터셋을생성하고, 생성된데이터가실제로존재하는지여부를판별하는데이터생성부(20), 데이터유사도군집결과와기존에학습되어있는범용딥러닝모델을이용하여목표로학습해야할 최종딥러닝모델의가중치와하이퍼파라미터의초기화에대한내용을전이학습시키는모델을생성하는모델초기화부(30), 소규모데이터셋을통해생성/검증된학습데이터셋과메타러닝모델을통해생성된전이학습최적데이터를이용하여딥러닝모델을통상적인학습데이터셋과레이블링정보를통해학습시키는모델학습부(40) 및학습된모델을기반으로분류혹은객체검출과같은추론을하는모델추론부(50)로구성되는기술을제공한다.

87. 发明公开

KR1020220094187A 데이터 취득 상황 정보를 포함하는 인공지능 학습용 계층적 데이터셋 생성 방법 및 시스템 审中-实审
公开(公告)号：KR1020220094187A
公开(公告)日：2022-07-05
申请号：KR1020220050089
申请日：2022-04-22
IPC分类号： G06N20/00 , G06N3/08 , G06N5/04 , B60W40/02 , B60W50/00
摘要： 데이터취득상황정보를포함하는인공지능학습용계층적데이터셋생성방법및 시스템이제공된다. 본발명의실시예에따른 GT 데이터셋생성방법은, 차량데이터를획득하여저장하고, 차량에설치된센서에서발생되는센서데이터를획득하여저장하며, 데이터취득당시의상황에대한정보인상황정보를생성하여저장한다. 이에의해, GT 디스크립터를생성함에있어센서데이터취득당시의상황정보를디스크립터에계층적으로기술한계층적데이터셋을통해, 다양한취득당시의상황, 조건을 GT 기술자상에서용이하게분석, 분류가능하게하여, 효율적으로인공지능네트워크를학습시킴으로써, 궁극적으로인공지능네트워크가높은인식성능을갖을수 있게된다.

88. 发明授权

KR102414582B1 신경망 모델의 추론 속도 향상 장치 및 방법 有权
公开(公告)号：KR102414582B1
公开(公告)日：2022-06-28
申请号：KR1020200052268
申请日：2020-04-29
IPC分类号： G06N3/02 , G06N5/04 , G06F7/46
摘要： 신경망모델의추론속도향상장치및 방법이개시되며, 본원의일 실시예에따른신경망모델의추론속도향상방법은, (a) 상기신경망모델을이용한추론과정에서곱연산되는제1피연산자및 제2피연산자를이진화하는단계, (b) 상기이진화된제1피연산자를복수의제1비트군으로분할하고, 상기이진화된제2피연산자를복수의제2비트군으로분할하는단계, (c) 상기복수의제1비트군의값 및상기복수의제2비트군의값에기초하여상기복수의제1비트군중 어느하나와상기복수의제2비트군중 어느하나사이의개별곱연산을위한곱셈기를선택적으로할당하는과정을상기복수의제1비트군각각과상기복수의제2비트군각각사이의개별곱연산이가능한모든조합에대하여반복수행하는단계, (d) 상기할당된곱셈기에기초하여상기개별곱연산을수행하는단계및 (e) 상기개별곱연산결과에시프트연산을수행하여곱연산결과를누적하는단계를포함할수 있다.

89. 发明授权

KR102413522B1 신경망 프로세서에서 사용하기 위한 가중치들의 프리페칭 有权
公开(公告)号：KR102413522B1
公开(公告)日：2022-06-24
申请号：KR1020207011552
申请日：2016-04-29
IPC分类号： G06N3/063 , G06N3/08 , G06N5/04
摘要： 신경망에대한신경망컴퓨테이션들을수행하기위한회로가개시되며, 회로는복수의셀들을포함하는시스톨릭어레이; 가중치페처유닛―가중치페처유닛은, 복수의신경망계층들의각각에대해, 복수의가중치입력들을신경망계층에대한시스톨릭어레이의제 1 차원을따라셀들에전송하도록구성됨―; 및복수의가중치시퀀서유닛들을포함하고, 각각의가중치시퀀서유닛은시스톨릭어레이의제 1 차원을따라별개의셀에커플링되고, 복수의가중치시퀀서유닛들은, 복수의신경망계층들각각에대해, 복수의클록사이클들을통해복수의가중치입력들을신경망계층에대한시스톨릭어레이의제 2 차원을따라셀들로시프트하도록구성되고, 각각의셀은곱셈회로를사용하여활성화입력및 각각의가중치입력의곱을컴퓨팅하도록구성된다.

90. 发明公开

KR1020220085642A 변형가능 컨벌루션 네트워크를 정적 계산 기법을 사용하여 최적화한 BSDCN(Bounded Static Deformable Convolution Network)의 학습 방법 및 학습 장치, 그리고 이를 이용한 테스트 방법 및 테스트 장치 有权
公开(公告)号：KR1020220085642A
公开(公告)日：2022-06-22
申请号：KR1020200175868
申请日：2020-12-15
IPC分类号： G06N3/08 , G06N3/04 , G06N5/04
摘要： 변형가능컨벌루션(Deformable Convolution) 개념을도입하여비정형패턴에대한모델링능력을높이면서도, 정적계산기법을사용하여일반적인딥러닝프레임워크의고수준 API를통해구현될수 있도록함으로써연산량을줄이고구현의복합도를최적화한 BSDCN(Bounded Static Deformable Convolution Network)의학습방법이개시된다. 즉, (a) 학습장치가, 학습이미지가입력되면, 상기 BSDCN에포함된디포밍(Deforming) 유닛으로하여금, (i) 적어도하나의원본컨벌루션커널및 (ii) 상기원본컨벌루션커널의각각의원본컨벌루션파라미터중 적어도일부에대응하는적어도하나의오프셋파라미터를참조로하여, 상기원본컨벌루션커널에비해확장분산된적어도하나의디폼(Deformed) 컨벌루션커널을생성하도록하는단계; (b) 상기학습장치가, 상기 BSDCN에포함된디폼컨벌루션레이어로하여금, 상기디폼컨벌루션커널을사용하여상기학습이미지에적어도하나의디폼컨벌루션연산을가하여적어도하나의학습용중간피처맵을생성하도록하는단계; (c) 상기학습장치가, 상기 BSDCN에포함된연산레이어로하여금, 상기학습용중간피처맵에적어도하나의뉴럴네트워크연산을가하여상기학습이미지에대응하는학습용추론정보를생성하도록하는단계; 및 (d) 상기학습장치가, 상기 BSDCN에포함된로스레이어로하여금, 상기학습용추론정보및 정답(Ground-Truth) 추론정보를참조하여로스를생성하도록한 후, 상기로스를참조하여백프로퍼게이션을수행함으로써상기오프셋파라미터및 상기원본컨벌루션파라미터중 적어도일부를학습하도록하는단계를포함하는것을특징으로하는방법이개시된다.

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式