Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2017209548) DISPOSITIF ET PROCÉDÉ POUR GÉNÉRER UN MODÈLE DE PRÉDICTION BASÉ SUR UN RÉSEAU NEURONAL ARTIFICIEL
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2017/209548 N° de la demande internationale : PCT/KR2017/005753
Date de publication : 07.12.2017 Date de dépôt international : 01.06.2017
CIB :
G06N 3/08 (2006.01) ,G06N 3/04 (2006.01) ,G06F 17/10 (2006.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
08
Méthodes d'apprentissage
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
04
Architecture, p.ex. topologie d'interconnexion
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17
Equipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
10
Opérations mathématiques complexes
Déposants :
서울대학교산학협력단 SEOUL NATIONAL UNIVERSITY R&DB FOUNDATION [KR/KR]; 서울시 관악구 관악로 1 1, Gwanak-ro, Gwanak-gu, Seoul 08826, KR
호두에이아이랩 주식회사 HODOOAI LAB INC. [KR/KR]; 서울시 관악구 관악로 1, 417호 Suite 417, 1, Gwanak-ro Gwanak-gu Seoul 08826, KR
Inventeurs :
이정우 LEE, Jung Woo; KR
이형일 LEE, Hyeung Ill; KR
Mandataire :
특허법인 신지 SINJI PATENT FIRM; 서울시 강남구 테헤란로 8길 33, 6층 6Fl., 33, Teheran-ro 8-gil, Gangnam-gu, Seoul 06239, KR
Données relatives à la priorité :
10-2016-006832601.06.2016KR
Titre (EN) DEVICE AND METHOD FOR GENERATING ARTIFICIAL NEURAL NETWORK-BASED PREDICTION MODEL
(FR) DISPOSITIF ET PROCÉDÉ POUR GÉNÉRER UN MODÈLE DE PRÉDICTION BASÉ SUR UN RÉSEAU NEURONAL ARTIFICIEL
(KO) 인공 신경망 기반 예측 모델 생성 장치 및 방법
Abrégé :
(EN) The present invention relates to an artificial neural network-based prediction model generation device comprising: an input data conversion unit for converting L (L is a natural number) dimensional array input data into normalized vector data so as to input the same into a modeling unit; the modeling unit, which models an artificial neural network-based prediction model for learning the inputted vector data, and outputs a prediction value through modeling; and an adjusting unit for calculating an error value by comparing, with an actual measurement value, the prediction value by means of the modeling unit, and adjusting a learning parameter of an artificial neural network through a back propagation algorithm by using the error value.
(FR) La présente invention concerne un dispositif de génération de modèle de prédiction basé sur un réseau neuronal artificiel comprenant : une unité de conversion de données d'entrée pour convertir L (L est un nombre naturel) dimensionnelles en données vectorielles normalisées de façon aux introduire dans une unité de modélisation; l'unité de modélisation, qui modélise un modèle de prédiction basé sur un réseau neuronal artificiel pour apprendre les données vectorielles entrées, et délivre une valeur de prédiction par modélisation; et une unité de réglage pour calculer une valeur d'erreur par comparaison, avec une valeur de mesure réelle, la valeur de prédiction au moyen de l'unité de modélisation, et à ajuster un paramètre d'apprentissage d'un réseau neuronal artificiel par l'intermédiaire d'un algorithme de rétropropagation en utilisant la valeur d'erreur.
(KO) 본 발명은 인공 신경망 기반 예측 모델 생성 장치로, L(L은 자연수)차원 어레이 입력 데이터를 정규화된 벡터 데이터로 변환하여 모델링부에 입력하는 입력 데이터 변환부와, 상기 입력된 벡터 데이터를 학습하기 위한 인공 신경망 기반의 예측 모델을 모델링하고, 모델링을 통한 예측값을 출력하는 모델링부와, 상기 모델링부에 의한 예측값과 실제 측정값을 비교하여 오차값을 계산하고, 오차값을 이용하여 역전파(Back Propagation) 알고리즘을 이용하여 상기 인공 신경망의 학습 파라미터를 조정하는 조정부를 포함한다.
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KH, KN, KP, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : coréen (KO)
Langue de dépôt : coréen (KO)