Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019031799) PROCÉDÉ ET DISPOSITIF DE DIAGNOSTIC DE VÉHICULE UTILISANT UNE INTELLIGENCE ARTIFICIELLE BASÉE SUR UN APPRENTISSAGE PROFOND
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/031799 N° de la demande internationale : PCT/KR2018/008929
Date de publication : 14.02.2019 Date de dépôt international : 07.08.2018
CIB :
G06F 11/00 (2006.01) ,G06F 11/07 (2006.01) ,G06N 3/08 (2006.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
11
Détection d'erreurs; Correction d'erreurs; Contrôle de fonctionnement
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
11
Détection d'erreurs; Correction d'erreurs; Contrôle de fonctionnement
07
Réaction à l'apparition d'un défaut, p.ex. tolérance de certains défauts
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
Déposants :
㈜다이매틱스 DYMATICS CO., LTD. [KR/KR]; 서울시 서초구 방배천로2길 21, 401호 #401, 21, Bangbaecheon-ro 2-gil Seocho-gu Seoul 06693, KR
Inventeurs :
최창우 CHOI, Chang Woo; KR
김민정 KIM, Min Jung; KR
김융규 KIM, Yoong Kyu; KR
Mandataire :
특허법인 아이시스 ISIS IP LAW LLC; 서울시 강남구 테헤란로 63길 14, 8층 8F., 14, Teheran-ro 63-gil Gangnam-gu Seoul 06160, KR
Données relatives à la priorité :
10-2017-010229311.08.2017KR
Titre (EN) METHOD AND DEVICE FOR DIAGNOSING VEHICLE USING DEEP LEARNING-BASED ARTIFICIAL INTELLIGENCE
(FR) PROCÉDÉ ET DISPOSITIF DE DIAGNOSTIC DE VÉHICULE UTILISANT UNE INTELLIGENCE ARTIFICIELLE BASÉE SUR UN APPRENTISSAGE PROFOND
(KO) 딥러닝 기반의 인공지능을 이용한 자동차 진단 방법 및 장치
Abrégé :
(EN) A method for diagnosing a vehicle using deep learning-based artificial intelligence comprises the steps in which: a computer device receives a plurality of sensing data collected by each of a plurality of sensors of a vehicle for a predetermined time; the computer device preprocesses the plurality of sensing data to generate input data; the computer device inputs the input data into a pre-trained deep learning model; and the computer device diagnoses a failure or the service life of components of the vehicle according to an output result of the deep learning model. The plurality of sensing data are different kinds of sensing data collected from the vehicle, and the computer device preprocesses the data on the basis of a value varying over time in a predetermined time unit for each of the plurality of sensing data.
(FR) L’invention concerne un procédé de diagnostic de véhicule utilisant une intelligence artificielle basée sur un apprentissage profond qui comprend les étapes dans lesquelles : un dispositif informatique reçoit une pluralité de données de détection recueillies par chaque capteur d'une pluralité de capteurs d'un véhicule pendant une durée prédéterminée ; le dispositif informatique pré-traite la pluralité de données de détection pour générer des données d'entrée ; le dispositif informatique introduit les données d'entrée dans un modèle d'apprentissage profond pré-appris ; et le dispositif informatique diagnostique une défaillance ou la durée de vie des composants du véhicule en fonction d'un résultat de sortie du modèle d'apprentissage profond. La pluralité de données de détection sont différentes sortes de données de détection recueillies à partir du véhicule, et le dispositif informatique pré-traite les données sur la base d'une valeur variant dans le temps dans une unité de temps prédéterminée pour chacune de la pluralité de données de détection.
(KO) 딥러닝 기반의 인공지능을 이용한 자동차 진단 방법은 컴퓨터 장치가 일정한 시간 동안 자동차의 복수의 센서가 각각 수집한 복수의 센싱 데이터를 수신하는 단계, 상기 컴퓨터 장치가 상기 복수의 센싱 데이터를 전처리하여 입력 데이터를 생성하는 단계, 상기 컴퓨터 장치가 상기 입력 데이터를 사전에 학습한 딥러닝 모델에 입력하는 단계 및 상기 컴퓨터 장치가 상기 딥러닝 모델의 출력결과에 따라 상기 자동차의 부품에 대한 고장 여부 또는 수명을 진단하는 단계를 포함한다. 상기 복수의 센싱 데이터는 상기 자동차에서 수집한 서로 다른 종류의 센싱 데이터이고, 상기 컴퓨터 장치는 상기 복수의 센싱 데이터 각각에 대하여 일정한 시간 단위로 시간의 흐름에 따라 변화하는 값을 기준으로 데이터를 전처리한다.
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, JO, 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)