신경망 학습장치 및 이를 포함하는 개선된 음원지도 제공 시스템

NEURAL NETWORK LEARNING DEVICE AND IMPROVED SYSTEM AND METHOD FOR PROVIDING SOUND SOURCE MAPS INCLULDING THE SAME

• 출원번호

  10-2022-0043976

• 출원일

  2022-04-08

• 공개번호

  10-2023-0144822

• 공개일

  2023-10-17

• 등록번호

  10-2830807

• 등록일

  2025-07-02

본 발명은 음원지도 제공 시스템을 개시한다. 보다 상세하게는, 본 발명은 다수의 마이크로폰으로 측정한 음향신호를 이용하여 평면 또는 곡면상에 존재하는 하나 이상의 음원들의 세기 및 위치를 이미지 형태로 표시하는 음원지도를 제공하는 딥러닝 기반의 음원지도 제공 시스템 및 방법에 관한 것이다. 본 발명의 실시예에 따르면, 초음파 마이크로폰 어레이를 이용하여 음향지도를 제공하는 시스템에서, 분석을 위해 도입된 딥러닝 모델에 서로 다른 주파수가 설정된 적어도 두 개 인코더를 탑재함으로써, 저역과 고역을 달리하여 공간 앨리어싱 현상을 최소화할 수 있다.

인공 지능 모델 언러닝 장치 및 방법

APPARATUS AND METHOD FOR UNLEARNING AN ARTIFICIAL INTELLIGENCE MODEL

• 출원번호

  10-2024-0134631

• 출원일

  2024-10-04

• 공개번호

  10-2026-0048750

• 공개일

  2026-04-13

본 발명에 따른 인공 지능 모델 언러닝 장치는, 학습 데이터셋을 통해 학습된 인공 지능 모델에 대한 언러닝(unlearning)을 수행하는 언러닝 프로그램이 저장된 메모리; 및 상기 언러닝 프로그램을 실행하는 프로세서를 포함하되, 상기 언러닝 프로그램은, 언러닝할 데이터 포인트를 수신하고, 샘플링 모델을 이용하여 상기 학습 데이터셋에서 복수의 샘플 데이터를 추출하며, 상기 복수의 샘플 데이터를 이용하여 상기 데이터 포인트에 대한 모델 파라미터의 영향 함수를 계산하고, 상기 영향 함수를 기초로 상기 모델 파라미터를 업데이트하며, 상기 샘플링 모델은, 상기 학습 데이터셋에 포함된 각 학습 데이터에 대한 특징 벡터 또는 상기 각 학습 데이터에 대한 상기 인공 지능 모델의 소프트맥스 함수의 출력값 중 어느 하나에 기초하여 상기 학습 데이터셋을 복수의 그룹으로 구분하며, 선택 조건에 기초하여 각 그룹에서 적어도 하나 이상의 상기 샘플 데이터를 선택하여 상기 복수의 샘플 데이터를 추출한다.

원형질막 수포 기반 양극성 막단백질 발현 나노 소포와 이의 제조 방법 및 이의 용도

Positively charged-membrane protein expressing cellular plasma membrane nanovesicle based on plasma membrane bleb, methods of preparation, and use thereof

• 출원번호

  10-2025-0064648

• 출원일

  2025-05-19

• 공개번호

  10-2025-0165238

• 공개일

  2025-11-25

본 발명은 원형질막 소포 기반 양극성 막단백질 발현 나노 소포와 이의 제조 방법 및 용도에 관한 것으로, 더욱 상세하게는 원형질막에 양극성 막 단백질을 발현하는 동물 세포주로 소포를 제조하고 이를 나노 소포로 나노화하는 과정에서 소포 내 봉입 할 효능 물질을 첨가하며, 소포막 내부에 존재하는 양극성 막단백질과 음극성을 띈 효능 물질과의 정전기적 인력을 기반으로 효능 물질을 봉입하며 효율을 증가시키는 기술 및 나노 소포 제작에 사용하는 조성물에 관한 것이다. 본 발명은 봉입 효율 및 세포당 생산량이 높아 효과적인 외부 전달체 도입 플랫폼으로 활용될 수 있으며, 내부 봉입 물질에 따라 유전자 치료 및 단백질의 신호전달 치료 등 다양한 기전으로 질병 치료에 적용될 수 있을 것이다.

영향 함수를 도출하는 전자 장치

Electronic device for deriving influence function

• 출원번호

  10-2024-0045157

• 출원일

  2024-04-03

• 공개번호

  10-2025-0098813

• 공개일

  2025-07-01

본 발명은 영향 함수를 도출하는 전자 장치를 개시한다. 상기 영향 함수를 도출하는 전자 장치는, 프로세서 및 상기 프로세서에 작동적으로(operatively) 연결된 메모리를 포함하고, 상기 메모리는, 실행되었을 때 상기 프로세서로 하여금 인공지능 모델의 학습에 사용된 학습 데이터셋 및 상기 학습 데이터셋에 대한 제1 학습 손실 함수를 식별하고, 상기 인공지능 모델에 입력할 분석 대상 데이터셋 및 상기 분석 대상 데이터셋에 대한 제1 대상 손실 함수를 식별하고, 상기 인공지능 모델에서 이용되는 복수의 파라미터를 식별하고, 상기 복수의 파라미터 중 상기 분석 대상 데이터셋과 관련된 일부 파라미터를 선택 파라미터로 식별하고, 상기 제1 학습 손실 함수의 헤시안 행렬(Hessian matrix), 상기 선택 파라미터의 헤시안 행렬의 부분행렬, 및 상기 제1 대상 손실 함수의 그래디언트(gradient)를 기초로, 상기 인공지능 모델의 영향 함수를 도출하도록 하는 인스트럭션들(instructions)을 저장한다.

동적 멀티패스 효과 완화를 통한 실내 표적 정보 탐지 장치 및 방법

APPARATUS AND METHOD FOR DETECTING INDOOR TARGET INFORMATION BY MITIGATING DYNAMIC MULTIPATH EFFECT

• 출원번호

  10-2024-0134638

• 출원일

  2024-10-04

• 공개번호

  10-2026-0048754

• 공개일

  2026-04-13

본 발명은 동적 멀티패스 효과 완화를 통한 실내 표적 정보 탐지 장치 및 방법에 관한 것이다. 본 발명에 따르면, FMCW 레이다를 이용한 레이다 수신 신호를 처리하여 거리-속도 맵을 프레임 별로 생성하는 단계; 설정 시간 구간마다, 해당 시간 구간 내에 속한 각 프레임의 거리-속도 맵을 분석하여 동적 멀티패스 효과가 기준 미만인 어느 한 프레임의 맵을 선택하는 단계; 선택한 한 프레임의 거리-속도 맵을 거리 축으로 고유값 분해하여 얻은 고유 벡터를 이용하여 투영 행렬을 생성하는 단계; 각 프레임의 거리-속도 맵을 투영 행렬에 투영하여 동적 멀티패스 효과가 완화된 거리-속도 맵을 각 프레임 별 획득하는 단계; 및 멀티 패스 효과가 완화된 각 프레임의 거리-속도 맵을 하나로 누적한 결과를 이용하여 해당 시간 구간에서의 표적의 거리, 속도 및 각도 중 적어도 하나를 탐지하는 단계를 포함한다.

강유전체 메모리 소자 및 그 동작방법

Ferroelectric memory device and method of operating the same

• 출원번호

  10-2023-0145890

• 출원일

  2023-10-27

• 공개번호

  10-2025-0061450

• 공개일

  2025-05-08

• 등록번호

  10-2892422

• 등록일

  2025-11-25

본 발명의 일 관점에 의한 강유전체 메모리 소자의 멀티레벨 동작방법은 반도체 채널층, 제어 게이트 전극층, 상기 반도체 채널층과 상기 제어 게이트 전극층 사이의 내부 전극층, 및 적어도 제어 게이트 전극층과 상기 내부 전극층 사이에 개재된 강유전체층을 포함하는 강유전체 메모리 소자의 멀티레벨 동작방법으로서, 상기 제어 게이트 전극층에 프로그램 전압을 인가하는 프로그램 단계와, 상기 내부 전극층을 통한 변위 전류를 제어하여 상기 강유전체층의 분극 레벨을 멀티레벨로 제어하는 변위 전류 제어 단계와, 상기 제어 게이트 전극층에 읽기 전압을 인가하는 검증 단계를 포함한다.

지속형 인슐린 유전자 컨스트럭트 및 이의 용도

Long-acting insulin gene construct and uses thereof

• 출원번호

  10-2024-0187765

• 출원일

  2024-12-16

• 공개번호

  10-2025-0098964

• 공개일

  2025-07-01

본 발명은 지속형 인슐린 유전자 컨스트럭트 및 이의 용도에 관한 것으로, 재조합 유전자 기술을 바탕으로 지속형 인슐린 생산을 위하여 디자인된 유전자 컨스트럭트와 상기 컨스트럭트의 식물에서의 고발현을 통한 재조합 지속형 인슐린 생산에 관한 것이다. 본 발명의 면역글로불린 Fc 영역 변이체 유전자를 포함하는 유전자 컨스트럭트는 서로 다른 Fc 영역 변이체 유전자들이 동시 발현되어 이형 이량체를 형성하고 이에 따라 인슐린의 성숙 형태를 형성하므로 인슐린의 지속형 발현이 가능하다. 이에, 이들 지속형 인슐린 유전자 컨스트럭트들의 식물에서의 고발현을 통하여 재조합 지속형 인슐린의 생산이 가능한 이점이 있다.

텍스트 변환 장치 및 방법

APPARATUS AND METHOD FOR CONVERTING TEXT

• 출원번호

  10-2024-0134973

• 출원일

  2024-10-04

• 공개번호

  10-2026-0048893

• 공개일

  2026-04-13

본 발명에 따른 텍스트 변환 장치는, 텍스트 압축 프로그램이 저장된 메모리; 및 상기 텍스트 압축 프로그램을 실행하는 프로세서를 포함하되, 상기 텍스트 압축 프로그램은, 제1 텍스트를 입력 받고, 상기 제1 텍스트에 포함된 적어도 하나 이상의 제1 단어를 추출하며, 중요도 계산 알고리즘을 통해 상기 제1 단어를 구성하는 적어도 하나 이상의 문자 각각에 대한 중요도를 계산하고, 상기 중요도에 기초하여 상기 제1 단어에서 생략될 생략 문자를 선택하며, 상기 제1 텍스트에서 상기 생략 문자를 제거한 제2 텍스트를 생성하고, 상기 중요도는, 해당 문자가 생략되었을 때, 본래의 단어를 유추하는데 영향을 미치는 정도를 수치로 나타낸 것이다.

배터리의 충전 상태를 추정하는 방법

Method of estimating state of charge of battery

• 출원번호

  10-2022-0064256

• 출원일

  2022-05-25

• 공개번호

  10-2023-0164474

• 공개일

  2023-12-04

• 등록번호

  10-2892040

• 등록일

  2025-11-24

본 발명의 배터리의 충전 상태를 추정하는 방법에 따르면, 상기 배터리의 전압 및 전류를 감지하여 전압 현재 값(Vt(k))과 전류 현재 값(IL(k))이 생성된다. 충전 상태 추정값(SOC(k))에 기초하여 기준 개방 전압 값(VOC,ref(k))이 결정된다. 재귀적 최소 자승법(RLS, Recursive Least Squares)을 이용하여 상기 전압 현재 값(Vt(k)), 상기 기준 개방 전압 값(VOC,ref(k)), 상기 전류 현재 값(IL(k)), 및 전류 이전 값(IL(k-1))으로부터 제1 내지 제3 파라미터 값들(α1(k), α2(k), α3(k))이 추정된다. 확장 칼만 필터(EKF, Extended Kalman Filter)를 이용하여 상기 충전 상태 추정값(SOC(k)), 상기 전압 현재 값(Vt(k)), 상기 기준 개방 전압 값(VOC,ref(k)), 상기 전류 현재 값(IL(k)), 상기 전류 이전 값(IL(k-1)), 및 상기 제1 내지 제3 파라미터 값들(α1(k), α2(k), α3(k))로부터 상기 배터리의 충전 상태 다음 추정값(SOC(k+1))이 결정된다.

이미지를 생성하는 장치, 딥러닝 학습 방법 및 이를 이용한 섬네일 생성 방법 및 장치

IMAGE GENERATION APPARATUS, DEEP LEARNING METHOD, AND METHOD AND APPARATUS FOR GENERATING THUMBNAIL USING SAME

• 출원번호

  10-2025-0079072

• 출원일

  2025-06-16

• 공개번호

  10-2025-0099071

• 공개일

  2025-07-01

일 실시예에 따른 섬네일 생성 방법은, 음성 파일을 입력하는 단계; 상기 음성 파일 내 기 정해진 시간 간격에 따라 적어도 하나의 음성 정보를 추출하는 단계; 상기 추출된 적어도 하나의 음성 정보를 상기 음성 특징 벡터 추출 모델에 입력하여 적어도 하나의 음성 특징 벡터를 추출하는 단계; 및 상기 음성 특징 벡터를, 상기 이미지 생성기에 입력하여 적어도 하나의 섬네일을 생성하는 단계를 포함한다. 이때, 상기 음성 특징 벡터는 상기 이미지 특징 벡터와 소정 임베딩 공간 내에서 정렬된다.