등록된 특허

1

그림입니다.
원본 그림의 이름: mem000021c00003.tmp
원본 그림의 크기: 가로 1726pixel, 세로 1112pixel

보안이 강화된 카드, 이를 이용한 인증처리 방법 및 PKI 공개키 및 개인키 발행 방법

그림입니다.
원본 그림의 이름: mem000021c00004.gif
원본 그림의 크기: 가로 30pixel, 세로 30pixel본 발명은 보안이 강화된 카드에 관한 것으로서, 본 발명에서는 내부에 상기 마그네틱 리더기로 송부하여야 하는 결제정보를 저장하는 메모리와, 내부에 저장된 결제정보를 자력신호로 변환하여 포스장치의 마그네틱 리더기로 전송하는 자력발생부 및 제어신호를 생성하는 제어부를 포함하는 보안이 강화된 카드가 제시된다. 본 발명은 즉석에서 카드를 소지한 사용자를 인증한 후에 자력발생장치를 이용하여 결제정보를 제공하기 때문에 불법적인 카드 사용을 방지하여 경제적인 피해를 입는 사례를 방지할 수 있는 효과가 있다.

2

그림입니다.
원본 그림의 이름: mem000021c00005.tmp
원본 그림의 크기: 가로 1900pixel, 세로 1422pixel

광간섭 단층 지문 인증 시스템 및 이를 이용한 사용자 인증 방법

그림입니다.
원본 그림의 이름: mem000021c00006.gif
원본 그림의 크기: 가로 30pixel, 세로 30pixel본 발명은 손가락 지문 인식용 광간섭 단층영상 측정기에 관한 것으로서, 본 발명에서는 저 코히어런스 레이저를 조사하는 광 생성기와, 광 생성기로부터 출사되는 광을 측정광과 참조광을 분리하는 광 스플리터와, 광 스플리터에 참조광으로 분리된 광을 입력받은 후 다시 반사시켜 광 스플리터로 출사하는 기준 미러와, 광 스플리터로부터 측정광으로 분리된 광을 입력받은 후 대상체 지문에 조사하고, 대상체 지문으로부터 반사되는 응답광을 광 스플리터로 귀환시키는 광 프로브와, 광 프로브로부터 전달된 응답광과 기준 미러에서 반사된 참조광의 간섭 신호를 검출하는 검출기, 및 검출기가 검출한 간섭 신호를 입력받은 후 대상체 지문의 단층 영상을 나타내는 영상 신호로 변환하는 영상 신호 처리기를 포함하는 것을 특징으로 하는 손가락 지문 인식용 광간섭 단층영상 측정기가 제공된다.

3

그림입니다.
원본 그림의 이름: mem000021c00007.tmp
원본 그림의 크기: 가로 725pixel, 세로 354pixel

블랭크 카드 결제 처리 방법

그림입니다.
원본 그림의 이름: mem000021c00008.gif
원본 그림의 크기: 가로 30pixel, 세로 30pixel본 발명은 블랭크 카드 시스템 및 이를 이용한 결제 처리 방법에 관한 것이다. 본 발명에서는 비휘발성 메모리와, 휘발성 메모리 및 적어도 하나의 마이크로프로세서유닛(MPU)을 구비하고, 상기 통신모듈을 이용하여 상기 스마트 폰으로부터 상기 카드 정보 및 상기 카드 정보를 처리하기 위한 일련의 명령어로 구성되는 처리 알고리듬을 수신하고, 상기 처리 알고리듬에 따라 수신된 상기 카드 정보 및 상기 처리 알고리듬을 이용하여 상기 진성 아이씨 칩에 저장될 데이터 포맷을 생성한 후 상기 복제 아이씨 칩에 기록하고, 상기 카드 정보를 NFC 전송방식에 적합한 데이터 포맷으로 생성한 후 상기 포스장치에 전송하는 카드정보처리모듈을 포함하는 것을 특징으로 하는 블랭크 카드가 제공된다.

4

그림입니다.
원본 그림의 이름: mem000021c00009.tmp
원본 그림의 크기: 가로 1643pixel, 세로 1507pixel

네트워크 특성 분석방법 및 이를 위한 저장매체와 장치

그림입니다.
원본 그림의 이름: mem000021c0000a.gif
원본 그림의 크기: 가로 30pixel, 세로 30pixel노드와 링크를 포함하는 네트워크에 대한 데이터를 제공받는 단계, 상기 노드와 링크 중 하나 이상을 선택하여 상기 네트워크를 섭동함으로써 변형되는 변형 네트워크에 대한 데이터를 생성하는 단계, 및 상기 변형 네트워크가 갖는 '포인트 어트렉터', '포인트 어트렉터의 베이신', '사이클릭 어트렉터', 및 '사이클릭 어트렉터의 베이신' 중 하나 이상에 대한 데이터를 산출하는 단계를 포함하는 네트워크 특성 분석방법이 공개된다.

5

그림입니다.
원본 그림의 이름: mem000021c0000b.tmp
원본 그림의 크기: 가로 2372pixel, 세로 2794pixel

인공 신경망을 이용한 자동 작곡 방법 및 그 기록 매체

그림입니다.
원본 그림의 이름: mem000021c0000c.gif
원본 그림의 크기: 가로 30pixel, 세로 30pixel본 발명은 인공 신경망을 이용하여 곡 전체를 자동 생성할 수 있고, 더 나아가 실제 작곡가 수준의 작곡 결과를 출력할 수 있는 인공 신경망을 이용한 자동 작곡 방법 및 그 기록 매체에 관한 것이다. 본 발명에 따른 인공 신경망을 이용한 자동 작곡 방법은, 인공 신경망이 학습할 곡을 구성하는 다수의 음표 및 박자를 숫자 형태로 변환하여 시계열 데이터를 생성하는 단계와; 상기 시계열 데이터를 이용하여 상기 인공 신경망을 학습시키는 단계와; 상기 인공 신경망이 작곡할 곡의 일부(이하, '도입곡'라 칭함)에 해당하는 시계열 데이터를 상기 인공 신경망에 입력하는 단계; 및 상기 인공 신경망이 상기 입력된 도입곡에 이어지는 나머지 곡을 생성하여 신규곡을 출력하는 단계를 포함한다. 그리고, 본 발명에 따른 인공 신경망을 이용한 자동 작곡 방법은 멜로디의 마디 구분 정보를 추가 입력받아 학습을 진행하도록 구성되고, 출력된 신규 곡의 박자와 화성을 후처리하는 단계와, 후처리된 신규 곡의 박자와 멜로디를 고도화하는 단계를 더 포함하는 것을 특징으로 한다.

6

그림입니다.
원본 그림의 이름: mem000021c0000d.tmp
원본 그림의 크기: 가로 1570pixel, 세로 963pixel

계층적 인공 신경망을 이용한 자동 작곡 방법 및 그 기록 매체

그림입니다.
원본 그림의 이름: mem000021c0000e.gif
원본 그림의 크기: 가로 30pixel, 세로 30pixel본 발명은 인공 신경망을 이용하여 자동 작곡함에 있어서 특히 두 개의 동일한 입력에 대하여 다른 출력이 있더라도 이를 구분하여 학습을 정상적으로 진행할 수 있고, 생성곡에 반복적인 멜로디를 부여할 수 있으며, 전/중/후반부 별로 멜로디가 전개되는 음악적 구성을 만들 수 있는 계층적 인공 신경망을 이용한 자동 작곡 방법 및 그 기록 매체를 제공에 관한 것이다. 본 발명에 따른 계층적 인공 신경망을 이용한 자동 작곡 방법은, 제1 계층의 인공신경망이 학습할 곡(이하, '제1 학습곡'이라 칭함)을 구성하는 다수의 음표 및 박자를 숫자 형태로 변환하여 시계열 데이터를 생성하는 단계; 상기 시계열 데이터를 이용하여 상기 제1 계층의 인공신경망을 학습시키는 단계; 상기 제1 계층의 인공신경망이 초기 신규곡을 출력하는 단계; 제2 계층의 제1 인공신경망이 상기 초기 신규곡 중 제1 영역의 멜로디를 학습하여 전반부 신규곡을 출력하는 단계; 제2 계층의 제2 인공신경망이 상기 초기 신규곡 중 제2 영역의 멜로디를 학습하여 중반부 신규곡을 출력하는 단계; 제2 계층의 제3 인공신경망이 상기 초기 신규곡 중 제3 영역의 멜로디를 학습하여 후반부 신규곡을 출력하는 단계; 및 상기 전반부 신규곡, 상기 중반부 신규곡 및 상기 후반부 신규곡을 연결하여 하나의 최종 신규곡을 생성하는 단계를 포함한다.

7

그림입니다.
원본 그림의 이름: mem000021c0000f.tmp
원본 그림의 크기: 가로 1599pixel, 세로 1848pixel

인공 신경망을 이용한 자동 작곡 방법 및 그 기록 매체

그림입니다.
원본 그림의 이름: mem000021c00010.gif
원본 그림의 크기: 가로 30pixel, 세로 30pixel본 발명은 학습곡과 다른 새로운 멜로디의 곡을 자동으로 생성할 수 있고, 특히 음악성 내지 음악이론에 맞게 처리되어 실제 작곡가 수준으로 자연스러우면서 음악적 완성도가 높은 곡을 출력할 수 있는 인공 신경망을 이용한 자동 작곡 방법 및 그 기록 매체에 관한 것이다. 본 발명에 따른 인공 신경망을 이용한 자동 작곡 방법은, 인공 신경망이 학습할 곡(이하, '제1 학습곡'이라 칭함)을 구성하는 다수의 음표 및 박자를 숫자 형태로 변환하여 시계열 데이터를 생성하는 단계와; 상기 시계열 데이터를 이용하여 상기 인공 신경망을 학습시키는 단계와; 상기 인공 신경망이 신규곡을 출력하는 단계; 및 상기 신규곡에 있어서 갖춘마디 대비 박자가 초과하는 마디(이하, '초과마디')가 존재할 경우 상기 초과마디를 갖춘마디로 보정하는 박자 후처리 단계를 포함한다.

8

그림입니다.
원본 그림의 이름: mem000021c00013.tmp
원본 그림의 크기: 가로 1381pixel, 세로 2227pixel

뇌의 음성처리에 기반한 음성신호 프레임 가변 분할 방법

그림입니다.
원본 그림의 이름: mem000021c00014.gif
원본 그림의 크기: 가로 30pixel, 세로 30pixel음성인식을 위하여 입력된 음성신호의 프레임을 분할하는 방법을 공개한다. 이 방법은, 음성신호로부터 저주파신호를 추출하는 단계 및 저주파신호의 복수 개의 순간위상구간에 따라 음성신호를 복수 개의 구간으로 분할하는 단계를 포함한다.



        출원중인 특허


1

SOGN: novel generative model using SOM

2

SCGN: novel generative model