JP2022531982A - 特徴ベクトル実現可能性推定 - Google Patents
特徴ベクトル実現可能性推定 Download PDFInfo
- Publication number
- JP2022531982A JP2022531982A JP2021568205A JP2021568205A JP2022531982A JP 2022531982 A JP2022531982 A JP 2022531982A JP 2021568205 A JP2021568205 A JP 2021568205A JP 2021568205 A JP2021568205 A JP 2021568205A JP 2022531982 A JP2022531982 A JP 2022531982A
- Authority
- JP
- Japan
- Prior art keywords
- molecular
- vector
- candidate
- rings
- graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000013598 vector Substances 0.000 title claims abstract description 230
- 238000000034 method Methods 0.000 claims description 67
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 5
- 125000004429 atom Chemical group 0.000 description 45
- 230000009471 action Effects 0.000 description 35
- 238000011282 treatment Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 239000000463 material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000003491 array Methods 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 239000000460 chlorine Substances 0.000 description 3
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 229910052717 sulfur Inorganic materials 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 125000003118 aryl group Chemical group 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 229910052731 fluorine Inorganic materials 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 208000035217 Ring chromosome 1 syndrome Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 125000002723 alicyclic group Chemical group 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002910 structure generation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/80—Data visualisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
Description
ただしNは分子のサンプルの数を示す。SFULLの要素をS1 FULL、S2 FULLとして展開し、ND(m,s)の定義を用いて、分子mnに対するベクトルを以下の式(3)によって定義する。
が作成され得る。ハイパー・パラメータ(L1ペナルティ項の程度(degreeof L1 penalty term))を調整し、回帰係数|W|の絶対値に対する閾値Wthを設定し、システムは重要な部分構造を選択し得る。選択された部分構造のセットをSSelect、および対応する特徴ベクトルをxD Selectで示す。xD Selectは、分子候補内の特徴ベクトルのデータ駆動型特徴部分410として用いられ得る。実施形態において、SSelectは、部分構造として最大でも数個の原子(例えば、4~5個の原子)を含む小さな構造のみを含み得る。
条件1:y1≧L1
条件2:y1+y2≧L1+L2
条件3:y1+y2+y3≧L1+L2+L3
条件4:y1+y2+y3+y4≧L1+L2+L3+L4
Claims (21)
- ニューラル・ネットワーク・トレーニングのためのコンピュータ実施方法であって、
分子候補の特徴ベクトルから、複数の部分構造の数を表す目標構造ベクトルを生成することと、
前記分子候補の分子構造が、少なくとも前記目標構造ベクトルを用いることによって実現可能であるかどうかを決定することと
を含む方法。 - 前記複数の部分構造は、ノードに接続された異なる数のエッジを有する構造を含む、請求項1に記載の方法。
- 前記複数の部分構造は、
前記1つのノードに接続された1つのエッジを有する第1の構造と、
前記1つのノードに接続された2つのエッジを有する第2の構造と、
前記1つのノードに接続された3つのエッジを有する第3の構造と、
前記1つのノードに接続された4つのエッジを有する第4の構造と
を含む、請求項2に記載の方法。 - 前記特徴ベクトルは、前記分子候補が1つまたは複数の単位構造を含むかどうかの表示を含む、請求項1ないし3のいずれかに記載の方法。
- 前記特徴ベクトルは、前記分子候補内の原子の数とリングの数とを示す、請求項4に記載の方法。
- 前記特徴ベクトルは、前記分子候補が1つまたは複数の単位構造を含むかどうかの表示を含み、前記方法は、
前記分子候補の前記特徴ベクトルから、前記分子候補の原子の数とリングの数とを捕捉することをさらに含み、前記分子候補の分子構造が、少なくとも前記目標構造ベクトルを用いることによって実現可能であるかどうかを決定することは、前記分子候補の前記原子の数と前記リングの数とをさらに用いることによって行われる、
請求項1ないし5のいずれかに記載の方法。 - 前記分子候補の分子構造が、少なくとも前記目標構造ベクトルを用いることによって実現可能であるかどうかを決定することは、
前記目標構造ベクトルが、前記分子候補の前記原子の数および前記リングの数に対応する予め定義された空間に含まれることに応答して、前記分子候補の前記分子構造は実現可能であると決定すること
を含む、請求項6に記載の方法。 - 前記目標構造ベクトルに等しいまたはそれより大きな1つまたは複数の二次構造ベクトルを生成することをさらに含み、前記分子候補の分子構造が、少なくとも前記目標構造ベクトルを用いることによって実現可能であるかどうかを決定することは、前記1つまたは複数の二次構造ベクトルをさらに用いることによって行われる、
請求項6または7に記載の方法。 - 前記分子候補の前記特徴ベクトルから、各原子価に対する前記分子候補の原子の数を捕捉することをさらに含み、前記分子候補の分子構造が、少なくとも前記目標構造ベクトルを用いることによって実現可能であるかどうかを決定することは、各原子価に対する前記分子候補の前記原子の数をさらに用いることによって行われる、
請求項6ないし8のいずれかに記載の方法。 - ノードおよびリングの数の各ペアに対する実現可能構造ベクトルを列挙することをさらに含み、前記分子候補の前記ノードの数および前記リングの数に対応する前記予め定義された空間は、前記列挙された実現可能構造ベクトルによって定義される、
請求項7ないし9のいずれかに記載の方法。 - 前記ノードおよびリングの数の各ペアに対する実現可能構造ベクトルを列挙することは、
グラフを成長させることと、
前記グラフの前記ノードの数と前記リングの数とをカウントすることと、
前記グラフの前記カウントされたノードの数および前記カウントされたリングの数のペアに対する、前記グラフの構造ベクトルを記憶することと
を含む、請求項10に記載の方法。 - 前記グラフを成長させることは、
前記グラフに新たなノードを追加することと、
前記グラフ内に新たなリングを形成することと
の少なくとも1つを含む、請求項11に記載の方法。 - ニューラル・ネットワーク・トレーニングのための装置であって、
プロセッサと、
前記プロセッサによって実行されたとき、前記プロセッサに動作を行わせる命令を含む1つまたは複数のコンピュータ可読媒体とを備え、前記動作は、
分子候補の特徴ベクトルから、複数の部分構造の数を表す目標構造ベクトルを生成することと、
前記分子候補の分子構造が、少なくとも前記目標構造ベクトルを用いることによって実現可能であるかどうかを決定することと
を含む、装置。 - 前記複数の部分構造は、ノードに接続された異なる数のエッジを有する構造を含む、請求項13に記載の装置。
- 前記複数の部分構造は、
前記1つのノードに接続された1つのエッジを有する第1の構造と、
前記1つのノードに接続された2つのエッジを有する第2の構造と、
前記1つのノードに接続された3つのエッジを有する第3の構造と、
前記1つのノードに接続された4つのエッジを有する第4の構造と
を含む、請求項14に記載の装置。 - 前記特徴ベクトルは、前記分子候補が1つまたは複数の単位構造を含むかどうかの表示を含む、請求項13ないし15のいずれかに記載の装置。
- 前記特徴ベクトルは、前記分子候補内の原子の数とリングの数とを示す、請求項16に記載の装置。
- 前記動作は、
前記分子候補の前記特徴ベクトルから、前記分子候補の原子の数とリングの数とを捕捉することをさらに含み、前記分子候補の分子構造が、少なくとも前記目標構造ベクトルを用いることによって実現可能であるかどうかを決定することは、前記分子候補の前記原子の数と前記リングの数とをさらに用いることによって行われる、
請求項13ないし17のいずれかに記載の装置。 - 前記分子候補の分子構造が、少なくとも前記目標構造ベクトルを用いることによって実現可能であるかどうかを決定することは、
前記目標構造ベクトルが、前記分子候補の前記原子の数および前記リングの数に対応する予め定義された空間に含まれることに応答して、前記分子候補の前記分子構造は実現可能であると決定すること
を含む、請求項18に記載の装置。 - ニューラル・ネットワーク・トレーニングのためのコンピュータ・プログラム製品であって、
処理回路によって読み出し可能であり、請求項1ないし12のいずれかに記載の方法を行うための前記処理回路による実行のための命令を記憶する、コンピュータ可読記憶媒体
を備えるコンピュータ・プログラム製品。 - コンピュータ可読媒体に記憶され、デジタル・コンピュータの内部メモリにロード可能なコンピュータ・プログラムであって、前記プログラムがコンピュータ上で実行されたとき、請求項1ないし12のいずれかに記載の方法を行うための、ソフトウェア・コード部分を備えるコンピュータ・プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/412,732 US11798655B2 (en) | 2019-05-15 | 2019-05-15 | Feature vector feasibility estimation |
US16/412,732 | 2019-05-15 | ||
PCT/IB2020/054518 WO2020230043A1 (en) | 2019-05-15 | 2020-05-13 | Feature vector feasibilty estimation |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022531982A true JP2022531982A (ja) | 2022-07-12 |
JPWO2020230043A5 JPWO2020230043A5 (ja) | 2022-10-20 |
Family
ID=73230721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021568205A Pending JP2022531982A (ja) | 2019-05-15 | 2020-05-13 | 特徴ベクトル実現可能性推定 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11798655B2 (ja) |
JP (1) | JP2022531982A (ja) |
CN (1) | CN113795889A (ja) |
DE (1) | DE112020002372T5 (ja) |
GB (1) | GB2599520A (ja) |
WO (1) | WO2020230043A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210287137A1 (en) * | 2020-03-13 | 2021-09-16 | Korea University Research And Business Foundation | System for predicting optical properties of molecules based on machine learning and method thereof |
WO2023115343A1 (zh) * | 2021-12-21 | 2023-06-29 | 深圳晶泰科技有限公司 | 数据处理方法、装置、模型训练方法和预测自由能方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130252280A1 (en) | 2012-03-07 | 2013-09-26 | Genformatic, Llc | Method and apparatus for identification of biomolecules |
CN102930113B (zh) | 2012-11-14 | 2015-06-17 | 华南农业大学 | 用于预测化合物活性的两级拟合qsar模型的构建方法 |
US20160378912A1 (en) | 2013-07-02 | 2016-12-29 | Epigenetx, Llc | Structure-based modeling and target-selectivity prediction |
US10546650B2 (en) * | 2015-10-23 | 2020-01-28 | Google Llc | Neural network for processing aptamer data |
US10366779B2 (en) | 2015-12-30 | 2019-07-30 | International Business Machines Corporation | Scheme of new materials |
CA3066223A1 (en) | 2017-06-08 | 2018-12-13 | Just Biotherapeutics, Inc. | Predicting molecular properties of molecular variants using residue-specific molecular structural features |
CN109033738B (zh) | 2018-07-09 | 2022-01-11 | 湖南大学 | 一种基于深度学习的药物活性预测方法 |
CN109461475B (zh) | 2018-10-26 | 2022-05-13 | 中国科学技术大学 | 一种基于人工神经网络的分子属性预测方法 |
US20220406416A1 (en) * | 2021-06-18 | 2022-12-22 | University Of Southern California | Novel and efficient Graph neural network (GNN) for accurate chemical property prediction |
-
2019
- 2019-05-15 US US16/412,732 patent/US11798655B2/en active Active
-
2020
- 2020-05-13 JP JP2021568205A patent/JP2022531982A/ja active Pending
- 2020-05-13 WO PCT/IB2020/054518 patent/WO2020230043A1/en active Application Filing
- 2020-05-13 DE DE112020002372.9T patent/DE112020002372T5/de active Pending
- 2020-05-13 CN CN202080034577.8A patent/CN113795889A/zh active Pending
- 2020-05-13 GB GB2117741.5A patent/GB2599520A/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
WO2020230043A1 (en) | 2020-11-19 |
CN113795889A (zh) | 2021-12-14 |
GB2599520A (en) | 2022-04-06 |
DE112020002372T5 (de) | 2022-06-15 |
US11798655B2 (en) | 2023-10-24 |
US20200365235A1 (en) | 2020-11-19 |
GB202117741D0 (en) | 2022-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ruan et al. | Linear bandits with limited adaptivity and learning distributional optimal design | |
CN111461168B (zh) | 训练样本扩充方法、装置、电子设备及存储介质 | |
WO2018227800A1 (zh) | 一种神经网络训练方法及装置 | |
JP5815458B2 (ja) | 報酬関数推定装置、報酬関数推定方法、およびプログラム | |
JP2020522794A (ja) | ニューラルネットワーク分類 | |
JP2017211799A (ja) | 情報処理装置および情報処理方法 | |
US20150379075A1 (en) | Maintaining diversity in multiple objective function solution optimization | |
JP2022531982A (ja) | 特徴ベクトル実現可能性推定 | |
JP5795743B2 (ja) | 適応的重み付けを用いた様々な文書間類似度計算方法に基づいた文書比較方法および文書比較システム | |
JP2014160457A (ja) | 対話的変数選択装置、対話的変数選択方法および対話的変数選択プログラム | |
CA3108047C (en) | Optimization device and method for executing annealing processes and replica exchange | |
JP2014160456A (ja) | 疎変数最適化装置、疎変数最適化方法および疎変数最適化プログラム | |
JP4369791B2 (ja) | 有向スケールフリーオブジェクト関係のモデリング | |
Marden | Selecting efficient correlated equilibria through distributed learning | |
US20190096102A1 (en) | Interactive tool for causal graph construction | |
US11989656B2 (en) | Search space exploration for deep learning | |
Neumann et al. | Quantum reinforcement learning: Comparing quantum annealing and gate-based quantum computing with classical deep reinforcement learning | |
WO2020084726A1 (en) | Online probabilistic inverse optimization system, online probabilistic inverse optimization method, and online probabilistic inverse optimization program | |
McGeoch | Principles and guidelines for quantum performance analysis | |
WO2022249224A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
KR102324634B1 (ko) | 모바일 앱 사용자의 빅데이터 분석 모델 실시간 생성을 위한 딥러닝 오차 최소화 시스템 및 그 제어방법 | |
Aybar et al. | Implementation of a triangular probabilistic distribution for optimal parametrization of the SEIR model recovery rates with delay | |
JPWO2016121053A1 (ja) | 計算機システム及びグラフィカルモデルの管理方法 | |
JP7149894B2 (ja) | 機械学習装置、設計支援装置、機械学習方法および設計支援方法 | |
Li et al. | SciRE-Solver: Efficient Sampling of Diffusion Probabilistic Models by Score-integrand Solver with Recursive Derivative Estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220512 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221012 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221021 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240305 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240528 |