JP6600858B1 - 貢献度算出システム、貢献度算出装置、貢献度算出方法、貢献度算出プログラム及び貢献度算出プログラムを記憶する記憶媒体 - Google Patents
貢献度算出システム、貢献度算出装置、貢献度算出方法、貢献度算出プログラム及び貢献度算出プログラムを記憶する記憶媒体 Download PDFInfo
- Publication number
- JP6600858B1 JP6600858B1 JP2018122490A JP2018122490A JP6600858B1 JP 6600858 B1 JP6600858 B1 JP 6600858B1 JP 2018122490 A JP2018122490 A JP 2018122490A JP 2018122490 A JP2018122490 A JP 2018122490A JP 6600858 B1 JP6600858 B1 JP 6600858B1
- Authority
- JP
- Japan
- Prior art keywords
- module
- artificial intelligence
- feature data
- unit
- modules
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 133
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 271
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000013480 data collection Methods 0.000 claims abstract description 34
- 230000006870 function Effects 0.000 claims description 80
- 238000002372 labelling Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 15
- 238000010801 machine learning Methods 0.000 description 14
- 238000012795 verification Methods 0.000 description 11
- 238000012805 post-processing Methods 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
貢献度算出システム1は、キーボード、マウス、表示装置等のユーザインターフェースを備えたコンピュータや、クラウドシステムを提供するサーバコンピュータによって実現可能なシステムであり、単位モジュール登録手段11、人工知能モジュール登録手段12、特徴データ収集手段13、特徴データ演算処理手段14、貢献度算出手段15から構成される。
すなわち、以下、貢献度算出システム1として説明する各技術的事項は、貢献度算出装置としても同様の機能を実現し得るものであると考えることができる。
<単位モジュール登録手段11の機能>
単位モジュール登録手段11は、1又は複数の学習推論モジュール及び1又は複数の演算処理モジュールのような内部モジュールについて、それらのうちのいずれかを選択するか、又は、いずれかを適宜組み合わせることで単位モジュールを構成し、構成された単位モジュールについて、貢献度算出システム1や貢献度算出装置の図示しない単位モジュールライブラリや記憶装置に登録を行う機能を有する。
演算処理モジュールは、大きくわけて、前処理モジュールと、後処理モジュールと、データフロー制御モジュールとに整理される。前処理モジュールは、例えば、人工知能モジュールが学習や推論を行う際に用いるデータセットを読み取る機能を有する読取モジュール、データセットを正規化するための正規化モジュール、データセットのデータ集合を分割する機能を有するデータ分割モジュール、データセットから所望のデータを抽出する機能を有するデータ抽出モジュール、データセットのデータを結合する機能を有するデータ結合モジュール、画像データのリサイズを行う機能を有する画像データリサイズモジュール、画像データのフィルタ処理を行う機能を有する画像データフィルタモジュール、データセットに正常/異常のラベル付けを行う機能を有するデータラベリングモジュール等、学習推論モジュール又はその他の後段の情報処理のために利用されるデータセットの加工や演算処理を行う機能を実行する部分プログラムやアプリケーションのことであり、前記機能を流用や流通が可能な状態で実現する機能単位を表す。
前処理モジュールは、単一の前処理モジュールのみで目的の機能を実現するものや、複数の前処理モジュールの並列的・直列的な適宜な組み合わせによって所望の機能を実現するもの等が考えられる。
後処理モジュールは、単一の後処理モジュールのみで目的の機能を実現するものや、複数の後処理モジュールの並列的・直列的な適宜な組み合わせによって所望の機能を実現するもの等が考えられる。
データフロー制御モジュールは、単一のデータフロー制御モジュールのみで目的の機能を実現するものや、複数のデータフロー制御モジュールの並列的・直列的な適宜な組み合わせによって所望の機能を実現するもの等が考えられる。
学習推論モジュールは、単一の学習推論モジュールのみで目的の機能を実現するものや、複数の学習推論モジュールの並列的・直列的な適宜の組み合わせによって所望の機能を実現するもの等が考えられる。
このとき、本発明においては、ユーザに内部モジュールを提示する際に、ユーザにとって使用可能な部品にどのようなものがあるかソートして提示することができれば十分であり、貢献度算出システム1の提供者、開発者や研究者によって開発された内部モジュールと、ユーザが新たに開発した内部モジュールとを区別して同時に提示する必要はない。
貢献度算出システム1が、同一の構成を有する単位モジュールの有無を調査するタイミングは、登録しようとする単位モジュールが登録された後でなくてもよく、ユーザが登録を行おうとする際に、登録済みの単位モジュールと照合を行うものであってもよい。この場合、登録しようとする単位モジュールと同一の単位モジュールが登録済みの単位モジュールの中から発見された場合には、登録が拒否され、登録を行おうとするユーザに対して登録が拒否された旨が通知される。
人工知能モジュール登録手段12は、ユーザからのユーザインタフェースの操作によって、単位モジュール登録手段11によって貢献度算出システム1や貢献度算出装置の図示しない単位モジュールライブラリや記憶手段に登録された単位モジュールを、1つ選択する又は複数接続することで人工知能モジュールを構成し、構成された人工知能モジュールについて、貢献度算出システム1や、貢献度算出装置に登録を行う機能を有する。
貢献度算出システム1が、同一の構成を有する人工知能モジュールの有無を調査するタイミングは、登録しようとする人工知能モジュールが登録された後でなくてもよく、ユーザが登録を行おうとする際に、登録済みの人工知能モジュールと照合を行うものであってもよい。この場合、登録しようとする人工知能モジュールと同一の人工知能モジュールが登録済みの人工知能モジュールの中から発見された場合には、登録が拒否され、登録を行おうとするユーザに対して登録が拒否された旨が通知される。
学習済みモデルの選定、生成、適用過程については、例えば以下のように行われる。
1又は複数の人工知能モジュールに学習用のデータ、例えば学習用データセットを入力すると、人工知能モジュールのそれぞれが学習を行う。つまり、1又は複数の人工知能モジュール内にそれぞれ含まれる1又は複数のモデルがそれぞれ学習を行う。学習がすすむことで、例えばモデル内部の重みパラメータ等を変更させていくことで、各人工知能モジュールの1又は複数のモデルのそれぞれが、別のデータセットに対しても、学習結果を踏まえた推論を行うことができる状態になる。そして、このような状態の前記1又は複数のモデルのそれぞれに検証用のデータセットを入力し、モデルそれぞれの推論値の検証を行う。つまり、人工知能モジュールを用いて検証を行う。そして、検証結果の優れた1又は複数のモデルが選定されることで、選定された1又は複数のモデルが適用対象に適用可能に排出され、つまり、学習済みモデルとして生成され、生成された学習済みモデルが適用対象に適用されることになる。学習済みモデルは、人工知能モジュールのうち学習がすすんだ1又は複数のモデルの中から1又は複数選定され、排出されるものであるから、学習済みモデルは、人工知能モジュールが生成するものであるといえる。
特徴データ収集手段13は、貢献度算出システム1に登録された複数の人工知能モジュール、貢献度算出システム1の人工知能モジュール学習手段や人工知能モジュール検証手段において学習/推論が行われた複数の人工知能モジュール、貢献度算出システム1の学習済みモデル生成手段において学習済みモデルを生成した複数の人工知能モジュールや、貢献度算出システム1の中で適用対象システムに適用される複数の人工知能モジュールのそれぞれから、特徴データを収集し、貢献度算出システム1の図示しない記憶装置にそれらを記憶する機能を有する。
(1)所定の期間及び/又は所定のユーザ等の所定の条件で人工知能モジュールの登録が行われた人工知能モジュールの種類(人工知能モジュールごとに付された識別符号)ごとのそれぞれに含まれる単位モジュールの種類ごとの出現回数
(2)人工知能モジュールの種類(人工知能モジュールごとに付された識別符号)ごとの、人工知能モジュールが学習及び/又は推論に利用される利用回数、並びに、利用される前記人工知能モジュールに含まれる単位モジュールの種類(単位モジュールごとに付された識別符号)ごとの出現回数
(3)人工知能モジュールの種類(人工知能モジュールごとに付された識別符号)ごとの、人工知能モジュールから選定され生成された有効な学習済みモデルの生成数及び当該学習済みモデルの生成を行う人工知能モジュールに含まれる単位モジュールの種類(単位モジュールごとに付された識別符号)ごとの出現回数
(4)人工知能モジュールの種類(人工知能モジュールごとに付された識別符号)ごとの、人工知能モジュールが学習及び/又は推論に利用される利用回数
(5)人工知能モジュールの種類(人工知能モジュールごとに付された識別符号)ごとの、人工知能モジュールが生成する学習済みモデルの生成数
特徴データ演算処理手段14は、特徴データ収集手段13が収集した特徴データを演算処理し、特徴データの傾向を表す特徴データ傾向値を求める機能を有する。
また、求められた特徴データ傾向値は、特徴データ演算処理手段14によって、貢献度算出システム1の図示しない記憶装置に記憶される。
(1−1)前記(1)の特徴データに対しては、単位モジュールの種類(単位モジュールごとに付された識別符号)ごとの出現頻度が演算処理され、それらが特徴データ傾向値として求められる。
ここで、出現回数から出現頻度を求めるにあたっては、例えば単位時間あたりの出現回数を出現頻度としてもよい。
ここで、利用回数から利用頻度を求めるにあたっては、例えば単位時間あたりの利用回数を利用頻度としてもよい。また、出現回数から頻出度を求めるにあたっては、例えば単位時間あたりの出現回数を頻出度としてもよい。
ここで、生成数から生成頻度を求めるにあたっては、単位時間あたりの生成数を生成頻度としてもよい。また、出現回数から頻出度を求めるにあたっては、例えば単位時間あたりの出現回数を頻出度としてもよい。
ここで、利用回数から利用頻度を求めるにあたっては、例えば単位時間あたりの利用回数を利用頻度としてもよい。
ここで、生成数から生成頻度を求めるにあたっては、単位時間あたりの生成数を生成頻度としてもよい。
貢献度算出手段15は、特徴データ演算処理手段14によって求められた特徴データ傾向値に基づいて、貢献度算出システム1に登録された単位モジュールのうち1又は複数の単位モジュールの貢献度を算出する機能を有する。
また、貢献度の算出については、上述の方法に限らず、特徴データ演算処理手段14によって求められた特徴データ傾向値についての単位モジュールの種類又は人工知能モジュールの種類ごとの相関と、算出する貢献度についての単位モジュールの種類又は人工知能モジュールの種類ごとの相関とが同じ傾向を有するものとなるように算出するものであれば、適宜の方法を採用してもよい。
まず、貢献度算出システム1が、特徴データ傾向値に基づいて、単位モジュール登録手段11によって登録された単位モジュールのうち1又は複数の単位モジュールの貢献度を算出する場合に、どのように作用させるかという方法について、図2のフローチャートを示しつつ、また、必要に応じて図4〜6の概念図を示しつつ説明を行う。
(1)所定の期間及び/又は所定のユーザ等の所定の条件で人工知能モジュールの登録が行われた人工知能モジュールの種類ごとのそれぞれに含まれる単位モジュールの種類ごとの出現回数(図4を参照)
特徴データ傾向値は、特徴データ収集手段13が収集する特徴データに対応して演算される、次のようなものである。
また、貢献度の算出については、上述の方法に限らず、特徴データ演算処理手段14によって求められた特徴データ傾向値についての単位モジュールの種類ごとの相関と、算出する貢献度についての単位モジュールの種類ごとの相関とが同じ傾向を有するものとなるように算出するものであれば、適宜の方法を採用してもよいことは、上述したとおりである。
このとき、特徴データ収集手段13が収集する、複数の人工知能モジュールのそれぞれから収集する特徴データとしては、例えば次のようなものが挙げられる。
特徴データ傾向値は、特徴データ収集手段13が収集する特徴データに対応して演算される、次のようなものである。
また、貢献度の算出については、上述の方法に限らず、特徴データ演算処理手段14によって求められた特徴データ傾向値についての人工知能モジュールの種類ごとの相関と、算出する貢献度についての人工知能モジュールの種類ごとの相関とが同じ傾向を有するものとなるように算出するものであれば、適宜の方法を採用してもよいことは、上述したとおりである。
その際においても、算出された貢献度に基づき、人工知能モジュールによって得られた経済的利益や、社会的な評価について、単位モジュール又は人工知能モジュールのそれぞれに対して適切に分配することが可能となる。
11 単位モジュール登録手段
12 人工知能モジュール登録手段
13 特徴データ収集手段
14 特徴データ演算処理手段
15 貢献度算出手段
Claims (9)
- データを入力して学習及び/又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出システムであって、
当該貢献度算出システムが、
学習機能及び/又は推論機能を担う1又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う1又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録手段と、
前記単位モジュール登録手段によって登録された単位モジュールを、1つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録手段と、
前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段と、
前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段と、
前記特徴データ傾向値に基づいて、前記単位モジュール登録手段によって登録された単位モジュールのうち1又は複数の単位モジュールの貢献度を算出する貢献度算出手段と、
を備えることを特徴とする貢献度算出システム。 - 前記特徴データが、所定の条件に当てはまる前記人工知能モジュールに含まれる単位モジュールの種類ごとの出現回数であり、
前記特徴データ傾向値が、単位モジュールの種類ごとの出現頻度であることを特徴とする請求項1記載の貢献度算出システム。 - 前記特徴データが、人工知能モジュールの種類ごとの、人工知能モジュールが学習及び/又は推論に利用される利用回数、並びに、利用される前記人工知能モジュールに含まれる単位モジュールの種類ごとの出現回数であり、
前記特徴データ傾向値が、人工知能モジュールの種類ごとの利用頻度と、単位モジュールの種類ごとの頻出度とに基づいて求められることを特徴とする請求項1記載の貢献度算出システム。 - 前記特徴データが、人工知能モジュールの種類ごとの、人工知能モジュールが生成する学習済みモデルの生成数及び学習済みモデルの生成を行う人工知能モジュールに含まれる単位モジュールの種類ごとの出現回数であり、
前記特徴データ傾向値が、人工知能モジュールの種類ごとの学習モデルの生成頻度と、単位モジュールの種類ごとの頻出度とに基づいて求められることを特徴とする請求項1記載の貢献度算出システム。 - 前記演算処理モジュールが、データ読取モジュール、データ正規化モジュール、データ分割モジュール、データ抽出モジュール、データ結合モジュール、画像データリサイズモジュール、画像データフィルタモジュール、データラベリングモジュール、推論結果分類モジュール、入力寄与度算出モジュール、データ分岐制御モジュール、データ合流制御モジュール、データ待ち合わせ制御モジュール、データループ制御モジュールのうちから1つ又は複数選択されるものである
ことを特徴とする請求項1〜4いずれか1つに記載の貢献度算出システム。 - データを入力して学習及び/又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出装置であって、
当該貢献度算出装置が、
学習機能及び/又は推論機能を担う1又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う1又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録手段と、
前記単位モジュール登録手段によって登録された単位モジュールを、1つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録手段と、
前記人工知能モジュール登録手段によって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集手段と、
前記特徴データ収集手段が収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理手段と、
前記特徴データ傾向値に基づいて、前記単位モジュール登録手段によって登録された単位モジュールのうち1又は複数の単位モジュールの貢献度を算出する貢献度算出手段と、
を備えることを特徴とする貢献度算出装置。 - コンピュータを用いて、データを入力して学習及び/又は推論を行う人工知能モジュールを構成する単位モジュールの貢献度を算出する貢献度算出方法であって、
当該貢献度算出方法が、
学習機能及び/又は推論機能を担う1又は複数の学習推論モジュール、学習機能及び推論機能以外の演算処理機能を担う1又は複数の演算処理モジュールのうちいずれかを選択すること又は適宜組み合わせることで構成される単位モジュールを登録する単位モジュール登録ステップと、
人工知能モジュール登録手段によって、前記単位モジュール登録ステップによって登録された単位モジュールを、1つ選択する又は複数接続することで構成される人工知能モジュールを登録する人工知能モジュール登録ステップと、
特徴データ収集手段によって、前記人工知能モジュール登録ステップによって登録された異なる複数の人工知能モジュールのそれぞれから特徴データを収集する特徴データ収集ステップと、
特徴データ演算処理手段によって、前記特徴データ収集ステップにおいて収集した前記特徴データを演算処理し、前記特徴データの傾向を表す特徴データ傾向値を求める特徴データ演算処理ステップと、
貢献度算出手段によって、前記特徴データ傾向値に基づいて、前記単位モジュール登録ステップによって登録された単位モジュールのうち1又は複数の単位モジュールの貢献度を算出する貢献度算出ステップと、
を備えることを特徴とする貢献度算出方法。 - 請求項7に記載の貢献度算出方法を、コンピュータによって実行させるための貢献度算出プログラム。
- 請求項8記載の貢献度算出プログラムを記憶する記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018122490A JP6600858B1 (ja) | 2018-06-27 | 2018-06-27 | 貢献度算出システム、貢献度算出装置、貢献度算出方法、貢献度算出プログラム及び貢献度算出プログラムを記憶する記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018122490A JP6600858B1 (ja) | 2018-06-27 | 2018-06-27 | 貢献度算出システム、貢献度算出装置、貢献度算出方法、貢献度算出プログラム及び貢献度算出プログラムを記憶する記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6600858B1 true JP6600858B1 (ja) | 2019-11-06 |
JP2020004059A JP2020004059A (ja) | 2020-01-09 |
Family
ID=68462290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018122490A Active JP6600858B1 (ja) | 2018-06-27 | 2018-06-27 | 貢献度算出システム、貢献度算出装置、貢献度算出方法、貢献度算出プログラム及び貢献度算出プログラムを記憶する記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6600858B1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4332847A1 (en) * | 2022-05-11 | 2024-03-06 | Aizoth Inc. | Coupled learner formation device, coupled learner formation program, and non-transitory recording medium with a coupled learner formation program recorded therein |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1063494A (ja) * | 1996-08-14 | 1998-03-06 | Fuji Electric Co Ltd | プログラム部品利用支援システム |
JP5759424B2 (ja) * | 2012-07-09 | 2015-08-05 | 日本電信電話株式会社 | ユーザインタフェース設計支援装置 |
JP5844854B2 (ja) * | 2014-06-19 | 2016-01-20 | ヤフー株式会社 | 提供装置、提供方法及び提供プログラム |
-
2018
- 2018-06-27 JP JP2018122490A patent/JP6600858B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020004059A (ja) | 2020-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Multi-objective particle swarm optimization approach for cost-based feature selection in classification | |
Al-Tashi et al. | Binary multi-objective grey wolf optimizer for feature selection in classification | |
Zeebaree et al. | Gene selection and classification of microarray data using convolutional neural network | |
Połap et al. | Meta-heuristic as manager in federated learning approaches for image processing purposes | |
Paulheim et al. | Towards evaluating interactive ontology matching tools | |
Abdolrazzagh-Nezhad et al. | Enhanced cultural algorithm to solve multi-objective attribute reduction based on rough set theory | |
Chopra et al. | Recurrent neural networks with non-sequential data to predict hospital readmission of diabetic patients | |
Acampora et al. | A competent memetic algorithm for learning fuzzy cognitive maps | |
TWI752349B (zh) | 風險識別方法及裝置 | |
CN107729241B (zh) | 一种基于变异体分组的软件变异测试数据进化生成方法 | |
Laredo et al. | Automatic model selection for fully connected neural networks | |
Azeem et al. | A fuzzy based churn prediction and retention model for prepaid customers in telecom industry | |
Biswas et al. | Hybrid expert system using case based reasoning and neural network for classification | |
Qian et al. | Mr 2DNM: A Novel Mutual Information‐Based Dendritic Neuron Model | |
Duan et al. | AFSNN: A classification algorithm using axiomatic fuzzy sets and neural networks | |
Parras-Gutierrez et al. | Short, medium and long term forecasting of time series using the L-Co-R algorithm | |
Laredo et al. | Automatic model selection for neural networks | |
Ali et al. | Improved differential evolution algorithm with decentralisation of population | |
Kulluk et al. | Cost-sensitive meta-learning classifiers: MEPAR-miner and DIFACONN-miner | |
Parouha et al. | An innovative hybrid algorithm for bound-unconstrained optimization problems and applications | |
Ravi et al. | Hybrid classification and regression models via particle swarm optimization auto associative neural network based nonlinear PCA | |
JP6600858B1 (ja) | 貢献度算出システム、貢献度算出装置、貢献度算出方法、貢献度算出プログラム及び貢献度算出プログラムを記憶する記憶媒体 | |
Kyriakides et al. | Regularized evolution for macro neural architecture search | |
Jędrzejowicz et al. | Gene Expression Programming as a data classification tool. A review | |
Ying et al. | FrauDetector+ An Incremental Graph-Mining Approach for Efficient Fraudulent Phone Call Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190724 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190724 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190725 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190813 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190828 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190910 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6600858 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D04 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |