JP2015153354A - 情報処理装置 - Google Patents
情報処理装置 Download PDFInfo
- Publication number
- JP2015153354A JP2015153354A JP2014029215A JP2014029215A JP2015153354A JP 2015153354 A JP2015153354 A JP 2015153354A JP 2014029215 A JP2014029215 A JP 2014029215A JP 2014029215 A JP2014029215 A JP 2014029215A JP 2015153354 A JP2015153354 A JP 2015153354A
- Authority
- JP
- Japan
- Prior art keywords
- sampling
- void
- information processing
- processing apparatus
- response
- 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.)
- Granted
Links
Abstract
Description
図1は実施例1の多次元情報処理システムのシステム構成を表すシステム図である。演算処理装置1には、演算処理装置1の演算結果を表示する表示装置2(表示手段に相当)と、演算処理装置1に情報を入力するキーボード3(入力手段に相当)が接続されている。尚、情報の入力はキーボードに限らず、多のシミュレータ等の装置からデータを入力するようにしてもよい。演算処理装置1には、各種データや演算結果を記憶する記憶装置1aと、記憶装置1aに記憶されたデータを処理する演算装置1bが設けられている。演算装置1bには、入力されたサンプリング間のユークリッド距離に基づいてサンプリングを2次元平面上に配置する空間配置部1b1(空間配置手段)と、2次元平面上においてサンプリングが存在しない領域であるボイドを抽出するボイド抽出部1b2(ボイド抽出手段)と、ボイドを囲むサンプリングとボイドとのユークリッド距離を変化させたときのサンプリングの変数の変化に基づいて、ボイド内のサンプリングを得るために影響が大きな変数を抽出する影響変数抽出部1b3(影響変数抽出手段)と、を有する。また、表示装置2は、演算された影響変数等に基づいて導出されたボイド内サンプリングに基づいて設計されたシステムと応答を表示する。
ステップ103では、第1サンプリングとサンプリング間距離が最も短いサンプリングを第2サンプリングとして選択し、2次元平面上の初期位置を基準としてサンプリング間距離に応じた位置に配置する(第2サンプリング配置部)。
ステップ104では、2次元平面上に既に配置されたサンプリングの重心である基準重心を算出する。実施例1では、第1サンプリングの位置と第2サンプリングの位置との重心を基準重心として算出する(基準重心算出部)。尚、既に複数のサンプリングが配置されている場合において、配置された複数のサンプリングから算出される重心を基準重心として算出してもよく、特に限定しない。
ステップ106では、サンプリングの数が0になったかどうかを判断し、未配置のサンプリングが存在するときは、次に選択されるサンプリングを第4サンプリングとすると、新たに選択するサンプリングを第3サンプリングとみなし、1つ前に選択したサンプリングを第2サンプリングとみなし、ステップ103,ステップ104及びステップ105を繰り返し、順次2次元平面上に配置する(繰り返し部)。0になったときはステップ107に移行する。上述のステップ102〜106により空間配置手段を構成する。
ステップ107では、上記処理によって決定された各サンプリングの位置に、各サンプリングを構成する変数や特性等を記載する。
ステップ109では、応答曲面からボイドを抽出すると共に、ボイド周辺のサンプリングを階層的クラスタリングにより分類する。
ステップ110では、各クラスターに基づいて共通概念を抽出する。
ステップ111では、サンプリングと共通概念とに基づいて要因項を抽出する。
ステップ112では、ボイド周辺のサンプリングとボイドとのユークリッド距離の変化と変数の変化との関係に基づいて変数の変化傾向を抽出する。
ステップ113では、共通概念、要因項及び変数の変化傾向に基づいてボイド内にサンプリングを発生させ、新たなコンセプトを導出する。
ステップ114では、導出された新たなコンセプト設計により得られたシステム及びシステムに基づくシミュレーション結果を表示する。
以下、具体的な設計問題に適用しながら各構成要素について説明する。
図3は記憶装置1aに記憶された評価特性及び設計パラメータの組み合わせによるサンプリングデータセットである。評価特性(応答)はCd値を設定している。Cd値(Coefficient of Drag)とは、抗力係数と呼ばれ周りの流体によって受ける抵抗の度合いを表す。Cd値が小さいときは、空気抵抗は小さくなるため、風切り音の抑制や燃費の向上にとって有利である。このCd値は車両ボディー表面形状に依存する値であり、フロントバンパーの形状を規定する諸元、フロントフェンダーの形状を規定する諸元、リアフェンダーの形状を規定する諸元、ボディー側面の形状を規定する諸元、といった各種車両表面形状を規定する諸元により設計パラメータ(変数)が設定されている。実施例1ではトータルで35個の設計変数を考慮している。評価特性であるCd値(応答)、及び35個の設計パラメータ(変数)の組み合わせを一組としたデータ(サンプリング)がn個準備されており、記憶装置1aに保存されている。
図4及び図5は2次元平面に配置する手順を表す概略説明図である。以下、手順について詳述する。
まず、任意の第1サンプリングを1つ選択する(以下、点A)。次に、2次元平面上に選択したサンプリングを配置する。尚、2次元平面上であればどの位置に配置してもよく、任意に設定すればよい。そして、2次元平面上に配置した点(第1サンプリング:データ1)と、他の点(他のサンプリング:データ2〜データn)とのユークリッド距離を計算する。
実施例1は、複雑な現象を規定する共通概念の抽出を行った後、共通概念を用いて特定の現象を規定する要因項の抽出を行う。共通概念の抽出には、応答とそれを実現するあるシステムのとる変数の組合せ(サンプリング)を上記のボイド周辺のサンプリングから準備する。そして、これらの特性をいくつかに分類し、変数を比較することによって、全ての現象を最もよく説明できる共通概念を抽出する。この共通概念を、ある特定の応答に適用した場合、この応答を実現する要因項は、共通概念以外の変数のとる状態となる。
まずサンプリングを分類するにあたり、階層的クラスタリングを利用する。クラスタリングとは、異なる性質のもの同士が混ざり合っている集団の中から、効率的に意味のある体系に組織立てるために、互いに似たものを集めて集落(以下、クラスター)を作るという、対象を分類する方法の総称である。このうち、階層的クラスタリングは、グループが入れ子を構成するように階層を生成していく方法である。本実施例1では、「似たもの」として、「特性」を基準にクラスタリングした。
(3.2)
(3.3)
ここでGqとGrをgから取り除き、G'=Gq∪Grをgに追加する。この際、クラスター数を一つ減らす。
(3.4)
(3.5)
(3.6)
(3.7)
(3.8)
(3.9)
(3.10)
ここで、G'=Gq∈Grのとき
(3.11)
以上のように,AHCの(III)の再計算は、個体間の類似度を参照することなく、クラスター間の類似度のみを用いて再計算がなされる。図7に以上のアルゴリズムに基づくクラスターの生成方法を、図8に階層的クラスタリングの例を示す。
(A)サンプリングをクラスター化し、クラスターp,q.r・・・を生成する。図7中、小さな円に相当するものである。
(B)各クラスターの重心を計算する。
(C)類似度の小さい(距離の近い)クラスターを結合する。図7中、クラスターpとクラスターqを結合し、新たなクラスターtを生成する。
(D)結合したクラスターtの重心を計算する。
(E)類似度の小さい(距離の近い)クラスターを結合する。
(F)上記(C)〜(E)をクラスターが1つになるまで繰り返す。
尚、上記(A)のステップでは、クラスターでなくとも、クラスタリングする前の点情報でもよく特に限定しない。
次に、変数を比較し共通概念を抽出する(共通概念抽出手段に相当)。まず、分類された階層ごとに存在する変数間の関係と特性との因果関係を抽出した後、全ての階層に共通する因果関係を見つける。ここで見つかった共通する因果関係を共通概念と呼ぶ。
分類された現象階層ごとに存在する変数と応答の物理的因果関係を抽出する。現象が示す特徴は、様々な変数が関係し合いながら実現されるという獏全とした言い方しかできない。しかしながら、このことは、言い換えると、現象は変数同士の関係を変えながら、さまざまな関係形態を経て実現されている。これを、現象の実現に至る変数のネットワークとするならば、このネットワークこそが因果関係であると考えることができる。ここで、このネットワークを「因果ネットワーク」と呼ぶことにする。
(5.2)
複雑な応答は、物理的特徴を基準としながら徐々に単純な応答に分割されていくという階層構造を成している。従って、これに伴い因果ネットワークも階層を追って変化していくと考えられる。ある階層における単体の応答を決定付ける要因と、その複雑さを決定付ける要因とは、階層をたどることによって、それぞれ全ての階層の単体の応答に共通する因果ネットワークと、対象の応答とその上下階層の応答との間に存在する異質な因果ネットワークであると定義できる。
(5.3)
(5.4)
(5.5)
(5.6)
(5.7)
(5.8)
次に、特定の応答あるいは分類された特定のグループの変数と変数を比較し、要因項を抽出する。要因項とは、特定の応答を決定付ける、共通概念をベースとした特有の変数の形態である。従って、上記(共通概念の抽出)で抽出された共通概念と特有の形態の因果関係を比較し、共通概念に該当しない部分が要因項となる。図9中の点線で結ばれた関係が要因項を表す。
次に、要因項における変数がどのような傾向を持つことがボイド内のサンプリング生成に重要なのかを検出する。具体的には、図6に示す応答曲面において、Cd値がボイドに向かって減少する場合に、変数がどのように変化するかを検証する(影響変数抽出手段に相当)。図6中の太い矢印に示すように、例えば、Cd値がボイドに向かって減少するパターンとして、K車→A車→B車へとサンプリングを移動させたときの変数の変化に着目する。図10は応答と変数とを同じ次元で並べて配置し、各値を規格化して表記したサンプリングモデルである。図10に示すように、K車→A車→B車とCd値を変化させた時に、この順序で変数が変化する部分を太い矢印で示している。例えば、Cd値がK→A→Bと変化しているとき、同様に変数もK→A→Bと変化、もしくはB→A→Kと変化している部分である。この結果から、ボイド内のサンプリングを得るには、図10の矢印が記載された変数を矢印と同じ向きに変更する必要があることが理解できる。
以上から、ボイド内のサンプリング、言い換えると新たなコンセプトのサンプリングを得るためには、共通概念を構成する変数を比較的狭い所定範囲内で発生させ、要因項の変数を図10の矢印で示した側に変化するように発生させ、他の変数をボイド周辺のサンプリングが取り得る範囲内で変化するように発生させることで、ボイド内の新たなサンプリングを得ることができる。具体的には、ボイドを囲むサンプリングを構成する変数を参考とし、ボイドにあたる部分にモデルを生成し、応答を確認した際に推定した応答が得られているかを確認する。この場合の具体的なモデル生成方法として距離モデル生成方法を用いる。
距離モデル生成法は、既存の応答を構成する設計変数(以下、変数)に似たモデルを新しく生成する方法である。ここでは個体間の類似度の想像が容易で、取り扱いやすいユークリッド距離を取り上げた。図11は距離モデル生成過程を表す概略説明図である。
(4.1)
(4.2)
(4.3)
(i)原理モデルを用意する。
(ii)乱数を用いてモデルを生成させ、式(4.2)で距離を計算し、式(4.3)を満たすモデルを選択する。またこのとき生成されたモデルと原理モデルとの距離を記憶しておく。
(iii)再度、原理モデルを基準に乱数を用いてモデル生成させ、式(4.2)で距離を計算する。式(4.3)の制限則とする最小距離を(ii)の距離に置き換え、これを満たすモデルを選択する。ここで、選択されたモデルと原理モデルとの距離を記憶しておく。
(iv)以後、上記(i)〜(iii)を繰り返す。これにより、新たなコンセプトに基づくサンプリングを発生させることができ、ボイド内における小さなCd値を持った車両が得られる。
次に、ステップ114では、導出された新たなコンセプト設計により得られたボディー形状及びボディー形状に基づく風洞シミュレーション結果を表示する。図12は実施例1の手法を用いてボイド内のボディー形状を採用し、風洞シミュレーションを行った結果を表す。比較例として極力車両前方の領域Z1部分を空気抵抗が減少するように滑らかに形成したものを示す。この場合、先端部分での抵抗が減少するが、ボディー側面において剥離が発生し、全体としてのCd値を低減するには限界がある。これに対し、ボイド内におけるボディー形状にあっては、先端部分Z2であえて凸形状を採用し、Z3のフロントタイヤハウジング後方部分の形状、Z4のドア部形状、Z5のリアタイヤハウジング前方部分の形状、Z6のリアタイヤハウジング後方部分の形状をそれぞれ組み合わせることで、前方からの空気をボディー側面に沿って流すことが可能となり、全体としてのCd値を低減することに成功した事例である。このように、本発明によれば、複雑な組み合わせによって得られる形状を効率的に導出することができ、新たなコンセプトに基づく車両形状を提案できる。また、結果を表示することで、各変数の相互関係を把握することができる。
(1)複数の変数に対する応答を有するシステムの変数及び/又は応答との組み合わせからなる複数のサンプリングと、サンプリング間のユークリッド距離に基づいてサンプリングを2次元平面上に配置するステップ102〜106(空間配置手段)と、2次元平面上においてサンプリングが存在しない領域であるボイドを抽出するステップ108(ボイド抽出手段)と、ボイドを囲むサンプリングとボイドとのユークリッド距離を変化させたときのサンプリングの変数の変化に基づいて、ボイド内のサンプリングを得るために影響が大きな変数を抽出するステップ112(影響変数抽出手段)と、を備えた。
よって、サンプリングをユークリッド距離に基づいて配置するため、既存のサンプリングでは得られない新たなコンセプトを表すボイドを検出することができる。また、ボイド外のサンプリングとボイドとのユークリッド距離の変化に対する変数の変化傾向から影響が大きな変数を抽出することで、ボイド内の新たなコンセプトにとって重要な変数を把握することができ、新たなコンセプトを得るために必要な情報を得ることができる。
よって、複数のボイドが発生している状況であっても、良好な応答が得られると推定されるボイドを検出することが可能となり、効率的に新たなコンセプトに対応するサンプリングを得ることができる。
よって、複雑な現象から共通概念を抽出することで、共通概念についての変数の変更範囲を小さくすることができるため、ボイド内におけるサンプリングを効果的に発生させることができる。
すなわち、もともと対象とするシステムが階層的な分類を基にしていることを考慮すると、階層的にクラスタリングすることで最も理解可能な体系を得ることができる。また、システムには予めいくつの階層が存在するかは分からないことを考慮すると、予め閾値等を設定する必要が無く、既成概念に縛られない結果を得ることができる。
よって、特定の応答が得られる結果に影響を与えている変数を特定することが可能となり、ボイド内におけるサンプリングを効果的に発生させることができる。
よって、多次元情報を2次元平面上で一覧表示することが可能となり、多次元空間内の情報を極力欠損することなく把握することができる。また、ユークリッド距離に基づいて2次元平面上に配置するため、サンプリングの存在しないボイド領域を把握することができる。
(7)ステップ112により抽出された変数に基づいてボイド内に新たなサンプリングを発生させるステップ113(ボイド内サンプリング発生手段)を設けた。
これにより、新たなコンセプトに基づくサンプリングを発生させることができ、ボイド内における所望の応答を持った車両(システム)が得られる。
(8)ボイド内サンプリングに基づいて設計されたシステムと応答を表示するステップ114(表示手段)を備えた。
これにより、新たなコンセプトに基づく車両がどのような形状の組み合わせからなり、また、どのような作用に基づく応答が得られているかを把握することができる。
2 表示装置
3 キーボード
Claims (8)
- 複数の変数に対する応答を有するシステムの前記変数及び/又は前記応答との組み合わせからなる複数のサンプリング情報を入力する入力手段と、
前記サンプリング間のユークリッド距離に基づいて前記サンプリングを2次元平面上に配置する空間配置手段と、
前記2次元平面上において前記サンプリングが存在しない領域であるボイドを抽出するボイド抽出手段と、
前記ボイドを囲む前記サンプリングと前記ボイドとのユークリッド距離を変化させたときの前記サンプリングの変数の変化に基づいて、前記ボイド内のサンプリングを得るために影響が大きな変数を抽出する影響変数抽出手段と、
を備えたことを特徴とする情報処理装置。 - 請求項1に記載の情報処理装置において、
ボイド抽出手段は、前記2次元平面の直行方向に前記応答を設定し3次元空間に前記ボイドの応答を推定する応答曲面を作成する応答曲面作成手段を有し、前記応答曲面により推定された前記ボイドの応答のうち、所望の応答となるボイドを抽出する手段であることを特徴とする情報処理装置。 - 請求項1または2に記載の情報処理装置において、
前記影響変数抽出手段は、前記ボイドを囲む前記サンプリングを前記応答に基づいて分類する分類手段と、前記分類された応答に対応する複数の変数を前記分類された他の分類における複数の変数と比較し各分類で共通する変数に基づいて共通概念を抽出する共通概念抽出手段と、
を備えたことを特徴とする情報処理装置。 - 請求項3に記載の情報処理装置において、
前記分類手段は、前記応答に基づいて階層的にクラスタリングする階層的クラスタリング手法としたことを特徴とする情報処理装置。 - 請求項4に記載の情報処理装置において、
前記影響変数抽出手段は、前記特性と前記特定の分類の変数と前記共通概念とを比較して要因項を抽出する要因項抽出手段を有することを特徴とする情報処理装置。 - 請求項1ないし5いずれか一つに記載の情報処理装置において、
前記空間配置手段は、
前記サンプリング間のユークリッド距離をサンプリング間距離として算出するサンプリング間距離算出部と、
前記サンプリングから任意の一つを第1サンプリングとして選択し、2次元平面上に初期位置として配置する初期位置設定部と、
前記第1サンプリングとサンプリング間距離が最も短いサンプリングを第2サンプリングとして選択し、前記2次元平面上の前記初期位置を基準として前記サンプリング間距離に応じた位置に配置する第2サンプリング配置部と、
前記2次元平面上に既に配置されたサンプリングの重心である基準重心を算出する基準重心算出部と、
前記第2サンプリングとサンプリング間距離が最も短いサンプリングを第3サンプリングとして選択し、前記2次元平面上の前記第2サンプリングの位置および前記基準重心の位置とを基準として、前記第3サンプリングと前記第2サンプリングとのサンプリング距離および前記第3サンプリングと前記基準重心とのサンプリング距離とに応じた位置に前記第3サンプリングを配置する第3サンプリング配置部と、
第4サンプリング以降は、新たに選択するサンプリングを前記第3サンプリングとみなし、一つ前に選択したサンプリングを前記第2サンプリングとみなし、前記第2サンプリング配置部および前記基準重心算出部および前記第3サンプリング配置部の実施を繰り返す繰り返し部と、
を備えたことを特徴とする情報処理装置。 - 請求項1ないし6いずれか一つに記載の情報処理装置において、
前記影響変数抽出手段により抽出された変数に基づいて前記ボイド内に新たなサンプリングを発生させるボイド内サンプリング発生手段を設けたことを特徴とする情報処理装置。 - 請求項7に記載の情報処理装置において、
前記ボイド内サンプリングに基づいて設計された前記システムと前記応答を表示する表示手段を備えたことを特徴とする情報処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014029215A JP6303579B2 (ja) | 2014-02-19 | 2014-02-19 | 情報処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014029215A JP6303579B2 (ja) | 2014-02-19 | 2014-02-19 | 情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015153354A true JP2015153354A (ja) | 2015-08-24 |
JP6303579B2 JP6303579B2 (ja) | 2018-04-04 |
Family
ID=53895475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014029215A Active JP6303579B2 (ja) | 2014-02-19 | 2014-02-19 | 情報処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6303579B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7527564B2 (ja) | 2020-09-18 | 2024-08-05 | 学校法人東京理科大学 | 設計知見の分析方法、設計知見の分析プログラム、および該分析プログラムを記憶したコンピュータ読取可能な記憶媒体 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007148692A (ja) * | 2005-11-25 | 2007-06-14 | Nissan Motor Co Ltd | コンセプト設計支援装置,コンセプト設計支援プログラムが記録された媒体及びコンセプト設計支援方法 |
JP2007200281A (ja) * | 2005-12-28 | 2007-08-09 | Nissan Motor Co Ltd | 多次元情報処理装置,多次元情報処理プログラムが記録された媒体,多次元情報表示装置及び多次元情報処理方法 |
JP2008003819A (ja) * | 2006-06-22 | 2008-01-10 | Nissan Motor Co Ltd | 交互作用検出装置,交互作用検出用プログラムが記録された媒体及び交互作用検出方法 |
-
2014
- 2014-02-19 JP JP2014029215A patent/JP6303579B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007148692A (ja) * | 2005-11-25 | 2007-06-14 | Nissan Motor Co Ltd | コンセプト設計支援装置,コンセプト設計支援プログラムが記録された媒体及びコンセプト設計支援方法 |
JP2007200281A (ja) * | 2005-12-28 | 2007-08-09 | Nissan Motor Co Ltd | 多次元情報処理装置,多次元情報処理プログラムが記録された媒体,多次元情報表示装置及び多次元情報処理方法 |
JP2008003819A (ja) * | 2006-06-22 | 2008-01-10 | Nissan Motor Co Ltd | 交互作用検出装置,交互作用検出用プログラムが記録された媒体及び交互作用検出方法 |
Non-Patent Citations (1)
Title |
---|
大林茂: "進化計算による多目的最適化と工学設計", 計測と制御, vol. 第47巻、第6号, JPN6017047157, 10 June 2008 (2008-06-10), pages 480 - 486, ISSN: 0003697959 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7527564B2 (ja) | 2020-09-18 | 2024-08-05 | 学校法人東京理科大学 | 設計知見の分析方法、設計知見の分析プログラム、および該分析プログラムを記憶したコンピュータ読取可能な記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP6303579B2 (ja) | 2018-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107038751B (zh) | 从2d图像进行3d建模对象的识别的方法、介质与系统 | |
JP7509537B2 (ja) | 編集可能なフィーチャツリーの推測のためのデータ集合を形成すること | |
CN101477529B (zh) | 一种三维对象的检索方法和装置 | |
JP5969837B2 (ja) | 性能予測装置、性能予測方法、及びプログラム | |
AU2020102874A4 (en) | A recommendation model for aero dynamic design of structures using deep recurrent neural network | |
CN104392253B (zh) | 一种草图数据集的交互式类别标注方法 | |
CN111382496A (zh) | 学习用于推断可编辑特征树的神经网络 | |
CN113836634B (zh) | 一种大差异性气动数据的深度神经网络建模方法 | |
KR102188732B1 (ko) | 기하학적 모멘트 매칭을 통한 구 위에서의 적대적 생성망을 이용하는 데이터 처리 장치 및 방법 | |
JP4867332B2 (ja) | パレート新領域探索装置,パレート新領域探索プログラムが記録された媒体,パレート新領域探索表示装置及びパレート新領域探索方法 | |
JP6303579B2 (ja) | 情報処理装置 | |
CN111382301B (zh) | 一种基于生成对抗网络的三维模型生成方法及系统 | |
JP2007200281A (ja) | 多次元情報処理装置,多次元情報処理プログラムが記録された媒体,多次元情報表示装置及び多次元情報処理方法 | |
JP6855547B2 (ja) | 2次元または3次元の幾何学的形状の集合のための形状記述子の集合を生成するための方法 | |
JP4997761B2 (ja) | パレート新領域探索装置,パレート新領域探索プログラム,パレート新領域探索表示装置及びパレート新領域探索方法 | |
JP4867314B2 (ja) | コンセプト設計支援装置,コンセプト設計支援プログラム及びコンセプト設計支援方法 | |
JP4815887B2 (ja) | 情報処理装置及び情報処理用表示装置 | |
JP2014006787A (ja) | 特徴点決定装置、特徴点決定方法、及びプログラム | |
JP5969836B2 (ja) | モデル適用装置、モデル適用方法、及びプログラム | |
JP2008003819A (ja) | 交互作用検出装置,交互作用検出用プログラムが記録された媒体及び交互作用検出方法 | |
JP4867334B2 (ja) | パレート新領域探索装置,パレート新領域探索プログラムが記録された媒体,パレート新領域探索表示装置及びパレート新領域探索方法 | |
CN113850304A (zh) | 一种高准确率的点云数据分类分割改进算法 | |
JP5299471B2 (ja) | 情報処理用プログラム及び情報処理方法 | |
JP2014006804A (ja) | サンプリング装置、サンプリング方法、近似モデル生成装置、近似モデル生成方法及びプログラム | |
CN111783832A (zh) | 一种时空数据预测模型的交互式选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161226 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180115 |
|
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: 20180206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180219 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6303579 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |