JP2019036087A - 生成装置、生成方法、生成プログラム、学習データ、及びモデル - Google Patents
生成装置、生成方法、生成プログラム、学習データ、及びモデル Download PDFInfo
- Publication number
- JP2019036087A JP2019036087A JP2017156462A JP2017156462A JP2019036087A JP 2019036087 A JP2019036087 A JP 2019036087A JP 2017156462 A JP2017156462 A JP 2017156462A JP 2017156462 A JP2017156462 A JP 2017156462A JP 2019036087 A JP2019036087 A JP 2019036087A
- Authority
- JP
- Japan
- Prior art keywords
- information
- target information
- model
- ratio
- class
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000006870 function Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011176 pooling Methods 0.000 claims description 5
- 241000282326 Felis catus Species 0.000 description 57
- 241000282472 Canis lupus familiaris Species 0.000 description 53
- 238000003860 storage Methods 0.000 description 51
- 238000013500 data storage Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 17
- 230000010365 information processing Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 6
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 4
- 101150000378 IML1 gene Proteins 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Abstract
Description
〔1.生成処理〕
まず、図1を用いて、実施形態に係る生成処理の一例について説明する。図1は、実施形態に係る生成処理の一例を示す図である。図1では、生成装置100が分類対象となる対象情報と、対象情報が各クラスに分類される割合を示す正解情報とに基づいてモデルの生成を行う場合を示す。以下では、正解情報が対応付けられた対象情報を「学習データ」ともいう。図1及び図2の例では、対象情報が画像情報(以下、単に「画像」ともいう)である場合を一例に説明するについては後述する。なお、対象情報は画像に限らず、文字情報や、画像と文字情報を組み合わせた記事コンテンツ等の種々の情報であってもよい。
まず、図1の説明に先立って、図3に示す生成システム1について説明する。図3に示すように、生成システム1は、端末装置10と、生成装置100とが含まれる。端末装置10と、生成装置100とは所定のネットワークNを介して、有線または無線により通信可能に接続される。図3は、実施形態に係る生成システムの構成例を示す図である。なお、図3に示した生成システム1には、複数台の端末装置10や、複数台の生成装置100が含まれてもよい。
図2を用いて、実施形態に係る推定処理の一例について説明する。図2は、実施形態に係る推定処理の一例を示す図である。図2では、生成装置100は、新たな対象情報を取得した場合に、その対象情報に対する各クラスに分類される割合を推定し、推定に基づく情報を提供する場合を示す。
図1及び図2の例では、画像が猫(クラスCL1)と犬(クラスCL2)のいずれに分類されるかを推定するモデルを生成したり、モデルを用いて推定を行う場合を示したが、生成装置100は、どのような分類を行うモデルを生成したりしてもよい。例えば、生成装置100は、各対象情報に種々の正解情報を対応付けることにより、複数のモデルを生成してもよい。例えば、生成装置100は、各対象情報に、種々の正解情報を対応付けることにより、複数のモデルを生成してもよい。
図1の例では、説明を簡単にするために、各ユーザ(ワーカ)が犬か猫かのいずれかを選択し、いずれか一方を回答する場合を示したが、生成装置100は、各ユーザから各クラスの割合による回答を取得してもよい。例えば、生成装置100は、ユーザU1から、画像IM101が猫(クラスCL1)であると考える割合「0.6(60%)」と犬(クラスCL2)であると考える割合「0.4(40%)」等の各クラスの割合による回答を取得してもよい。例えば、生成装置100は、ユーザU2から、画像IM101が猫(クラスCL1)であると考える割合「0.7(70%)」と犬(クラスCL2)であると考える割合「0.3(30%)」等の各クラスの割合による回答を取得してもよい。
また、生成装置100は、回答したユーザに応じて回答に重み付けを行ってもよい。例えば、生成装置100は、各ユーザのワーカとしての経歴やスキルレベル等のクラウドソーシングにおける各ユーザの評価や信頼性を示す情報に基づいて、各ユーザの回答に重み付けを行ってもよい。
次に、図4を用いて、実施形態に係る生成装置100の構成について説明する。図4は、実施形態に係る生成装置の構成例を示す図である。図4に示すように、生成装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、生成装置100は、生成装置100の管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークと有線または無線で接続され、端末装置10との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部120は、図4に示すように、学習データ記憶部121と、モデル情報記憶部122と、ユーザ情報記憶部123と、推定情報記憶部124とを有する。
実施形態に係る学習データ記憶部121は、学習データに関する各種情報を記憶する。図5は、実施形態に係る学習データ記憶部の一例を示す図である。例えば、学習データ記憶部121は、モデルの生成に用いる教師データを記憶する。図5に示す学習データ記憶部121には、「データID」、「対象情報」、「集計情報」といった項目が含まれる。「集計情報」には、「正解情報(割合情報)」、「ユーザ数」、「猫(CL1)」、「犬(CL2)」といった項目が含まれる。
実施形態に係るモデル情報記憶部122は、モデルに関する情報を記憶する。例えば、モデル情報記憶部122は、生成処理により生成されたモデル情報(モデルデータ)を記憶する。図6は、実施形態に係るモデル情報記憶部の一例を示す図である。図6に示すモデル情報記憶部122は、「モデルID」、「用途」、「モデルデータ」といった項目が含まれる。なお、図6では、モデルM1〜M3のみを図示するが、M4、M5等、各用途(推定の対象)に応じて多数のモデル情報が記憶されてもよい。
実施形態に係るユーザ情報記憶部123は、ユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部123は、クラウドソーシングなどによるタスクを行う複数のワーカ(ユーザ)に関する情報を記憶する。図7は、実施形態に係るユーザ情報記憶部の一例を示す図である。図7に示すユーザ情報記憶部123は、「ユーザID」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目が含まれる。
実施形態に係る推定情報記憶部124は、推定対象や推定結果等の推定に関する各種情報を記憶する。図8に、実施形態に係る推定情報記憶部124の一例を示す。図8に示す推定情報記憶部124は、「推定対象」、「クラス」、「スコア」といった項目を有する。図8に示す推定情報記憶部124は、図2において推定した画像IM10のクラス分類(犬猫分類)に関する情報を示す。
図4の説明に戻って、制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、生成装置100内部の記憶装置に記憶されている各種プログラム(生成プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。制御部130は、モデル情報記憶部122に記憶されているモデルM1等に従った情報処理により、分類対象となる対象情報が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第1要素と、第1要素と第1要素の重みとに基づいて値が算出される第2要素と、を含み、入力層に入力された対象情報に対し、出力層以外の各層に属する各要素を第1要素として、第1要素と第1要素の重みとに基づく演算を行うことにより、対象情報の各クラスに分類される割合の推定に用いられるスコアの値を出力層から出力する。
取得部131は、各種情報を取得する。例えば、取得部131は、学習データ記憶部121と、モデル情報記憶部122と、ユーザ情報記憶部123と、推定情報記憶部124等から各種情報を取得する。また、取得部131は、各種情報を外部の情報処理装置から取得してもよい。また、取得部131は、各種情報を端末装置10等から取得してもよい。例えば、取得部131は、ワーカから対象情報に対する回答を取得する。
生成部132は、各種情報を生成する。例えば、生成部132は、学習データ記憶部121に記憶された学習データを用いて、モデル情報記憶部122に示すようなモデルを生成する。例えば、生成部132は、取得部131により取得された学習データに基づいて、対象情報の各クラスに分類される割合の推定に用いられるモデルを生成する。例えば、生成部132は、対象情報と、対象情報が各クラスに分類される割合を示す正解情報とを含む学習データに基づいて、対象情報の各クラスに分類される割合の推定に用いられるモデルを生成する。
推定部133は、各種情報を推定する。推定部133は、学習データ記憶部121と、モデル情報記憶部122と、ユーザ情報記憶部123と、推定情報記憶部124等に記憶された情報を用いて種々の情報を推定する。例えば、推定部133は、取得部131により取得された各種情報に基づいて、種々の情報を推定する。
提供部134は、各種情報を提供する。例えば、提供部134は、端末装置10に各種情報を提供する。提供部134は、推定部133により推定された一の対象情報が各クラスに分類される割合に基づくサービスを提供する。例えば、提供部134は、推定部133により推定された一の対象情報が各クラスに分類される割合に基づいて、一の対象情報がいずれのクラスであるかを示す情報を提供する。また、例えば、提供部134は、生成部132により生成されたモデルに関する情報を外部の情報処理装置へ提供してもよい。また、例えば、提供部134は、モデルが出力する情報を外部の情報処理装置へ提供してもよい。
次に、図9を用いて、実施形態に係る生成システム1による生成処理の手順について説明する。図9は、実施形態に係る生成処理の一例を示すフローチャートである。
次に、図10を用いて、実施形態に係る生成システム1による推定処理の手順について説明する。図10は、実施形態に係る推定処理の一例を示すフローチャートである。
上述してきたように、実施形態に係る生成装置100は、取得部131と、生成部132とを有する。取得部131は、分類対象となる対象情報と、複数のユーザの各々により対象情報の各クラスに分類された割合を示す割合情報とを取得する。また、生成部132は、取得部131により取得された対象情報と割合情報とに基づいて、一の対象情報が入力された場合に、一の対象情報が各クラスに分類される割合を推定するモデルを生成する。
上述してきた実施形態に係る生成装置100は、例えば図11に示すような構成のコンピュータ1000によって実現される。図11は、生成装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM(Read Only Memory)1300、HDD(Hard Disk Drive)1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
100 生成装置
121 学習データ記憶部
122 モデル情報記憶部
123 ユーザ情報記憶部
124 推定情報記憶部
130 制御部
131 取得部
132 生成部
133 推定部
134 提供部
10 端末装置
N ネットワーク
Claims (14)
- 分類対象となる対象情報と、複数のユーザの各々により前記対象情報の各クラスに分類された割合を示す割合情報とを取得する取得部と、
前記取得部により取得された前記対象情報と前記割合情報とに基づいて、一の対象情報が入力された場合に、前記一の対象情報が前記各クラスに分類される割合を推定するモデルを生成する生成部と、
を備えることを特徴とする生成装置。 - 前記取得部は、
クラウドソーシングにおいて前記複数のユーザの各々により前記対象情報の各クラスに分類された割合を示す割合情報を取得する、
ことを特徴とする請求項1に記載の生成装置。 - 前記取得部は、
前記複数のユーザの数と、前記対象情報の各クラスを選択したユーザの数とに基づく前記割合情報を取得する、
ことを特徴とする請求項1または請求項2に記載の生成装置。 - 前記取得部は、
画像情報を含む前記対象情報を取得する
ことを特徴とする請求項1〜3のいずれか1項に記載の生成装置。 - 前記取得部は、
文字情報を含む前記対象情報を取得する
ことを特徴とする請求項1〜4のいずれか1項に記載の生成装置。 - 前記生成部は、
前記一の対象情報が入力された場合に、前記一の対象情報が前記各クラスに分類される割合を推定するニューラルネットワークである前記モデルを生成する
ことを特徴とする請求項1〜5のいずれか1項に記載の生成装置。 - 前記生成部は、
畳み込み処理及びプーリング処理を行う前記ニューラルネットワークである前記モデルを生成する
ことを特徴とする請求項6に記載の生成装置。 - 前記モデルを用いて、対象情報に対する前記各クラスに分類される割合を推定する推定部、
をさらに備えることを特徴とする請求項1〜7のいずれか1項に記載の生成装置。 - 前記取得部は、
新たな対象情報を取得し、
前記推定部は、
前記新たな対象情報を前記モデルに入力することにより、前記新たな対象情報に対する前記各クラスに分類される割合を推定する
ことを特徴とする請求項8に記載の生成装置。 - 前記生成部は、
前記割合情報における各クラスに対応する割合間の差が所定の範囲内となる前記対象情報に基づいて、前記モデルを生成する
ことを特徴とする請求項1〜9のいずれか1項に記載の生成装置。 - コンピュータが実行する生成方法であって、
分類対象となる対象情報と、複数のユーザの各々により前記対象情報の各クラスに分類された割合を示す割合情報とを取得する取得工程と、
前記取得工程により取得された前記対象情報と前記割合情報とに基づいて、一の対象情報が入力された場合に、前記一の対象情報が前記各クラスに分類される割合を推定するモデルを生成する生成工程と、
を含むことを特徴とする生成方法。 - 分類対象となる対象情報と、複数のユーザの各々により前記対象情報の各クラスに分類された割合を示す割合情報とを取得する取得手順と、
前記取得手順により取得された前記対象情報と前記割合情報とに基づいて、一の対象情報が入力された場合に、前記一の対象情報が前記各クラスに分類される割合を推定するモデルを生成する生成手順と、
をコンピュータに実行させることを特徴とする生成プログラム。 - 分類対象となる対象情報と、複数のユーザの各々により前記対象情報の各クラスに分類された割合を示す正解情報とを含む学習データであって、
入力層と出力層とを有し、前記入力層から前記出力層までのいずれかの層であって前記出力層以外の層に属する第1要素と、前記第1要素と前記第1要素の重みとに基づいて値が算出される第2要素と、前記入力層に入力された前記対象情報に対し、前記出力層以外の各層に属する各要素を前記第1要素として、前記第1要素と前記第1要素の重みとに基づく演算を行うモデルの前記入力層に入力されることにより、演算結果を示す出力値を前記モデルの前記出力層から出力させ、前記対象情報に対応する前記正解情報と前記出力値との比較に基づく学習を行なうよう、
コンピュータを機能させるための学習データ。 - 分類対象となる対象情報が入力される入力層と、
出力層と、
前記入力層から前記出力層までのいずれかの層であって前記出力層以外の層に属する第1要素と、
前記第1要素と前記第1要素の重みとに基づいて値が算出される第2要素と、を含み、
前記入力層に入力された対象情報に対し、前記出力層以外の各層に属する各要素を前記第1要素として、前記第1要素と前記第1要素の重みとに基づく演算を行うことにより、前記対象情報の各クラスに分類される割合を示すスコアの値を前記出力層から出力するよう、
コンピュータを機能させるモデル。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017156462A JP6985059B2 (ja) | 2017-08-14 | 2017-08-14 | 生成装置、生成方法、及び生成プログラム |
JP2021191427A JP7198900B2 (ja) | 2017-08-14 | 2021-11-25 | 生成装置、生成方法、及び生成プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017156462A JP6985059B2 (ja) | 2017-08-14 | 2017-08-14 | 生成装置、生成方法、及び生成プログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021191427A Division JP7198900B2 (ja) | 2017-08-14 | 2021-11-25 | 生成装置、生成方法、及び生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019036087A true JP2019036087A (ja) | 2019-03-07 |
JP6985059B2 JP6985059B2 (ja) | 2021-12-22 |
Family
ID=65637703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017156462A Active JP6985059B2 (ja) | 2017-08-14 | 2017-08-14 | 生成装置、生成方法、及び生成プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6985059B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021131739A1 (ja) * | 2019-12-24 | 2021-07-01 | ソニーグループ株式会社 | 情報処理システム、および情報処理方法、並びにプログラム |
WO2023228290A1 (ja) * | 2022-05-24 | 2023-11-30 | 日本電信電話株式会社 | 学習装置、学習方法、及びプログラム |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012194691A (ja) * | 2011-03-15 | 2012-10-11 | Olympus Corp | 識別器の再学習方法、再学習のためのプログラム、及び画像認識装置 |
US20140037195A1 (en) * | 2012-08-03 | 2014-02-06 | Adobe Systems Incorporated | Image tag pair graph for image annotation |
JP2014123286A (ja) * | 2012-12-21 | 2014-07-03 | Fuji Xerox Co Ltd | 文書分類装置及びプログラム |
JP2014160358A (ja) * | 2013-02-19 | 2014-09-04 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データ成分分解装置、方法、プログラム、及び記録媒体 |
JP2015121846A (ja) * | 2013-12-20 | 2015-07-02 | 日本放送協会 | 意見種別推定装置及びそのプログラム |
JP2016033806A (ja) * | 2014-05-15 | 2016-03-10 | 株式会社リコー | 画像処理装置、画像処理方法及びプログラム |
US20160314149A1 (en) * | 2015-04-21 | 2016-10-27 | International Business Machines Corporation | Crowd sourced data sampling at the crowd |
-
2017
- 2017-08-14 JP JP2017156462A patent/JP6985059B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012194691A (ja) * | 2011-03-15 | 2012-10-11 | Olympus Corp | 識別器の再学習方法、再学習のためのプログラム、及び画像認識装置 |
US20140037195A1 (en) * | 2012-08-03 | 2014-02-06 | Adobe Systems Incorporated | Image tag pair graph for image annotation |
JP2014123286A (ja) * | 2012-12-21 | 2014-07-03 | Fuji Xerox Co Ltd | 文書分類装置及びプログラム |
JP2014160358A (ja) * | 2013-02-19 | 2014-09-04 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データ成分分解装置、方法、プログラム、及び記録媒体 |
JP2015121846A (ja) * | 2013-12-20 | 2015-07-02 | 日本放送協会 | 意見種別推定装置及びそのプログラム |
JP2016033806A (ja) * | 2014-05-15 | 2016-03-10 | 株式会社リコー | 画像処理装置、画像処理方法及びプログラム |
US20160314149A1 (en) * | 2015-04-21 | 2016-10-27 | International Business Machines Corporation | Crowd sourced data sampling at the crowd |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021131739A1 (ja) * | 2019-12-24 | 2021-07-01 | ソニーグループ株式会社 | 情報処理システム、および情報処理方法、並びにプログラム |
WO2023228290A1 (ja) * | 2022-05-24 | 2023-11-30 | 日本電信電話株式会社 | 学習装置、学習方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6985059B2 (ja) | 2021-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11200611B2 (en) | Computer vision for unsuccessful queries and iterative search | |
US9256826B2 (en) | Predicting reactions to short-text posts | |
JP5993897B2 (ja) | 特定装置、特定方法及び特定プログラム | |
EP3547155A1 (en) | Entity representation learning for improving digital content recommendations | |
JP6823612B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
US10204090B2 (en) | Visual recognition using social links | |
TW201935344A (zh) | 一種獲取多標籤使用者肖像的方法和裝置 | |
US20200167690A1 (en) | Multi-task Equidistant Embedding | |
JP2019053409A (ja) | 付与装置、付与方法、付与プログラム、及びモデル | |
Mulders et al. | Inference of node attributes from social network assortativity | |
JP7348230B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
TW201903705A (zh) | 用於基於種子監督學習提供推薦的系統和方法 | |
JP6985059B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
US20230115987A1 (en) | Data adjustment system, data adjustment device, data adjustment method, terminal device, and information processing apparatus | |
JP6955392B2 (ja) | 決定装置、決定方法、及び決定プログラム | |
WO2022162677A1 (en) | Distributed machine learning with new labels using heterogeneous label distribution | |
JP7198900B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
Sountharrajan et al. | On-the-go network establishment of iot devices to meet the need of processing big data using machine learning algorithms | |
JP6938259B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
Kumar et al. | Analysis of GA optimized ANN for proactive context aware recommender system | |
Li et al. | Context reasoning for smart homes using case-based reasoning | |
JP6587660B2 (ja) | 推定装置、推定方法、及び推定プログラム | |
JP7208286B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6742186B2 (ja) | 決定装置、決定方法、及び決定プログラム | |
JP6553793B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210316 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210513 |
|
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: 20211026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6985059 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |