JP2019502212A - 時系列データ適合およびセンサ融合のシステム、方法、および装置 - Google Patents
時系列データ適合およびセンサ融合のシステム、方法、および装置 Download PDFInfo
- Publication number
- JP2019502212A JP2019502212A JP2018536523A JP2018536523A JP2019502212A JP 2019502212 A JP2019502212 A JP 2019502212A JP 2018536523 A JP2018536523 A JP 2018536523A JP 2018536523 A JP2018536523 A JP 2018536523A JP 2019502212 A JP2019502212 A JP 2019502212A
- Authority
- JP
- Japan
- Prior art keywords
- time
- machine
- data
- hidden state
- dependent
- 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 54
- 230000004927 fusion Effects 0.000 title abstract description 102
- 238000009826 distribution Methods 0.000 claims abstract description 226
- 230000036962 time dependent Effects 0.000 claims abstract description 169
- 238000010801 machine learning Methods 0.000 claims abstract description 131
- 238000002604 ultrasonography Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 abstract description 52
- 238000010586 diagram Methods 0.000 description 40
- 238000013480 data collection Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 28
- 238000004891 communication Methods 0.000 description 21
- 230000015654 memory Effects 0.000 description 21
- 238000012549 training Methods 0.000 description 20
- 238000012423 maintenance Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 6
- 230000003449 preventive effect Effects 0.000 description 6
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000873 masking effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000007500 overflow downdraw method Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 101001114673 Homo sapiens Multimerin-1 Proteins 0.000 description 2
- 102100023354 Multimerin-1 Human genes 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008557 oxygen metabolism Effects 0.000 description 2
- 238000002106 pulse oximetry Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000001568 sexual effect Effects 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 1
- 230000005355 Hall effect Effects 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036765 blood level Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002923 metal particle Substances 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
Abstract
Description
(b1x1,b2x2,b3x3,b1,b2,b3)
を取り、ここで、b1、b2、b3は値0または1を取る。b1、b2、b3の値はランダムに設定されてもよく、それらは、訓練データセットに対応する時系列が存在しない経験的確率に従って設定されてもよい。
yS1=w1b1x1+w2b2x2+w3b3x3+w4(1−b1)+w5(1−b2)+w6(1−b3)+β
であり、ここで、wnは入力ノードnとノードS1との間の接続の重みであり、βは標準バイアス項である。項w4(1−b1)、w5(1−b2)、およびw6(1−b3)はオフセット項である。多くの場合、異なる入力時系列は異なるスケールを有し、ニューラルネットワークなどを訓練する前に、これらのデータを正規化することが可能ではない場合がある。オフセット項は、入力値が欠落しているときでも、同じスケールで活性化値yを保持するように機能する。
Claims (32)
- 第1の入力層、第1の複数の隠れ層、および第1の出力層を含む変分推論マシンと、
第2の入力層および第2の複数の隠れ層を含むシーケンシャルデータ予測マシンであって、前記第2の複数の隠れ層が隠れ状態を含む、シーケンシャルデータ予測マシンと、
機械学習モデルと
を備えるシステムであって、
前記変分推論マシン、前記シーケンシャルデータ予測マシン、および前記機械学習モデルが、
前記第2の複数の隠れ層から、時間依存性情報を含む前記隠れ状態の第1のバージョンをエクスポートすることと、
前記第1の入力層において、(i)少なくとも第1のセンサからの第1の時間間隔の時系列データ、および(ii)前記隠れ状態の前記第1のバージョンを受け取ることと、
前記第1の出力層により、前記第1の時間間隔の前記時系列データおよび前記隠れ状態の前記第1のバージョンに基づいて生成された時間依存性導入潜在分布を出力することと、
前記第2の複数の隠れ層により、前記隠れ状態の前記第1のバージョンを取得することと、
前記第2の入力層において、(i)前記第1の時間間隔の前記時系列データ、および(ii)前記変分推論マシンからの前記時間依存性導入潜在分布を受け取ることと、
前記第1の時間間隔の前記時系列データ、前記時間依存性導入潜在分布、および前記隠れ状態の前記第1のバージョンに基づいて、前記第2の複数の隠れ層における前記隠れ状態を更新して前記隠れ状態の第2のバージョンを生成することと、
前記機械学習モデルに前記時間依存性導入潜在分布を入力することと、
前記時間依存性導入潜在分布に基づいて、前記第1の時間間隔の結果を前記機械学習モデルから出力することと
を繰り返し実行するように構成される、システム。 - 前記結果が、作動を実行するために命令がアクチュエータに送信されるようにする、請求項1に記載のシステム。
- 前記作動が、操縦および制動のうちの少なくとも1つである、請求項2に記載のシステム。
- 第1のセンサから出力された前記時系列データが、前記第1の時間間隔で利用できない、請求項1に記載のシステム。
- 前記結果が、前記第1の時間間隔における前記第1のセンサの断続的な利用不可に対してフォールトトレラントである、請求項4に記載のシステム。
- 前記時系列データが、画像センサ、ライダーセンサ、およびレーダーセンサのうちの1つからの多次元データである、請求項1に記載のシステム。
- 前記時系列データが、第1のモダリティの第1の時系列および第2のモダリティの第2の時系列を含み、前記時間依存性導入潜在分布が、マルチモーダル時間依存性導入潜在分布である、請求項1に記載のシステム。
- 第1のセンサおよび第2のセンサを備え、前記第1のセンサが第1のモダリティの第1のタイプのデータを検知し、前記第2のセンサが第2のモダリティの第2のタイプのデータを検知する、請求項1に記載のシステム。
- 前記第1のモダリティがレーダーであり、前記第2のモダリティが超音波である、請求項8に記載のシステム。
- 第3のモダリティの第3のタイプのデータを検知する第3のセンサをさらに備える、請求項8に記載のシステム。
- 前記第1のモダリティがレーダーであり、前記第2のモダリティが超音波であり、前記第3のモダリティがライダーである、請求項10に記載のシステム。
- 前記第1の入力層および前記第2の入力層が、第2のシーケンシャルデータ予測マシンから第2の隠れ状態の第1のバージョンを受け取る、請求項1に記載のシステム。
- 前記第2のシーケンシャルデータ予測マシンからの前記第2の隠れ状態の前記第1のバージョンに基づいて、時間依存性導入潜在分布が生成される、請求項12に記載のシステム。
- 前記第2のシーケンシャルデータ予測マシンが、マルチモーダルシーケンシャルデータ予測マシンである、請求項13に記載のシステム。
- 前記第1の入力層が第1の副層および第2の副層を含み、前記時系列データが前記第1の副層に入力され、前記隠れ状態が前記第2の副層に入力される、請求項1に記載のシステム。
- 前記シーケンシャルデータ予測マシンが、反復ニューラルネットワークを含む、請求項1に記載のシステム。
- 前記反復ニューラルネットワークが、将来の時系列データの予測を出力する第2の出力層を含む、請求項16に記載のシステム。
- 前記第1の入力層によって受け取られた前記時系列データを表す出力を生成する変分生成マシンをさらに備える、請求項1に記載のシステム。
- 前記システムがエッジデバイスに実装される、請求項1に記載のシステム。
- 前記システムが車両に実装される、請求項1に記載のシステム。
- 前記隠れ状態の新しいバージョンが、少なくとも30ミリ秒ごとに1度異なる時間間隔で生成される、請求項1に記載のシステム。
- 前記機械学習モデルが、前記時間依存性導入潜在分布の新しいバージョンを使用して、少なくとも30ミリ秒ごとに1度実行する、請求項21に記載のシステム。
- 前記時系列データが画像データを含む、請求項1に記載のシステム。
- 前記時系列データが音声データを含む、請求項1に記載のシステム。
- 前記時系列データが加速度データを含む、請求項1に記載のシステム。
- 前記時系列データがバイナリデータである、請求項1に記載のシステム。
- 前記結果が、予想、予測、分類、クラスタリング、異常検出、および認識のうちの少なくとも1つである、請求項1に記載のシステム。
- シーケンシャルデータ予測マシンの複数の隠れ層から、時間依存性情報を含む隠れ状態の第1のバージョンをエクスポートするステップと、
変分推論マシンの第1の入力層において、(i)少なくとも第1のセンサからの第1の時間間隔の時系列データ、および(ii)前記隠れ状態の前記第1のバージョンを受け取るステップと、
前記変分推論マシンの第1の出力層により、前記第1の時間間隔の前記時系列データおよび前記隠れ状態の前記第1のバージョンに基づいて生成された時間依存性導入潜在分布を出力するステップと、
前記複数の隠れ層により、前記隠れ状態の前記第1のバージョンを取得するステップと、
前記シーケンシャルデータ予測マシンの第2の入力層において、(i)前記第1の時間間隔の前記時系列データ、および(ii)前記変分推論マシンからの前記時間依存性導入潜在分布を受け取るステップと、
前記第1の時間間隔の前記時系列データ、前記時間依存性導入潜在分布、および前記隠れ状態の前記第1のバージョンに基づいて、前記複数の隠れ層における前記隠れ状態を更新して前記隠れ状態の第2のバージョンを生成するステップと、
前記機械学習モデルに前記時間依存性導入潜在分布を入力するステップと、
前記時間依存性導入潜在分布に基づいて、前記第1の時間間隔の結果を前記機械学習モデルから出力するステップと
を備える、方法。 - 第1の入力層、第1の複数の隠れ層、および第1の出力層を含むマルチモーダル変分推論マシンと、
第2の入力層および第2の複数の隠れ層を含むマルチモーダルシーケンシャルデータ予測マシンであって、前記第2の複数の隠れ層が隠れ状態を含む、マルチモーダルシーケンシャルデータ予測マシンと
を備えるシステムであって、
前記マルチモーダル変分推論マシンおよび前記マルチモーダルシーケンシャルデータ予測マシンが、
前記第2の複数の隠れ層から、時間依存性情報を含む前記隠れ状態の第1のバージョンをエクスポートすることと、
前記第1の入力層において、(i)第1の変分推論マシンからの第1の時間間隔の第1の時間依存性導入潜在分布、(ii)第2の変分推論マシンからの前記第1の時間間隔の第2の時間依存性導入潜在分布、および(iii)前記隠れ状態の前記第1のバージョンを受け取ることと、
前記第1の出力層により、前記第1の時間間隔の前記第1の時間依存性導入潜在分布、前記第1の時間間隔の前記第2の時間依存性導入潜在分布、および前記隠れ状態の前記第1のバージョンに基づいて生成された前記第1の時間間隔のマルチモーダル時間依存性導入潜在分布を出力することと、
前記第2の複数の隠れ層により、前記隠れ状態の前記第1のバージョンを取得することと、
前記第2の入力層において、(i)前記第1の時間間隔の前記第1の時間依存性導入潜在分布、(ii)前記第1の時間間隔の前記第2の時間依存性導入潜在分布、および(iii)前記マルチモーダル変分推論マシンからの前記第1の時間間隔の前記マルチモーダル時間依存性導入潜在分布を受け取ることと、
前記第1の時間間隔の前記第1の時間依存性導入潜在分布、前記第1の時間間隔の前記第2の時間依存性導入潜在分布、前記第1の時間間隔の前記マルチモーダル時間依存性導入潜在分布、および前記隠れ状態の前記第1のバージョンに基づいて、前記第2の複数の隠れ層における前記隠れ状態を更新して前記隠れ状態の第2のバージョンを生成することと
を繰り返し実行するように構成される、システム。 - 機械学習モデルをさらに備え、前記機械学習モデルが、
前記機械学習モデルに前記第1の時間間隔の前記マルチモーダル時間依存性導入潜在分布を入力することと、
前記第1の時間間隔の前記マルチモーダル時間依存性導入潜在分布に基づいて、前記第1の時間間隔の結果を前記機械学習モデルから出力することと
を行うように構成される、請求項29に記載のシステム。 - 前記隠れ状態の前記第1のバージョンが、少なくとも、
前記第1の時間間隔の前記第1の時間依存性導入潜在分布を生成する、第1の変分推論マシンおよび第1のシーケンシャルデータ予測マシン、ならびに
前記第2の時間間隔の前記第1の第2の依存性導入潜在分布を生成する、第2の変分推論マシンおよび第2のシーケンシャルデータ予測マシン
に提供される、請求項29に記載のシステム。 - マルチモーダルシーケンシャルデータ予測マシンの複数の隠れ層から、時間依存性情報を含む隠れ状態の第1のバージョンをエクスポートするステップと、
マルチモーダル変分推論マシンの第1の入力層において、(i)第1の変分推論マシンからの第1の時間間隔の第1の時間依存性導入潜在分布、(ii)第2の変分推論マシンからの前記第1の時間間隔の第2の時間依存性導入潜在分布、および(iii)前記隠れ状態の前記第1のバージョンを受け取るステップと、
前記マルチモーダル変分推論マシンの第1の出力層により、第1の時間間隔の前記第1の時間依存性導入潜在分布、前記第1の時間間隔の前記第2の時間依存性導入潜在分布、および前記隠れ状態の前記第1のバージョンに基づいて生成されたマルチモーダル時間依存性導入潜在分布を出力するステップと、
前記複数の隠れ層により、前記隠れ状態の前記第1のバージョンを取得するステップと、
前記マルチモーダルシーケンシャルデータ予測マシンの第2の入力層において、(i)前記第1の時間間隔の前記第1の時間依存性導入潜在分布、(ii)前記第1の時間間隔の前記第2の時間依存性導入潜在分布、および(iii)前記マルチモーダル変分推論マシンからの前記第1の時間間隔の前記マルチモーダル時間依存性導入潜在分布を受け取るステップと、
前記第1の時間間隔の前記第1の時間依存性導入潜在分布、前記第1の時間間隔の前記第2の時間依存性導入潜在分布、前記第1の時間間隔の前記マルチモーダル時間依存性導入潜在分布、および前記隠れ状態の前記第1のバージョンに基づいて、前記複数の隠れ層における前記隠れ状態を更新して前記隠れ状態の第2のバージョンを生成するステップと
を備える、方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/995,688 US10410113B2 (en) | 2016-01-14 | 2016-01-14 | Time series data adaptation and sensor fusion systems, methods, and apparatus |
US14/995,688 | 2016-01-14 | ||
PCT/JP2017/001033 WO2017122784A1 (en) | 2016-01-14 | 2017-01-13 | Time series data adaptation and sensor fusion systems, methods, and apparatus |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019502212A true JP2019502212A (ja) | 2019-01-24 |
JP2019502212A5 JP2019502212A5 (ja) | 2020-02-06 |
JP6842466B2 JP6842466B2 (ja) | 2021-03-17 |
Family
ID=59311253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018536523A Active JP6842466B2 (ja) | 2016-01-14 | 2017-01-13 | コンピュータシステム、ニューラルネットワークシステム、方法、コンピュータ実行可能プログラム及び車両 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10410113B2 (ja) |
JP (1) | JP6842466B2 (ja) |
WO (1) | WO2017122784A1 (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020158032A1 (ja) * | 2019-01-28 | 2020-08-06 | 日本電信電話株式会社 | 推定装置、学習装置、それらの方法、およびプログラム |
JP2020140573A (ja) * | 2019-02-28 | 2020-09-03 | 国立大学法人 奈良先端科学技術大学院大学 | 情報処理装置、情報処理方法、および情報処理プログラム |
JP2021033763A (ja) * | 2019-08-27 | 2021-03-01 | Jr東日本コンサルタンツ株式会社 | 移動体動線検出システム |
JP2021033400A (ja) * | 2019-08-16 | 2021-03-01 | ネイバー コーポレーションNAVER Corporation | データ処理方法、プログラム、データ処理装置 |
WO2021044486A1 (ja) * | 2019-09-02 | 2021-03-11 | 三菱電機株式会社 | 自動運転制御装置および自動運転制御方法 |
JP2021051640A (ja) * | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021051642A (ja) * | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021056667A (ja) * | 2019-09-27 | 2021-04-08 | Kddi株式会社 | 未来の潜在表現を予測するエンコーダのプログラム、装置及び方法 |
JP2021096694A (ja) * | 2019-12-18 | 2021-06-24 | Kddi株式会社 | 予測プログラム、学習装置、予測装置、及び予測方法 |
JP2023501198A (ja) * | 2019-10-28 | 2023-01-18 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 証明可能ロバストな深層生成モデルを用いたシステム及び方法 |
WO2023149236A1 (ja) * | 2022-02-04 | 2023-08-10 | 国立大学法人大阪大学 | 学習装置、予測装置、学習方法、予測方法、学習プログラム及び予測プログラム |
Families Citing this family (100)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10891558B2 (en) * | 2015-01-21 | 2021-01-12 | Anodot Ltd. | Creation of metric relationship graph based on windowed time series data for anomaly detection |
US10204147B2 (en) * | 2016-04-05 | 2019-02-12 | Fractal Industries, Inc. | System for capture, analysis and storage of time series data from sensors with heterogeneous report interval profiles |
US10410113B2 (en) * | 2016-01-14 | 2019-09-10 | Preferred Networks, Inc. | Time series data adaptation and sensor fusion systems, methods, and apparatus |
EP3432228A4 (en) * | 2016-03-14 | 2019-04-10 | Omron Corporation | DEVICE FOR MAINTAINING EXTENSIBILITY |
US11774944B2 (en) | 2016-05-09 | 2023-10-03 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for the industrial internet of things |
US11327475B2 (en) | 2016-05-09 | 2022-05-10 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for intelligent collection and analysis of vehicle data |
US10983507B2 (en) | 2016-05-09 | 2021-04-20 | Strong Force Iot Portfolio 2016, Llc | Method for data collection and frequency analysis with self-organization functionality |
US20180284758A1 (en) | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection for equipment analysis in an upstream oil and gas environment |
WO2019028269A2 (en) | 2017-08-02 | 2019-02-07 | Strong Force Iot Portfolio 2016, Llc | METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL ENVIRONMENT OF COLLECTING INTERNET DATA FROM OBJECTS WITH LARGE DATA SETS |
US10303166B2 (en) | 2016-05-23 | 2019-05-28 | nuTonomy Inc. | Supervisory control of vehicles |
GB2551172B (en) * | 2016-06-08 | 2019-02-20 | Sts Defence Ltd | Predicting temperature rise event |
US11237546B2 (en) | 2016-06-15 | 2022-02-01 | Strong Force loT Portfolio 2016, LLC | Method and system of modifying a data collection trajectory for vehicles |
US10536351B2 (en) | 2016-07-29 | 2020-01-14 | Splunk Inc. | Analytics for edge devices |
US10460255B2 (en) * | 2016-07-29 | 2019-10-29 | Splunk Inc. | Machine learning in edge analytics |
US11087236B2 (en) | 2016-07-29 | 2021-08-10 | Splunk Inc. | Transmitting machine learning models to edge devices for edge analytics |
US10929674B2 (en) * | 2016-08-29 | 2021-02-23 | Nec Corporation | Dual stage attention based recurrent neural network for time series prediction |
JP2018072968A (ja) * | 2016-10-26 | 2018-05-10 | セイコーエプソン株式会社 | データ処理装置およびデータ処理方法 |
US10372132B2 (en) | 2016-12-12 | 2019-08-06 | Apple Inc. | Guidance of autonomous vehicles in destination vicinities using intent signals |
US10481943B2 (en) * | 2016-12-30 | 2019-11-19 | Winmore, Inc. | System and method for state machine management |
US11432778B2 (en) * | 2017-01-24 | 2022-09-06 | General Electric Company | Methods and systems for patient monitoring |
WO2018142378A1 (en) * | 2017-02-06 | 2018-08-09 | Deepmind Technologies Limited | Memory augmented generative temporal models |
US11640617B2 (en) * | 2017-03-21 | 2023-05-02 | Adobe Inc. | Metric forecasting employing a similarity determination in a digital medium environment |
CN110476158A (zh) * | 2017-03-28 | 2019-11-19 | 日本电气株式会社 | 数据分析设备、数据分析方法和数据分析程序 |
US10339421B2 (en) * | 2017-03-30 | 2019-07-02 | Toyota Motor Engineering & Manufacturing North America, Inc. | RGB-D scene labeling with multimodal recurrent neural networks |
WO2018224669A1 (en) * | 2017-06-09 | 2018-12-13 | British Telecommunications Public Limited Company | Anomaly detection in computer networks |
US11924048B2 (en) | 2017-06-09 | 2024-03-05 | British Telecommunications Public Limited Company | Anomaly detection in computer networks |
US11035227B2 (en) | 2017-07-14 | 2021-06-15 | The Board Of Regents Of The University Of Oklahoma | Generating spectral responses of materials |
US11403531B2 (en) * | 2017-07-19 | 2022-08-02 | Disney Enterprises, Inc. | Factorized variational autoencoders |
US11442445B2 (en) | 2017-08-02 | 2022-09-13 | Strong Force Iot Portfolio 2016, Llc | Data collection systems and methods with alternate routing of input channels |
CN107349489B (zh) * | 2017-08-04 | 2020-12-01 | 佛山科学技术学院 | 一种基于神经网络的输液滴速确定方法及系统 |
US11481625B2 (en) * | 2017-08-04 | 2022-10-25 | Nokia Technologies Oy | Artificial neural network |
CN109521725A (zh) * | 2017-09-20 | 2019-03-26 | 西门子公司 | 检测异常数据的方法、装置和设备以及机器可读介质 |
JP6967936B2 (ja) * | 2017-10-16 | 2021-11-17 | 株式会社ブリヂストン | タイヤの使用履歴データからの異常データ検出方法とその装置 |
GB2567850B (en) * | 2017-10-26 | 2020-11-04 | Gb Gas Holdings Ltd | Determining operating state from complex sensor data |
US10592368B2 (en) | 2017-10-26 | 2020-03-17 | International Business Machines Corporation | Missing values imputation of sequential data |
KR20200097721A (ko) * | 2017-11-13 | 2020-08-19 | 바이오스 헬쓰 리미티드 | 신경 인터페이스 |
US11157782B2 (en) * | 2017-11-16 | 2021-10-26 | International Business Machines Corporation | Anomaly detection in multidimensional time series data |
KR102488558B1 (ko) * | 2017-11-21 | 2023-01-13 | 구글 엘엘씨 | 기계 학습 기능을 갖는 저전력 앰비언트 컴퓨팅 시스템 |
US11120127B2 (en) | 2017-12-27 | 2021-09-14 | Nec Corporation | Reconstruction-based anomaly detection |
US10755115B2 (en) * | 2017-12-29 | 2020-08-25 | Here Global B.V. | Method, apparatus, and system for generating synthetic image data for machine learning |
WO2019152308A1 (en) * | 2018-01-30 | 2019-08-08 | D5Ai Llc | Self-organizing partially ordered networks |
US11537870B1 (en) * | 2018-02-07 | 2022-12-27 | Perceive Corporation | Training sparse networks with discrete weight values |
US11131713B2 (en) * | 2018-02-21 | 2021-09-28 | Nec Corporation | Deep learning approach for battery aging model |
US11080127B1 (en) * | 2018-02-28 | 2021-08-03 | Arizona Public Service Company | Methods and apparatus for detection of process parameter anomalies |
KR101967339B1 (ko) * | 2018-03-06 | 2019-04-09 | 단국대학교 산학협력단 | 심층학습 기반의 adas 센서 고장 진단 및 백업을 위한 장치 및 방법 |
DE102018205248A1 (de) | 2018-04-09 | 2019-10-10 | Bayerische Motoren Werke Aktiengesellschaft | Fusionssystem zur Fusion von Umfeldinformation für ein Kraftfahrzeug |
US10771488B2 (en) | 2018-04-10 | 2020-09-08 | Cisco Technology, Inc. | Spatio-temporal anomaly detection in computer networks using graph convolutional recurrent neural networks (GCRNNs) |
US20190362235A1 (en) * | 2018-05-23 | 2019-11-28 | Xiaofan Xu | Hybrid neural network pruning |
US10831631B2 (en) * | 2018-06-28 | 2020-11-10 | International Business Machines Corporation | Continuous time alignment of a collection of independent sensors |
US11169514B2 (en) * | 2018-08-27 | 2021-11-09 | Nec Corporation | Unsupervised anomaly detection, diagnosis, and correction in multivariate time series data |
KR102461631B1 (ko) * | 2018-09-12 | 2022-10-31 | 삼성에스디에스 주식회사 | 데이터의 결측치 보정 방법 및 장치 |
US11874328B2 (en) * | 2018-10-22 | 2024-01-16 | Btech Inc. | Detecting battery changeout |
CN112969622A (zh) * | 2018-10-30 | 2021-06-15 | 动态Ad有限责任公司 | 自主运载工具中的冗余 |
CN111126556B (zh) * | 2018-10-31 | 2023-07-25 | 百度在线网络技术(北京)有限公司 | 人工神经网络模型的训练方法和装置 |
EP3877819A4 (en) * | 2018-11-09 | 2022-08-10 | Augury Systems Ltd. | AUTOMATED PERFORMANCE ANALYSIS OF A MOBILE MACHINE |
US11880769B2 (en) * | 2018-11-14 | 2024-01-23 | Advanced Micro Devices, Inc. | Using multiple functional blocks for training neural networks |
KR102174608B1 (ko) * | 2018-11-27 | 2020-11-05 | 공주대학교 산학협력단 | 기계 학습 기반의 채무불이행 예측 장치 및 방법 |
US11664108B2 (en) | 2018-11-29 | 2023-05-30 | January, Inc. | Systems, methods, and devices for biophysical modeling and response prediction |
EP3888103A4 (en) * | 2018-11-29 | 2022-11-23 | January, Inc. | SYSTEMS, METHODS AND DEVICES FOR BIOPHYSICAL MODELING AND RESPONSE PREDICTION |
KR102592830B1 (ko) | 2018-12-05 | 2023-10-23 | 현대자동차주식회사 | 차량용 센서퓨전 타겟 예측 장치 및 그의 센서 퓨전 타겟 예측 방법과 그를 포함하는 차량 |
US20200202622A1 (en) * | 2018-12-19 | 2020-06-25 | Nvidia Corporation | Mesh reconstruction using data-driven priors |
EP3917813A4 (en) | 2019-01-29 | 2022-10-26 | Aclima Inc. | SENSOR AND DATA PLATFORMS FOR VEHICLE ENVIRONMENTAL QUALITY MANAGEMENT |
US11126179B2 (en) * | 2019-02-21 | 2021-09-21 | Zoox, Inc. | Motion prediction based on appearance |
WO2020170036A1 (en) * | 2019-02-22 | 2020-08-27 | Stratuscent Inc. | Systems and methods for learning across multiple chemical sensing units using a mutual latent representation |
CN113454970B (zh) * | 2019-03-21 | 2023-10-10 | 杭州飞步科技有限公司 | 可扩展数据融合架构及相关产品 |
DE102019203953A1 (de) * | 2019-03-22 | 2020-09-24 | Zf Friedrichshafen Ag | Verfahren und Vorrichtung zur Ermittlung eines trainierten Entscheidungsnetzwerks |
CN113614652A (zh) * | 2019-03-29 | 2021-11-05 | 三菱电机株式会社 | 模型预测控制装置、模型预测控制程序、模型预测控制系统及模型预测控制方法 |
US11900238B1 (en) | 2019-04-25 | 2024-02-13 | Perceive Corporation | Removing nodes from machine-trained network based on introduction of probabilistic noise during training |
US11610154B1 (en) | 2019-04-25 | 2023-03-21 | Perceive Corporation | Preventing overfitting of hyperparameters during training of network |
US11531879B1 (en) | 2019-04-25 | 2022-12-20 | Perceive Corporation | Iterative transfer of machine-trained network inputs from validation set to training set |
US11176493B2 (en) | 2019-04-29 | 2021-11-16 | Google Llc | Virtualizing external memory as local to a machine learning accelerator |
CN110175425B (zh) * | 2019-05-31 | 2023-02-21 | 重庆大学 | 一种基于mmalstm的齿轮剩余寿命的预测方法 |
CN113853624A (zh) * | 2019-06-21 | 2021-12-28 | 西门子股份公司 | 电力负荷数据的预测方法、装置及存储介质 |
US11169506B2 (en) * | 2019-06-26 | 2021-11-09 | Cisco Technology, Inc. | Predictive data capture with adaptive control |
US11125386B2 (en) * | 2019-07-15 | 2021-09-21 | Consolidated Edison Company Of New York, Inc. | Sensor for steam trap and method of operation |
US11222287B2 (en) | 2019-07-25 | 2022-01-11 | International Business Machines Corporation | Machine learning for failure event identification and prediction |
US11966840B2 (en) * | 2019-08-15 | 2024-04-23 | Noodle Analytics, Inc. | Deep probabilistic decision machines |
US11294756B1 (en) * | 2019-09-19 | 2022-04-05 | Amazon Technologies, Inc. | Anomaly detection in a network |
US11235784B2 (en) * | 2019-10-11 | 2022-02-01 | Augmented Radar Imaging, Inc. | Selective control transition based on situational awareness |
CN110766140A (zh) * | 2019-10-22 | 2020-02-07 | 电子科技大学 | 一种基于XGBoost与LSTM的多传感器实时威胁等级分类方法 |
US10832554B1 (en) | 2019-11-13 | 2020-11-10 | International Business Machines Corporation | Sensor vectors based on activations of sensors with attributes |
US11915123B2 (en) * | 2019-11-14 | 2024-02-27 | International Business Machines Corporation | Fusing multimodal data using recurrent neural networks |
CN110909826A (zh) * | 2019-12-10 | 2020-03-24 | 新奥数能科技有限公司 | 一种能源设备的诊断监测方法、装置及电子设备 |
US11891087B2 (en) * | 2019-12-20 | 2024-02-06 | Uatc, Llc | Systems and methods for generating behavioral predictions in reaction to autonomous vehicle movement |
US11556855B2 (en) | 2020-03-31 | 2023-01-17 | Sap Se | Variational autoencoding for anomaly detection |
US11681914B2 (en) | 2020-05-08 | 2023-06-20 | International Business Machines Corporation | Determining multivariate time series data dependencies |
US11710352B1 (en) * | 2020-05-21 | 2023-07-25 | Zoox, Inc. | Machine-learned model training for pedestrian attribute and gesture detection |
KR102333271B1 (ko) * | 2020-06-10 | 2021-11-30 | 경상국립대학교산학협력단 | 인공 신경망 모델 내 은닉단위의 상관성을 이용한 은닉단위 개수 선정방법 및 이를 이용한 수문기후변수 예측방법 |
CN111950467B (zh) * | 2020-08-14 | 2021-06-25 | 清华大学 | 基于注意力机制的融合网络车道线检测方法及终端设备 |
CN112164153A (zh) * | 2020-09-22 | 2021-01-01 | 厦门德威智联科技有限公司 | 一种ai边缘计算故障诊断器 |
CN112580702B (zh) * | 2020-12-10 | 2024-01-23 | 深圳技术大学 | 多传感器协同感知方法及装置 |
CN112633584B (zh) * | 2020-12-29 | 2022-06-21 | 中国地质大学(武汉) | 基于改进的LSTM-seq2seq模型的河流突发水污染事故水质预测方法 |
CN112986941B (zh) * | 2021-02-08 | 2022-03-04 | 天津大学 | 一种雷达目标微动特征提取方法 |
US11867806B2 (en) | 2021-06-04 | 2024-01-09 | Robert Bosch Gmbh | Synthetic aperture acoustic imaging with deep generative model |
WO2022266928A1 (zh) * | 2021-06-24 | 2022-12-29 | 中山大学 | 代谢特征谱推断方法、系统、计算机设备及存储介质 |
CN113554105B (zh) * | 2021-07-28 | 2023-04-18 | 桂林电子科技大学 | 一种基于时空融合的物联网缺失数据补全方法 |
US20230083161A1 (en) * | 2021-09-16 | 2023-03-16 | Accenture Global Solutions Limited | Systems and methods for low latency analytics and control of devices via edge nodes and next generation networks |
US20230107337A1 (en) * | 2021-10-04 | 2023-04-06 | Falkonry Inc. | Managing machine operations using encoded multi-scale time series data |
CN114282724A (zh) * | 2021-12-24 | 2022-04-05 | 中山职业技术学院 | 水产养殖水体水质预测系统和方法 |
CN117793579A (zh) * | 2024-02-23 | 2024-03-29 | 西安拓米网络科技有限公司 | 基于物联网的计量设备远程监测管理方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0973440A (ja) * | 1995-09-06 | 1997-03-18 | Fujitsu Ltd | コラム構造の再帰型ニューラルネットワークによる時系列トレンド推定システムおよび方法 |
JP2014048399A (ja) * | 2012-08-30 | 2014-03-17 | Nippon Telegr & Teleph Corp <Ntt> | 音響信号解析装置、方法、及びプログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5142135B2 (ja) * | 2007-11-13 | 2013-02-13 | インターナショナル・ビジネス・マシーンズ・コーポレーション | データを分類する技術 |
WO2011001806A1 (ja) * | 2009-06-30 | 2011-01-06 | インターナショナル・ビジネス・マシーンズ・コーポレーション | グラフの類似度計算システム、方法及びプログラム |
TWI515522B (zh) * | 2010-12-28 | 2016-01-01 | 萬國商業機器公司 | 測定系統情況的方法、電腦程式及電腦 |
JP5901140B2 (ja) * | 2011-05-17 | 2016-04-06 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | システムの高い可用性のためにセンサデータを補間する方法、コンピュータプログラム、システム。 |
GB2507217A (en) * | 2011-07-25 | 2014-04-23 | Ibm | Information identification method, program and system |
CN103930912A (zh) * | 2011-11-08 | 2014-07-16 | 国际商业机器公司 | 时序数据分析方法、系统和计算机程序 |
US9990587B2 (en) * | 2015-01-22 | 2018-06-05 | Preferred Networks, Inc. | Machine learning heterogeneous edge device, method, and system |
JP5816771B1 (ja) * | 2015-06-08 | 2015-11-18 | 株式会社Preferred Networks | 学習装置ユニット |
US10460251B2 (en) * | 2015-06-19 | 2019-10-29 | Preferred Networks Inc. | Cross-domain time series data conversion apparatus, methods, and systems |
DE102016008987B4 (de) * | 2015-07-31 | 2021-09-16 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
US10410113B2 (en) * | 2016-01-14 | 2019-09-10 | Preferred Networks, Inc. | Time series data adaptation and sensor fusion systems, methods, and apparatus |
-
2016
- 2016-01-14 US US14/995,688 patent/US10410113B2/en not_active Expired - Fee Related
-
2017
- 2017-01-13 WO PCT/JP2017/001033 patent/WO2017122784A1/en active Application Filing
- 2017-01-13 JP JP2018536523A patent/JP6842466B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0973440A (ja) * | 1995-09-06 | 1997-03-18 | Fujitsu Ltd | コラム構造の再帰型ニューラルネットワークによる時系列トレンド推定システムおよび方法 |
US5956702A (en) * | 1995-09-06 | 1999-09-21 | Fujitsu Limited | Time-series trend estimating system and method using column-structured recurrent neural network |
JP2014048399A (ja) * | 2012-08-30 | 2014-03-17 | Nippon Telegr & Teleph Corp <Ntt> | 音響信号解析装置、方法、及びプログラム |
Non-Patent Citations (1)
Title |
---|
BAYER, JUSTIN ET AL.: "Variational inference of latent state sequences using Recurrent Networks", ARXIV, JPN6017009949, 6 June 2014 (2014-06-06), pages 1 - 12, ISSN: 0004371495 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2020158032A1 (ja) * | 2019-01-28 | 2021-09-30 | 日本電信電話株式会社 | 推定装置、学習装置、それらの方法、およびプログラム |
WO2020158032A1 (ja) * | 2019-01-28 | 2020-08-06 | 日本電信電話株式会社 | 推定装置、学習装置、それらの方法、およびプログラム |
JP7163977B2 (ja) | 2019-01-28 | 2022-11-01 | 日本電信電話株式会社 | 推定装置、学習装置、それらの方法、およびプログラム |
JP2020140573A (ja) * | 2019-02-28 | 2020-09-03 | 国立大学法人 奈良先端科学技術大学院大学 | 情報処理装置、情報処理方法、および情報処理プログラム |
JP7308476B2 (ja) | 2019-02-28 | 2023-07-14 | 国立大学法人 奈良先端科学技術大学院大学 | 情報処理装置、情報処理方法、および情報処理プログラム |
JP2021033400A (ja) * | 2019-08-16 | 2021-03-01 | ネイバー コーポレーションNAVER Corporation | データ処理方法、プログラム、データ処理装置 |
JP7371856B2 (ja) | 2019-08-27 | 2023-10-31 | Jr東日本コンサルタンツ株式会社 | 移動体動線検出システム |
JP2021033763A (ja) * | 2019-08-27 | 2021-03-01 | Jr東日本コンサルタンツ株式会社 | 移動体動線検出システム |
WO2021044486A1 (ja) * | 2019-09-02 | 2021-03-11 | 三菱電機株式会社 | 自動運転制御装置および自動運転制御方法 |
JP2021051642A (ja) * | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021051640A (ja) * | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021056667A (ja) * | 2019-09-27 | 2021-04-08 | Kddi株式会社 | 未来の潜在表現を予測するエンコーダのプログラム、装置及び方法 |
JP7102080B2 (ja) | 2019-09-27 | 2022-07-19 | Kddi株式会社 | 未来の潜在表現を予測するエンコーダのプログラム、装置及び方法 |
JP2023501198A (ja) * | 2019-10-28 | 2023-01-18 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 証明可能ロバストな深層生成モデルを用いたシステム及び方法 |
JP7295338B2 (ja) | 2019-10-28 | 2023-06-20 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 証明可能ロバストな深層生成モデルを用いたシステム及び方法 |
JP7212609B2 (ja) | 2019-12-18 | 2023-01-25 | Kddi株式会社 | 予測プログラム、学習装置、予測装置、及び予測方法 |
JP2021096694A (ja) * | 2019-12-18 | 2021-06-24 | Kddi株式会社 | 予測プログラム、学習装置、予測装置、及び予測方法 |
WO2023149236A1 (ja) * | 2022-02-04 | 2023-08-10 | 国立大学法人大阪大学 | 学習装置、予測装置、学習方法、予測方法、学習プログラム及び予測プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2017122784A1 (en) | 2017-07-20 |
US20170206464A1 (en) | 2017-07-20 |
JP6842466B2 (ja) | 2021-03-17 |
US10410113B2 (en) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6842466B2 (ja) | コンピュータシステム、ニューラルネットワークシステム、方法、コンピュータ実行可能プログラム及び車両 | |
JP6942833B2 (ja) | クロスドメイン時系列データ変換装置、方法、およびシステム | |
Ata et al. | Modelling smart road traffic congestion control system using machine learning techniques | |
JP6369611B2 (ja) | ディープ(双方向)再帰型ニューラルネットワークを用いたセンサデータの時間融合に基づく効率的な運転者行動予測システム | |
US11868684B2 (en) | Digital platform using cyber-physical twin structures providing an evolving digital representation of a risk-related real world asset for quantifying risk measurements, and method thereof | |
CN107918311B (zh) | 多传感器降水分级设备和方法 | |
US20210125076A1 (en) | System for predicting aggressive driving | |
US10611379B2 (en) | Integrative cognition of driver behavior | |
US20200134639A1 (en) | Homogeneous model of hetergeneous product lifecycle data | |
US10894545B2 (en) | Configuration of a vehicle based on collected user data | |
US20220139092A1 (en) | Model generating apparatus, method and program, and prediction apparatus | |
US20180053102A1 (en) | Individualized Adaptation of Driver Action Prediction Models | |
CN111511622B (zh) | 以编程方式识别自主车辆的个性 | |
CN111936947A (zh) | 基于众包对象数据映射确定自主车辆状态 | |
WO2020184084A1 (ja) | 学習装置、推定装置、データ生成装置、学習方法、及び学習プログラム | |
CN112396177A (zh) | 汽车预测性维修 | |
JP7453209B2 (ja) | 不注意運転予測システム | |
CN113761728B (zh) | 基于车联网平台的机场电动特种车辆故障预警方法 | |
WO2018145308A1 (en) | Filter reusing mechanism for constructing robust deep convolutional neural network | |
Suman et al. | Early detection of mechanical malfunctions in vehicles using sound signal processing | |
Kaur et al. | Crowd-sourcing based android application for structural health monitoring and data analytics of roads using cloud computing | |
Aman et al. | Addressing data veracity in big data applications | |
JP6961041B1 (ja) | 異常通知システム及び異常通知方法 | |
TWI640446B (zh) | 基於模糊優化集合架構的駕駛輔助方法及其裝置與系統 | |
Shin et al. | Automatic vehicle type classification using strain gauge sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191220 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191220 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20200212 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201215 |
|
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: 20210209 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6842466 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |