JP2020042797A - サンプル処理方法、装置、機器および記憶媒体 - Google Patents
サンプル処理方法、装置、機器および記憶媒体 Download PDFInfo
- Publication number
- JP2020042797A JP2020042797A JP2019149372A JP2019149372A JP2020042797A JP 2020042797 A JP2020042797 A JP 2020042797A JP 2019149372 A JP2019149372 A JP 2019149372A JP 2019149372 A JP2019149372 A JP 2019149372A JP 2020042797 A JP2020042797 A JP 2020042797A
- Authority
- JP
- Japan
- Prior art keywords
- sample
- samples
- cluster
- category
- determining
- 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
Images
Classifications
-
- 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
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/0418—Architecture, e.g. interconnection topology using chaos or fractal principles
-
- 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
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は、本開示の複数の実施例を実施可能な例示的な環境100の概略図を示す。当該例示的な環境100では、コンピューティング機器102によってサンプル集合101を処理して、その中から選別されたサンプルを決定し、例えば、その中から高品質のサンプルを選別する。図1に示す環境100は単なる例示するものであり、複数のコンピューティング機器によってサンプル集合101を決定し処理することもできることを理解されたい。コンピューティング機器102は、固定型コンピューティング機器であってもよいし、携帯電話、タブレット型コンピュータなどの携帯型コンピューティング機器であってもよいことも理解されたい。
Claims (22)
- サンプル集合におけるサンプルの特徴表現を決定するステップであって、各サンプルは、予め標識されたカテゴリを有するステップと、
前記特徴表現に基づいて前記サンプル集合をクラスタリングして、1つまたは複数のサンプルを含むクラスタを取得するステップと、
前記クラスタにおけるサンプルのカテゴリに基づいて、前記クラスタのサンプル混乱の程度を示す前記クラスタの純度を決定するステップと、
前記純度に基づいて、前記クラスタにおけるサンプルから、選別されたサンプルを決定するステップと、を含む、
ことを特徴とするサンプル処理方法。 - 前記クラスタにおけるサンプルから、選別されたサンプルを決定するステップは、
前記純度が閾値純度より高いことに応答して、前記クラスタにおけるサンプルのカテゴリに基づいて前記選別されたサンプルを決定するステップを含む、
ことを特徴とする請求項1に記載の方法。 - 前記選別されたサンプルを決定するステップは、
前記クラスタにおけるサンプルのカテゴリが同じであることに応答して、前記クラスタにおけるサンプルを前記選別されたサンプルとして決定するステップを含む、
ことを特徴とする請求項2に記載の方法。 - 前記選別されたサンプルを決定するステップは、
前記クラスタにおけるサンプルが複数のカテゴリを有することに応答して、各カテゴリのサンプル数を決定するステップと、
各カテゴリのサンプル数に基づいて、前記クラスタにおいて最大サンプル数を有するカテゴリを決定するステップと、
決定された前記カテゴリを有するサンプルを前記選別されたサンプルとして決定するステップと、を含む、
ことを特徴とする請求項2に記載の方法。 - 前記クラスタにおけるサンプルから、選別されたサンプルを決定するステップは、
前記純度が閾値純度より低いことに応答して、前記サンプル集合におけるサンプル総数に対する前記クラスタにおけるサンプル数の割合を決定するステップと、
前記割合が閾値割合を超えたことに応答して、前記クラスタにおけるサンプルをクラスタリングして、クラスタリング結果を取得するステップと、
少なくとも前記クラスタリング結果に基づいて、前記クラスタにおけるサンプルの少なくとも一部を選別されたサンプルとして決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記特徴表現を決定するステップは、
前記サンプル集合を特徴抽出モデルに適用して、前記サンプル集合に関連する隠れ層ニューロンを取得するステップと、
前記隠れ層ニューロンに基づいて、前記サンプル集合におけるサンプルの特徴表現を決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記方法は、
少なくとも前記選別されたサンプルに基づいて、前記サンプル集合の1つのサブ集合を決定するステップであって、前記サブ集合は、前記サンプル集合に関連する少なくとも1つのクラスタから取得した選別されたサンプルを含むステップと、
前記サブ集合を前記特徴抽出モデルに適用して、前記サブ集合におけるサンプルの更新された特徴表現を取得するステップと、
前記更新された特徴表現に基づいて、前記サブ集合をクラスタリングして、クラスタリング結果に基づいて前記選別されたサンプルを更新するステップと、をさらに含む、
ことを特徴とする請求項6に記載の方法。 - 前記特徴表現を決定するステップは、
前記サンプル集合におけるサンプルの予め定義された特徴空間における特徴値を、前記特徴表現として決定するステップを含む、
ことを特徴とする請求項1に記載の方法。 - 前記方法は、
少なくとも前記選別されたサンプルに基づいて、前記サンプル集合の1つのサブ集合を決定するステップであって、前記サブ集合は、前記サンプル集合に関連する少なくとも1つのクラスタから取得した選別されたサンプルを含むステップと、
前記特徴表現に基づいて、前記サブ集合をクラスタリングして、クラスタリング結果に基づいて前記選別されたサンプルを更新するステップと、をさらに含む、
ことを特徴とする請求項8に記載の方法。 - 前記クラスタの前記純度を決定するステップは、
前記クラスタにおける各カテゴリのサンプル数を決定するステップと、
各カテゴリのサンプル数に基づいて、最大サンプル数を決定するステップと、
前記最大サンプル数と前記クラスタにおけるサンプル総数とに基づいて、前記純度を決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - サンプル集合におけるサンプルの特徴表現を決定するように構成される第1の表現決定モジュールであって、各サンプルは、予め標識されたカテゴリを有する第1の表現決定モジュールと、
前記特徴表現に基づいて前記サンプル集合をクラスタリングして、1つまたは複数のサンプルを含むクラスタを取得するように構成される第1のクラスタリングモジュールと、
前記クラスタにおけるサンプルのカテゴリに基づいて、前記クラスタのサンプル混乱の程度を示す前記クラスタの純度を決定するように構成される第1の純度決定モジュールと、
前記純度に基づいて、前記クラスタにおけるサンプルから、選別されたサンプルを決定するように構成されるサンプル選別モジュールと、を含む、
ことを特徴とするサンプル処理装置。 - 前記サンプル選別モジュールは、
前記純度が閾値純度を高いことに応答して、前記クラスタにおけるサンプルのカテゴリに基づいて前記選別されたサンプルを決定するように構成される第1のサンプル決定モジュールを含む、
ことを特徴とする請求項11に記載の装置。 - 前記第1のサンプル決定モジュールは、
前記クラスタにおけるサンプルのカテゴリが同じであることに応答して、前記クラスタにおけるサンプルを前記選別されたサンプルとして決定するように構成される第2のサンプル決定モジュールを含む、
ことを特徴とする請求項12に記載の装置。 - 前記第1のサンプル決定モジュールは、
前記クラスタにおけるサンプルが複数のカテゴリを有することに応答して、各カテゴリのサンプル数を決定するように構成される第1の数決定モジュールと、
各カテゴリのサンプル数に基づいて、前記クラスタにおいて最大サンプル数を有するカテゴリを決定するように構成される最大カテゴリ決定モジュールと、
決定された前記カテゴリを有するサンプルを前記選別されたサンプルとして決定するように構成される第3のサンプル決定モジュールと、を含む、
ことを特徴とする請求項12に記載の装置。 - 前記サンプル選別モジュールは、
前記純度が閾値純度より低いことに応答して、前記サンプル集合におけるサンプル総数に対する前記クラスタにおけるサンプル数の割合を決定するように構成されるサンプル割合決定モジュールと、
前記割合が閾値割合を超えたことに応答して、前記クラスタにおけるサンプルをクラスタリングして、クラスタリング結果を取得するように構成される第2のクラスタリングモジュールと、
少なくとも前記クラスタリング結果に基づいて、前記クラスタにおけるサンプルの少なくとも一部を選別されたサンプルとして決定するように構成される第4のサンプル決定モジュールと、を含む、
ことを特徴とする請求項11に記載の装置。 - 前記第1の表現決定モジュールは、
前記サンプル集合を特徴抽出モデルに適用して、前記サンプル集合に関連する隠れ層ニューロンを取得するように構成されるサンプル適用モジュールと、
前記隠れ層ニューロンに基づいて、前記サンプル集合におけるサンプルの特徴表現を決定するように構成される第2の表現決定モジュールと、を含む、
ことを特徴とする請求項11に記載の装置。 - 前記装置は、
少なくとも前記選別されたサンプルに基づいて、前記サンプル集合の1つのサブ集合を決定するように構成される第1のサブ集合決定モジュールであって、前記サブ集合は、前記サンプル集合に関連する少なくとも1つのクラスタから取得した選別されたサンプルを含む第1のサブ集合決定モジュールと、
前記サブ集合を前記特徴抽出モデルに適用して、前記サブ集合におけるサンプルの更新された特徴表現を取得するように構成される第1のサブ集合適用モジュールと、
前記更新された特徴表現に基づいて、前記サブ集合をクラスタリングして、クラスタリング結果に基づいて前記選別されたサンプルを更新するように構成される第1のサンプル更新モジュールと、をさらに含む、
ことを特徴とする請求項16に記載の装置。 - 前記第1の表現決定モジュールは、
前記サンプル集合におけるサンプルの予め定義された特徴空間における特徴値を、前記特徴表現として決定するように構成される第3の表現決定モジュールを含む、
ことを特徴とする請求項11に記載の装置。 - 前記装置は、
少なくとも前記選別されたサンプルに基づいて、前記サンプル集合の1つのサブ集合を決定するように構成される第2のサブ集合決定モジュールであって、前記サブ集合は、前記サンプル集合に関連する少なくとも1つのクラスタから取得した選別されたサンプルを含む第2のサブ集合決定モジュールと、
前記特徴表現に基づいて、前記サブ集合をクラスタリングして、クラスタリング結果に基づいて前記選別されたサンプルを更新するように構成される第2のサンプル更新モジュールと、をさらに含む、
ことを特徴とする請求項18に記載の装置。 - 前記第1の純度決定モジュールは、
前記クラスタにおける各カテゴリのサンプル数を決定するように構成される第2の数決定モジュールと、
各カテゴリのサンプル数に基づいて、最大サンプル数を決定するように構成される最大数決定モジュールと、
前記最大サンプル数と前記クラスタにおけるサンプル総数とに基づいて、前記純度を決定するように構成される第2の純度決定モジュールと、を含む、
ことを特徴とする請求項11に記載の装置。 - 1つまたは複数のプロセッサと、
1つまたは複数のプログラムが記憶されている記憶装置と、を含み、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行されるとき、前記1つまたは複数のプロセッサが、請求項1〜10のいずれかに記載の方法を実現する、
ことを特徴とする機器。 - コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、前記プログラムがプロセッサによって実行されたとき、請求項1〜10のいずれかに記載の方法が実現される、
ことを特徴とするコンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811043185.9 | 2018-09-07 | ||
CN201811043185.9A CN109242106B (zh) | 2018-09-07 | 2018-09-07 | 样本处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042797A true JP2020042797A (ja) | 2020-03-19 |
JP6980728B2 JP6980728B2 (ja) | 2021-12-15 |
Family
ID=65060243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019149372A Active JP6980728B2 (ja) | 2018-09-07 | 2019-08-16 | サンプル処理方法、装置、機器および記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200082213A1 (ja) |
EP (1) | EP3620982B1 (ja) |
JP (1) | JP6980728B2 (ja) |
KR (1) | KR102250728B1 (ja) |
CN (1) | CN109242106B (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783518A (zh) * | 2020-05-14 | 2020-10-16 | 北京三快在线科技有限公司 | 训练样本生成方法、装置、电子设备及可读存储介质 |
CN111507428B (zh) * | 2020-05-29 | 2024-01-05 | 深圳市商汤科技有限公司 | 数据处理方法及装置、处理器、电子设备、存储介质 |
CN112132173B (zh) * | 2020-08-10 | 2024-05-14 | 贵州电网有限责任公司 | 一种基于聚类特征树的变压器无监督运行状态识别方法 |
CN113988176A (zh) * | 2021-10-27 | 2022-01-28 | 支付宝(杭州)信息技术有限公司 | 样本标注方法和装置 |
CN114444619B (zh) * | 2022-04-02 | 2022-07-26 | 北京百度网讯科技有限公司 | 样本生成方法、训练方法、数据处理方法以及电子设备 |
CN118152826A (zh) * | 2024-05-09 | 2024-06-07 | 深圳市翔飞科技股份有限公司 | 基于行为分析的摄像机智能报警系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183171A (ja) * | 2000-12-12 | 2002-06-28 | Matsushita Electric Ind Co Ltd | 文書データ・クラスタリングシステム |
WO2010119615A1 (ja) * | 2009-04-15 | 2010-10-21 | 日本電気株式会社 | 学習データ生成装置、及び固有表現抽出システム |
US20180174001A1 (en) * | 2016-12-15 | 2018-06-21 | Samsung Electronics Co., Ltd. | Method of training neural network, and recognition method and apparatus using neural network |
WO2018154900A1 (ja) * | 2017-02-22 | 2018-08-30 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10503756B2 (en) * | 2011-01-03 | 2019-12-10 | The Board Of Trustees Of The Leland Stanford Junior University | Cluster processing and ranking methods including methods applicable to clusters developed through density based merging |
CN103870751B (zh) * | 2012-12-18 | 2017-02-01 | 中国移动通信集团山东有限公司 | 入侵检测方法及系统 |
CN104392253B (zh) * | 2014-12-12 | 2017-05-10 | 南京大学 | 一种草图数据集的交互式类别标注方法 |
CN106469276B (zh) * | 2015-08-19 | 2020-04-07 | 阿里巴巴集团控股有限公司 | 数据样本的类型识别方法及装置 |
US11216491B2 (en) * | 2016-03-31 | 2022-01-04 | Splunk Inc. | Field extraction rules from clustered data samples |
CN106528417A (zh) * | 2016-10-28 | 2017-03-22 | 中国电子产品可靠性与环境试验研究所 | 软件缺陷智能检测方法和系统 |
US10025813B1 (en) * | 2017-04-13 | 2018-07-17 | Sas Institute Inc. | Distributed data transformation system |
CN107194430B (zh) * | 2017-05-27 | 2021-07-23 | 北京三快在线科技有限公司 | 一种样本筛选方法及装置,电子设备 |
CN107463953B (zh) * | 2017-07-21 | 2019-11-19 | 上海媒智科技有限公司 | 在标签含噪情况下基于质量嵌入的图像分类方法及系统 |
-
2018
- 2018-09-07 CN CN201811043185.9A patent/CN109242106B/zh active Active
-
2019
- 2019-08-16 JP JP2019149372A patent/JP6980728B2/ja active Active
- 2019-08-29 KR KR1020190106197A patent/KR102250728B1/ko active IP Right Grant
- 2019-09-03 EP EP19195094.8A patent/EP3620982B1/en active Active
- 2019-09-05 US US16/562,050 patent/US20200082213A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183171A (ja) * | 2000-12-12 | 2002-06-28 | Matsushita Electric Ind Co Ltd | 文書データ・クラスタリングシステム |
WO2010119615A1 (ja) * | 2009-04-15 | 2010-10-21 | 日本電気株式会社 | 学習データ生成装置、及び固有表現抽出システム |
US20180174001A1 (en) * | 2016-12-15 | 2018-06-21 | Samsung Electronics Co., Ltd. | Method of training neural network, and recognition method and apparatus using neural network |
WO2018154900A1 (ja) * | 2017-02-22 | 2018-08-30 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
KR20200029351A (ko) | 2020-03-18 |
KR102250728B1 (ko) | 2021-05-11 |
US20200082213A1 (en) | 2020-03-12 |
CN109242106B (zh) | 2022-07-26 |
EP3620982B1 (en) | 2023-12-06 |
JP6980728B2 (ja) | 2021-12-15 |
CN109242106A (zh) | 2019-01-18 |
EP3620982A1 (en) | 2020-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6980728B2 (ja) | サンプル処理方法、装置、機器および記憶媒体 | |
US10552737B2 (en) | Artificial neural network class-based pruning | |
US10909455B2 (en) | Information processing apparatus using multi-layer neural network and method therefor | |
JP6632623B2 (ja) | サンプリング及びフィーチャ選択を伴わない自動欠陥分類 | |
CN109189767B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
JP2019028839A (ja) | 分類器、分類器の学習方法、分類器における分類方法 | |
US11126894B2 (en) | Method and apparatus for analysing an image | |
CN110364185B (zh) | 一种基于语音数据的情绪识别方法、终端设备及介质 | |
US20220207354A1 (en) | Analog circuits for implementing brain emulation neural networks | |
CN113449840A (zh) | 神经网络训练方法及装置、图像分类的方法及装置 | |
CN112445914A (zh) | 文本分类方法、装置、计算机设备和介质 | |
CN110163206B (zh) | 车牌识别方法、系统、存储介质和装置 | |
CN115346084B (zh) | 样本处理方法、装置、电子设备、存储介质及程序产品 | |
CN116229180A (zh) | 一种基于对称kld的处理多类型标签噪声的自适应动态阈值方法、系统、设备及介质 | |
US20220202348A1 (en) | Implementing brain emulation neural networks on user devices | |
CN113297376A (zh) | 基于元学习的法律案件风险点识别方法及系统 | |
CN113222141A (zh) | 一种模型的监督训练方法、装置及设备 | |
CN109447937B (zh) | 一种图像处理模型的确定方法及其相关装置 | |
CN113569605B (zh) | 视频信息处理方法、装置、电子设备及存储介质 | |
KR20190078710A (ko) | 이미지 분류 시스템 및 방법 | |
CN113505783B (zh) | 基于少次学习的甲骨文单字识别方法和装置 | |
CN113779236B (zh) | 一种基于人工智能的问题分类的方法及装置 | |
CN117573867A (zh) | 分类和分级非结构化数据方法、系统和计算机设备 | |
CN114662672A (zh) | 神经网络模型量化方法、装置、设备及存储介质 | |
CN116433974A (zh) | 一种标签分类的方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190816 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200923 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210406 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210630 |
|
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: 20211102 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211117 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6980728 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |