JP4645288B2 - 能動学習方法および能動学習システム - Google Patents
能動学習方法および能動学習システム Download PDFInfo
- Publication number
- JP4645288B2 JP4645288B2 JP2005130952A JP2005130952A JP4645288B2 JP 4645288 B2 JP4645288 B2 JP 4645288B2 JP 2005130952 A JP2005130952 A JP 2005130952A JP 2005130952 A JP2005130952 A JP 2005130952A JP 4645288 B2 JP4645288 B2 JP 4645288B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- label
- value
- unit
- 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
- 238000000034 method Methods 0.000 title claims description 64
- 238000013500 data storage Methods 0.000 claims description 138
- 238000006243 chemical reaction Methods 0.000 claims description 61
- 150000001875 compounds Chemical class 0.000 description 43
- 238000012545 processing Methods 0.000 description 36
- 230000008569 process Effects 0.000 description 34
- UCTWMZQNUQWSLP-UHFFFAOYSA-N adrenaline Chemical compound CNCC(O)C1=CC=C(O)C(O)=C1 UCTWMZQNUQWSLP-UHFFFAOYSA-N 0.000 description 28
- 230000000694 effects Effects 0.000 description 27
- NTYJJOPFIAHURM-UHFFFAOYSA-N Histamine Chemical compound NCCC1=CN=CN1 NTYJJOPFIAHURM-UHFFFAOYSA-N 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 239000003446 ligand Substances 0.000 description 11
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 102000004169 proteins and genes Human genes 0.000 description 11
- 108090000623 proteins and genes Proteins 0.000 description 11
- 238000007876 drug discovery Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 229960001340 histamine Drugs 0.000 description 7
- 238000012216 screening Methods 0.000 description 6
- 102000008936 Biogenic Amine Receptors Human genes 0.000 description 5
- 108010088628 Biogenic Amine Receptors Proteins 0.000 description 5
- 102000003688 G-Protein-Coupled Receptors Human genes 0.000 description 5
- 108090000045 G-Protein-Coupled Receptors Proteins 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000003556 assay Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007636 ensemble learning method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 102000005962 receptors Human genes 0.000 description 2
- 108020003175 receptors Proteins 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 108010042653 IgA receptor Proteins 0.000 description 1
- 102100034014 Prolyl 3-hydroxylase 3 Human genes 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012912 drug discovery process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
学習データを構成する複数の記述子は、そのデータの構造などを特定するものであり、個々のラベルは、そのデータのそれぞれ異なる事象に関する状態を示す。ここで、異なる事象であっても、類似している事象であれば、それらのラベルの値は或る程度同じ値をとる傾向があると考えられる。本発明はこの点に着目し、学習開始時点の初期の状態において既知データの集合中に正例(所望ラベルの値が所望値のデータ)が全く存在しないか、ごく僅かしか存在しない場合、学習データの所望ラベルの値を類似する別のラベルの値で置換する。こうすると、類似する他のラベルの値が所望ラベルの所望値と同じであれば、置換後の学習データは正例と同じになり、正例の数を見かけ上増やすことができる。この正例は、所望ラベルがもともと所望値であった真の正例ではなく、いわば仮の正例であるが、所望ラベルと置換に使用したラベルとの間には類似関係があるため、仮の正例を用いて学習するルールは、或る程度意味のあるルールとなる。このため、そのルールを適用して候補データから選択した次に学習すべきデータは、ランダム選択したデータに比べて、より正例である確率が高くなり、ランダム選択に比べて学習効率が向上することになる。
図1を参照すると、本発明の第1の実施の形態にかかる能動学習システムは、キーボードやマウス等の入力装置とLCDやプリンタ等の出力装置とで構成される入出力装置110と、プログラム制御により動作する処理装置120と、半導体メモリや磁気ディスク等で構成される記憶装置130とから構成されている。
図7を参照すると、本発明の第2の実施の形態にかかる能動学習システムは、制御部150がデータ重み付け部701を備えている点で、図1に示した第1の実施の形態と相違する。
図10を参照すると、本発明の第3の実施の形態にかかる能動学習システムは、制御部150が仮設定一括解除部1001を有する点で、図1に示した第1の実施の形態と相違する。
図14を参照すると、本発明の第4の実施の形態にかかる能動学習システムは、制御部150が仮設定一括解除部1001の代わりに仮設定漸次解除部1401を有する点で、図10に示した第3の実施の形態と相違する。
閾値=α×現在まで実行された能動学習サイクル数 …(1)
図16を参照すると、本発明の第5の実施の形態にかかる能動学習システムは、仮の正例の所望ラベルの値が未知である点と、制御部150が仮設定一括解除部1001の代わりに仮設定一括解除部1601を有する点で、図10に示した第3の実施の形態と相違する。
図20を参照すると、本発明の第6の実施の形態にかかる能動学習システムは、仮の正例の所望ラベルの値が未知である点と、制御部150が仮設定漸次解除部1401の代わりに仮設定漸次解除部2001を有する点で、図14に示した第4の実施の形態と相違する。
図21を参照すると、本発明の第7の実施の形態は、処理装置120とは独立した別の処理装置2101とそれに接続された入出力装置2102とを備えている点で、第1ないし第6の実施の形態と相違する。
以上本発明の実施の形態について説明したが、本発明は以上の例に限定されずその他各種の付加変更が可能である。また、本発明の能動学習システムは、その有する機能をハードウェア的に実現することは勿論、コンピュータと能動学習プログラムとで実現することができる。能動学習プログラムは、磁気ディスクや半導体メモリ等のコンピュータ可読記録媒体に記録されて提供され、コンピュータの立ち上げ時などにコンピュータに読み取られ、そのコンピュータの動作を制御することにより、そのコンピュータを前述した各実施の形態における制御部および能動学習部内の各機能手段として機能させる。
120…処理装置
130…記憶装置
131…学習データ記憶部
132…ルール記憶部
133…候補データ記憶部
134…選択データ記憶部
140…能動学習部
141…学習部
142…予測部
143…候補データ選択部
144…データ更新部
150…制御部
151…学習設定取得部
152…類似情報取得部
153…データラベル変換部
Claims (15)
- 所望ラベルと類似関係にある他のラベルの情報を示す類似情報に従って、複数の記述子と複数のラベルとで構成されるデータの所望ラベルの値を該所望ラベルが示す事象と類似する事象の状態を示す他のラベルの値で書き換えたデータを学習データとして前記学習データの集合を学習データ記憶部上に生成する制御部と、
前記所望ラベルが未知のデータを候補データとして前記候補データの集合を記憶する候補データ記憶部と、
前記所望ラベルが所望値のデータを正例、それ以外のデータを負例とするとき、前記学習データ記憶部に記憶された正例と負例のデータを使って、任意のデータの記述子の入力に対してそのデータの正例らしさを計算するルールを学習する学習部、学習したルールを前記候補データ記憶部に記憶された候補データの集合に適用して各候補データの正例らしさを予測する予測部、予測結果に基づいて次に学習すべきデータを選択する候補データ選択部、および、選択したデータを出力装置から出力し、該出力したデータのうち前記所望ラベルの実際の値が入力装置から入力されたデータについては候補データの集合から取り除いて学習データの集合に追加するデータ更新部を含み、前記制御部により能動学習サイクルの繰り返しが制御される能動学習部とを備えることを特徴とする能動学習システム。 - 前記制御部は、前記入力装置から入力された前記所望ラベルの情報に基づいて前記学習データ記憶部に予め記憶された学習データの集合に含まれる正例の数を調べる学習設定取得部と、調べられた正例の数が閾値より少ない場合に前記所望ラベルと類似する他のラベルに関する類似情報を前記入力装置から入力する類似情報取得部と、前記学習データ記憶部に記憶された学習データの前記所望ラベルの値を前記類似情報が示す他のラベルの値で書き換えるデータラベル変換部とを含むことを特徴とする請求項1記載の能動学習システム。
- 前記制御部は、前記所望ラベルの値が他のラベルの値で書き換え済みの学習データを外部装置から受信して前記学習データ記憶部に保存するものであることを特徴とする請求項1記載の能動学習システム。
- 前記制御部は、他のラベルの値で書き換えられた結果前記所望ラベルが所望値になっている仮の正例よりも、前記所望ラベルが実際に所望値である真の正例を重要視した学習が前記能動学習部で行われるための重みを前記学習データに設定するデータ重み付け部を有することを特徴とする請求項1、2または3記載の能動学習システム。
- 前記制御部は、前記能動学習部による能動学習中に、予め定められた仮設定一括解除条件が成立したかどうかを判定し、前記仮設定一括解除条件が成立した場合、前記学習データ記憶部に記憶されている学習データのうち、前記所望ラベルの値が他のラベルの値で書き換えられている全ての学習データを書き換え前の状態に戻す仮設定一括解除部を有することを特徴とする請求項1、2または3記載の能動学習システム。
- 前記仮設定一括解除部は、書き換え前の状態に戻した学習データの前記所望ラベルが未知の場合、該学習データを前記学習データ記憶部から前記候補データ記憶部へ移動させるものであることを特徴とする請求項5記載の能動学習システム。
- 前記制御部は、前記能動学習部による能動学習の1サイクル終了毎に、予め定められた仮設定漸次解除条件が成立したかどうかを判定し、前記仮設定漸次解除条件が成立した場合、前記学習データ記憶部に記憶されている学習データのうち、前記所望ラベルの値が他のラベルの値で書き換えられている一部の学習データを書き換え前の状態に戻す仮設定漸次解除部を有することを特徴とする請求項1、2または3記載の能動学習システム。
- 前記仮設定漸次解除部は、書き換え前の状態に戻した学習データの前記所望ラベルが未知の場合、該学習データを前記学習データ記憶部から前記候補データ記憶部へ移動させるものであることを特徴とする請求項7記載の能動学習システム。
- 前記制御部は、前記能動学習部による能動学習の1サイクル終了毎に、予め定められた仮設定漸次解除条件が成立したかどうかを判定し、前記仮設定漸次解除条件が成立した場合、前記学習データ記憶部に記憶されている学習データのうち、前記所望ラベルの値が他のラベルの値で書き換えられている一部の学習データの学習の重みを0に設定するか、または前記所望ラベルの値が他のラベルの値で書き換えられている全ての学習データの学習の重みを所定値だけ小さくする仮設定漸次解除部を有することを特徴とする請求項1、2または3記載の能動学習システム。
- a)制御部が、所望ラベルと類似関係にある他のラベルの情報を示す類似情報に従って、複数の記述子と複数のラベルとで構成されるデータの所望ラベルの値を該所望ラベルが示す事象と類似する事象の状態を示す他のラベルの値で書き換えたデータを学習データとして前記学習データの集合を学習データ記憶部上に生成するステップ、
b)能動学習部が、前記所望ラベルが所望値のデータを正例、それ以外のデータを負例とするとき、前記学習データ記憶部に記憶された正例と負例のデータを使って、任意のデータの記述子の入力に対してそのデータの正例らしさを計算するルールを学習するステップ、
c)前記能動学習部が、前記所望ラベルが未知のデータを候補データとして前記候補データの集合を記憶する候補データ記憶部に記憶された前記候補データの集合に対して、前記学習したルールを適用して各候補データの正例らしさを予測するステップ、
d)前記能動学習部が、予測結果に基づいて次に学習すべきデータを選択するステップ、
e)前記能動学習部が、選択したデータを出力装置から出力し、該出力したデータのうち前記所望ラベルの実際の値が入力装置から入力されたデータについては候補データの集合から取り除いて学習データの集合に追加するステップ、
f)前記制御部が終了条件の成否に基づき前記能動学習部による能動学習サイクルの繰り返しを制御するステップ、
を含むことを特徴とする能動学習方法。 - 前記ステップaにおいて、前記制御部は、前記入力装置から入力された前記所望ラベルの情報に基づいて前記学習データ記憶部に予め記憶された学習データの集合に含まれる正例の数を調べ、調べられた正例の数が閾値より少ない場合に前記所望ラベルと類似する他のラベルに関する類似情報を前記入力装置から入力し、前記学習データ記憶部に記憶された学習データの前記所望ラベルの値を前記類似情報が示す他のラベルの値で書き換えることを特徴とする請求項10記載の能動学習方法。
- 前記ステップaにおいて、前記制御部は、前記所望ラベルの値が他のラベルの値で書き換え済みの学習データを外部装置から受信して前記学習データ記憶部に保存することを特徴とする請求項10記載の能動学習方法。
- 記憶装置と入力装置と出力装置とを備えたコンピュータを、所望ラベルと類似関係にある他のラベルの情報を示す類似情報に従って、複数の記述子と複数のラベルとで構成されるデータの所望ラベルの値を該所望ラベルが示す事象と類似する事象の状態を示す他のラベルの値で書き換えたデータを学習データとして前記学習データの集合を前記記憶装置上に生成する制御手段、前記所望ラベルが所望値のデータを正例、それ以外のデータを負例とするとき、前記記憶装置に記憶された学習データの正例と負例のデータを使って、任意のデータの記述子の入力に対してそのデータの正例らしさを計算するルールを学習し、学習したルールを前記記憶装置に予め記憶された前記所望ラベルが未知の候補データの集合に適用して各候補データの正例らしさを予測し、予測結果に基づいて次に学習すべきデータを選択し、選択したデータを前記出力装置から出力し、該出力したデータのうち前記所望ラベルの実際の値が前記入力装置から入力されたデータについては候補データの集合から取り除いて学習データの集合に追加する、能動学習サイクルを終了条件が成立するまで繰り返す能動学習手段、として機能させるためのプログラム。
- 前記制御手段は、前記入力装置から入力された前記所望ラベルの情報に基づいて前記学習データ記憶部に予め記憶された学習データの集合に含まれる正例の数を調べる学習設定取得手段と、調べられた正例の数が閾値より少ない場合に前記所望ラベルと類似する他のラベルに関する類似情報を前記入力装置から入力する類似情報取得手段と、前記学習データ記憶部に記憶された学習データの前記所望ラベルの値を前記類似情報が示す他のラベルの値で書き換えるデータラベル変換手段とを含むことを特徴とする請求項13記載のプログラム。
- 前記制御手段は、前記所望ラベルの値が他のラベルの値で書き換え済みの学習データを外部装置から受信して前記学習データ記憶部に保存するものであることを特徴とする請求項13記載のプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005130952A JP4645288B2 (ja) | 2005-04-28 | 2005-04-28 | 能動学習方法および能動学習システム |
US11/412,088 US20070011127A1 (en) | 2005-04-28 | 2006-04-27 | Active learning method and active learning system |
EP06252296A EP1717737A1 (en) | 2005-04-28 | 2006-04-28 | Active learning method and active learning system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005130952A JP4645288B2 (ja) | 2005-04-28 | 2005-04-28 | 能動学習方法および能動学習システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006309485A JP2006309485A (ja) | 2006-11-09 |
JP4645288B2 true JP4645288B2 (ja) | 2011-03-09 |
Family
ID=36741396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005130952A Active JP4645288B2 (ja) | 2005-04-28 | 2005-04-28 | 能動学習方法および能動学習システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20070011127A1 (ja) |
EP (1) | EP1717737A1 (ja) |
JP (1) | JP4645288B2 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5044980B2 (ja) * | 2006-05-10 | 2012-10-10 | 日本電気株式会社 | 実験計画方法、実験計画システムおよび、実験計画プログラム |
JP5169831B2 (ja) * | 2006-10-19 | 2013-03-27 | 日本電気株式会社 | 能動学習システム、方法およびプログラム |
US20100005043A1 (en) * | 2006-12-11 | 2010-01-07 | Yoshiko Yamashita | Active learning system, active learning method and program for active learning |
US8086549B2 (en) * | 2007-11-09 | 2011-12-27 | Microsoft Corporation | Multi-label active learning |
JP5212007B2 (ja) * | 2008-10-10 | 2013-06-19 | 株式会社リコー | 画像分類学習装置、画像分類学習方法、および画像分類学習システム |
JP5378909B2 (ja) * | 2009-08-12 | 2013-12-25 | Kddi株式会社 | サポートベクトルマシンの再学習方法 |
US9967218B2 (en) * | 2011-10-26 | 2018-05-08 | Oath Inc. | Online active learning in user-generated content streams |
EP2872154B1 (en) * | 2012-07-11 | 2017-05-31 | Sangamo BioSciences, Inc. | Methods and compositions for delivery of biologics |
JP6679266B2 (ja) * | 2015-10-15 | 2020-04-15 | キヤノン株式会社 | データ解析装置、データ解析方法及びプログラム |
JP6602243B2 (ja) * | 2016-03-16 | 2019-11-06 | 株式会社東芝 | 学習装置、方法、及びプログラム |
KR102348536B1 (ko) * | 2017-10-30 | 2022-01-06 | 삼성에스디에스 주식회사 | 기계 학습 기반의 이상 행위 탐지 방법 및 그 장치 |
WO2020026643A1 (ja) * | 2018-08-03 | 2020-02-06 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP2020046883A (ja) | 2018-09-18 | 2020-03-26 | 株式会社東芝 | 分類装置、分類方法およびプログラム |
JP7200571B2 (ja) * | 2018-09-26 | 2023-01-10 | 富士通株式会社 | 機械学習方法、機械学習装置および機械学習プログラム |
JP7063393B2 (ja) * | 2018-10-05 | 2022-05-09 | 日本電気株式会社 | 教師データ拡張装置、教師データ拡張方法およびプログラム |
JP7120914B2 (ja) * | 2018-12-25 | 2022-08-17 | 株式会社日立製作所 | 生産実績データ分析装置 |
US11551437B2 (en) | 2019-05-29 | 2023-01-10 | International Business Machines Corporation | Collaborative information extraction |
CN115398452A (zh) * | 2020-04-20 | 2022-11-25 | 富士通株式会社 | 调整程序、调整方法以及信息处理装置 |
JP7190479B2 (ja) | 2020-12-28 | 2022-12-15 | 楽天グループ株式会社 | 学習装置、機械学習モデル及び学習方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001229026A (ja) * | 1999-12-09 | 2001-08-24 | Nec Corp | 知識発見方式 |
JP2005107743A (ja) * | 2003-09-29 | 2005-04-21 | Nec Corp | 学習システム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3149157B2 (ja) * | 1996-03-04 | 2001-03-26 | 株式会社日立情報システムズ | 事例ベースの処理方法 |
JPH11316754A (ja) * | 1998-05-06 | 1999-11-16 | Nec Corp | 実験計画法及び実験計画プログラムを記録した記録媒体 |
JP4034602B2 (ja) * | 2002-06-17 | 2008-01-16 | 富士通株式会社 | データ分類装置、データ分類装置の能動学習方法及び能動学習プログラム |
WO2005048184A1 (ja) * | 2003-11-17 | 2005-05-26 | Nec Corporation | 能動学習方法およびシステム |
US7587064B2 (en) * | 2004-02-03 | 2009-09-08 | Hrl Laboratories, Llc | Active learning system for object fingerprinting |
-
2005
- 2005-04-28 JP JP2005130952A patent/JP4645288B2/ja active Active
-
2006
- 2006-04-27 US US11/412,088 patent/US20070011127A1/en not_active Abandoned
- 2006-04-28 EP EP06252296A patent/EP1717737A1/en not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001229026A (ja) * | 1999-12-09 | 2001-08-24 | Nec Corp | 知識発見方式 |
JP2005107743A (ja) * | 2003-09-29 | 2005-04-21 | Nec Corp | 学習システム |
Also Published As
Publication number | Publication date |
---|---|
US20070011127A1 (en) | 2007-01-11 |
EP1717737A1 (en) | 2006-11-02 |
JP2006309485A (ja) | 2006-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4645288B2 (ja) | 能動学習方法および能動学習システム | |
CN105745647B (zh) | 调用路径查找器 | |
US10936950B1 (en) | Processing sequential interaction data | |
JP5169831B2 (ja) | 能動学習システム、方法およびプログラム | |
US8707259B2 (en) | Framework for open dynamic reflective applications | |
US8275730B2 (en) | Information processing apparatus, information processing method, and computer program product for reducing states in a deterministic finite state automaton | |
JP5423596B2 (ja) | 情報処理装置および情報処理方法 | |
US20200380409A1 (en) | Apparatus and method for analyzing time-series data based on machine learning | |
EP3745317A1 (en) | Apparatus and method for analyzing time series data based on machine learning | |
KR20140101786A (ko) | 룰―기반 컨텍스트 획득 방법 | |
JP5187635B2 (ja) | 能動学習システム、能動学習方法、及び能動学習用プログラム | |
US20210248492A1 (en) | Learning and Using Property Signatures for Computer Programs | |
WO2020247731A1 (en) | Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees | |
EP3916530A1 (en) | Method of searching for object for executing automation scenario and apparatus for performing the method | |
Sagar et al. | Sequence Retriever for known, discovered, and user-specified molecular fragments | |
US20230409956A1 (en) | Machine learning prediction of additional steps of a computerized workflow | |
WO2021220776A1 (ja) | 材料の特性値を推定するシステム | |
US20230316113A1 (en) | Inference apparatus, inference method, and computer-readable recording medium | |
US20230237351A1 (en) | Inference apparatus, inference method, and computer-readable recording medium | |
JP4752388B2 (ja) | 文書管理システム、文書管理方法及び文書管理プログラム | |
Singh et al. | Correlation-based feature subset selection technique for web spam classification | |
Newton et al. | Evolving macro-actions for planning | |
CN116303998A (zh) | 一种菜单数据获取方法及装置 | |
JP2021177266A (ja) | プログラム、情報処理装置、情報処理方法及び学習モデルの生成方法 | |
Rattanakronkul et al. | Predicting protein structural class from closed protein sequences |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061013 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20090525 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20090525 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100122 |
|
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: 20101109 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101122 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131217 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4645288 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |