JP5401885B2 - モデルの構築方法、構築システム及び構築用プログラム - Google Patents
モデルの構築方法、構築システム及び構築用プログラム Download PDFInfo
- Publication number
- JP5401885B2 JP5401885B2 JP2008243483A JP2008243483A JP5401885B2 JP 5401885 B2 JP5401885 B2 JP 5401885B2 JP 2008243483 A JP2008243483 A JP 2008243483A JP 2008243483 A JP2008243483 A JP 2008243483A JP 5401885 B2 JP5401885 B2 JP 5401885B2
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- attribution
- data set
- target
- state value
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、本発明になるモデルの構築システムの第1の実施形態のブロック図を示す。本実施形態のモデルの構築システム1は、基本的に電子機器内もしくはサーバと電子機器及びこれらを相互に接続するインターネット等の情報通信ネットワークからなるシステム内に、少なくとも、状態値データセット準備部10と、初期帰属決定部20と、クラスタデータベース30と、パラメータ算出部40と、収束判定部50と、帰属変更部60と、出力部70と、を含む。ただし、状態値データセット準備部10は、必ずしも上記システム内に含まれる必要は無く、紙などの媒体を利用してもよい。
この代表重回帰係数データセットFtは、目的事象の状態値を説明事象の状態値で表現するモデルを満足する代表パラメータである。また、決定係数R2tは、代表重回帰係数データセットFtの代表性を示すモデル評価値である。
次に、本発明の第2の実施形態について説明する。図10は、本発明になるモデルの構築システムの第2の実施形態のブロック図を示す。同図中、図1と同一構成部分には同一符号を付し、その説明を省略する。図10に示す本発明の第2の実施形態のモデルの構築システム2は、第1の実施形態のモデルの構築システム1の帰属変更部60の替りに、変更対象選定部801と移行クラスタ決定部802とを含む帰属変更部80を設けたものである。
次に、コンピュータSは、除外された従業員の仮想データセットFt iと、各クラスタCtの代表重回帰係数データセットFtとのユークリッド距離をそれぞれ算出し、最も距離が近いクラスタに帰属させる。また、最も距離が近いクラスタが除外前のクラスタと同じ場合、コンピュータSは大きさの絶対値が2番目に大きな差分ベクトルに対応したクラスタで除外されている従業員を抽出して除外し、仮想データセットと最も距離が近いクラスタに再帰属させる。
10 状態値データセット準備部
20 初期帰属決定部
30 クラスタデータベース
40 パラメータ算出部
50 収束判定部
60、80 帰属変更部
70 出力部
801 変更対象選定部
802 移行クラスタ決定部
Claims (27)
- 複数の対象について、目的事象に関する第1の状態値と前記目的事象と関係を持つ説明事象に関する第2の状態値とからなる状態値データセットを収集する状態値データセット準備ステップと、
前記状態値データセットを収集した前記複数の対象のそれぞれについて、初期帰属設定ルールによって任意に設定した数のクラスタへ各対象を帰属させ、前記クラスタ毎の対象の帰属を示す帰属情報を作成して、その帰属情報を前記状態値データセット準備ステップで収集された前記状態値データセットと共に初期値としてクラスタデータベースに蓄積する初期帰属決定ステップと、
前記クラスタデータベースの前記帰属情報と前記状態値データセットとが更新された際に、更新後の前記帰属情報及び前記状態値データセットを参照して、前記クラスタ毎に前記第1の状態値を前記第2の状態値で表現するモデルの代表パラメータ及び評価値を算出するパラメータ算出ステップと、
前記代表パラメータ及び前記評価値が算出された際に、前記評価値の変化率を算出し、前記評価値の収束条件と照らし合わせて収束を判定する収束判定ステップと、
前記収束判定ステップで未収束と判定された場合に、帰属変更ルールによって前記各クラスタに帰属する対象を入れ替え、新たなクラスタ毎の対象の帰属を示す帰属情報を作成すると共に、前記データベースの帰属情報を、その作成した帰属情報に更新する帰属変更ステップと、
前記収束判定ステップで収束完了と判定された場合、前記各クラスタへの対象の前記帰属情報及び前記各クラスタの前記代表パラメータを出力する出力ステップと
を含むことを特徴とするモデルの構築方法。 - 複数の対象について、目的事象に関する第1の状態値と前記目的事象と関係を持つ説明事象に関する第2の状態値とからなる状態値データセットを収集する状態値データセット準備ステップと、
前記状態値データセットを収集した前記複数の対象のそれぞれについて、初期帰属設定ルールによって任意に設定した数のクラスタへ各対象を帰属させ、前記クラスタ毎の対象の帰属を示す帰属情報を作成して、その帰属情報を前記状態値データセット準備ステップで収集された前記状態値データセットと共に初期値としてクラスタデータベースに蓄積する初期帰属決定ステップと、
前記クラスタデータベースの前記帰属情報又は前記状態値データセットが更新された際に、更新後の前記帰属情報及び前記状態値データセットを参照して、前記クラスタ毎に前記第1の状態値を前記第2の状態値で表現するモデルの代表パラメータ及び評価値を算出するパラメータ算出ステップと、
前記代表パラメータ及び前記評価値が算出された際に、前記評価値の変化率を算出し、前記評価値の収束条件と照らし合わせて収束を判定する収束判定ステップと、
前記収束判定ステップで未収束と判定された場合に、変更対象選定ルールに最も適合する対象を、帰属を入れ替える対象として選択し、かつ、移行クラスタ選定ルールに最も適合するクラスタに対象の帰属を変更し、新たなクラスタ毎の対象の帰属を示す帰属情報を作成すると共に、前記データベースの帰属情報を、その作成した帰属情報に更新する帰属変更ステップと、
前記収束判定ステップで収束完了と判定された場合、前記各クラスタへの対象の前記帰属情報及び前記各クラスタの前記代表パラメータを出力する出力ステップと
を含むことを特徴とするモデルの構築方法。 - 前記収束判定ステップは、前記クラスタのすべての前記評価値の平均値と閾値とを比較し、前記平均値が前記閾値以上のときに収束と判定し、前記平均値が前記閾値未満のときに未収束と判定することを特徴とする請求項1又は2記載のモデルの構築方法。
- 前記帰属変更ルールは、帰属を変更する前記対象をランダムに選択する方法、残差を最小化する方法、及び遺伝的アルゴリズムを利用する方法のうち、いずれか一の方法を利用したルールであることを特徴とする請求項1記載のモデルの構築方法。
- 前記変更対象選定ルールは、前記クラスタについて帰属する各対象の前記状態値データセットを除外した場合のクラスタの代表パラメータもしくは評価値を算出し、除外した場合の代表パラメータと除外しない場合の代表パラメータとの差が最大となる対象、又は前記評価値の上昇が最大となる対象、又は前記評価値が最大となる対象を、入れ替える対象として選択するルールであることを特徴とする請求項2記載のモデルの構築方法。
- 前記移行クラスタ選定ルールは、前記クラスタについて帰属する各対象の前記状態値データセットを除外した場合の代表パラメータと除外しない場合の代表パラメータの変化をベクトルと捉え、除外しない場合の代表パラメータに逆方向のベクトルを加えた仮想的パラメータと最も近い他のクラスタに移すルールであることを特徴とする請求項2記載のモデルの構築方法。
- 前記移行クラスタ選定ルールは、前記クラスタについて前記変更対象選定ルールによって他のクラスタから除外された対象の状態値データセットを加えた場合のクラスタの代表パラメータ、若しくは前記他のクラスタから除外された対象の状態値データセットを加えた場合のクラスタの評価値を算出し、前記クラスタ内の被験者を除外した場合の代表パラメータと前記クラスタ内の被験者を除外しない場合の代表パラメータとの差が最大となるクラスタ、前記評価値の上昇が最大となるクラスタ、又は前記評価値が最大となるクラスタを、再帰属先のクラスタとして選択するルールであることを特徴とする請求項2記載のモデルの構築方法。
- 前記モデルは、線形モデルであることを特徴とする請求項1乃至7のうちいずれか一項記載のモデルの構築方法。
- 前記線形モデルは、重回帰分析の回帰式又は数量化I類の推算式であることを特徴とする請求項8記載のモデルの構築方法。
- 複数の対象について、目的事象に関する第1の状態値と前記目的事象と関係を持つ説明事象に関する第2の状態値とからなる状態値データセットを収集する状態値データセット準備手段と、
前記状態値データセットを収集した前記複数の対象のそれぞれについて、初期帰属設定ルールによって任意に設定した数のクラスタへ各対象を帰属させ、前記クラスタ毎の対象の帰属を示す帰属情報を作成する初期帰属決定手段と、
前記初期帰属決定手段で作成された前記帰属情報と前記状態値データセット準備手段で収集された前記状態値データセットとを初期値として蓄積するクラスタデータベースと、 前記クラスタデータベースの前記帰属情報と前記状態値データセットとが更新された際に、更新後の前記帰属情報及び前記状態値データセットを参照して、前記クラスタ毎に前記第1の状態値を前記第2の状態値で表現するモデルの代表パラメータ及び評価値を算出するパラメータ算出手段と、
前記代表パラメータ及び前記評価値が算出された際に、前記評価値の変化率を算出し、前記評価値の収束条件と照らし合わせて収束を判定する収束判定手段と、
前記収束判定手段で未収束と判定された場合に、帰属変更ルールによって前記各クラスタに帰属する対象を入れ替え、新たなクラスタ毎の対象の帰属を示す帰属情報を作成すると共に、前記データベースの帰属情報を、その作成した帰属情報に更新する帰属変更手段と、
前記収束判定手段で収束完了と判定された場合、前記各クラスタへの対象の前記帰属情報及び前記各クラスタの前記代表パラメータを出力する出力手段と、
を備えたことを特徴とするモデルの構築システム。 - 複数の対象について、目的事象に関する第1の状態値と前記目的事象と関係を持つ説明事象に関する第2の状態値とからなる状態値データセットを収集する状態値データセット準備手段と、
前記状態値データセットを収集した前記複数の対象のそれぞれについて、初期帰属設定ルールによって任意に設定した数のクラスタへ各対象を帰属させ、前記クラスタ毎の対象の帰属を示す帰属情報を作成する初期帰属決定手段と、
前記初期帰属決定手段で作成された前記帰属情報と前記状態値データセット準備手段で収集された前記状態値データセットとを初期値として蓄積するクラスタデータベースと、 前記クラスタデータベースの前記帰属情報又は前記状態値データセットが更新された際に、更新後の前記帰属情報及び前記状態値データセットを参照して、前記クラスタ毎に前記第1の状態値を前記第2の状態値で表現するモデルの代表パラメータ及び評価値を算出するパラメータ算出手段と、
前記代表パラメータ及び前記評価値が算出された際に、前記評価値の変化率を算出し、前記評価値の収束条件と照らし合わせて収束を判定する収束判定手段と、
前記収束判定手段で未収束と判定された場合に、変更対象選定ルールに最も適合する対象を、帰属を入れ替える対象として選択し、かつ、移行クラスタ選定ルールに最も適合するクラスタに対象の帰属を変更し、新たなクラスタ毎の対象の帰属を示す帰属情報を作成すると共に、前記データベースの帰属情報を、その作成した帰属情報に更新する帰属変更手段と、
前記収束判定手段で収束完了と判定された場合、前記各クラスタへの対象の前記帰属情報及び前記各クラスタの前記代表パラメータを出力する出力手段と、
を備えたことを特徴とするモデルの構築システム。 - 前記収束判定手段は、前記クラスタのすべての前記評価値の平均値と閾値とを比較し、前記平均値が前記閾値以上のときに収束と判定し、前記平均値が前記閾値未満のときに未収束と判定することを特徴とする請求項10又は11記載のモデルの構築システム。
- 前記帰属変更手段は、前記帰属変更ルールとして、帰属を変更する前記対象をランダムに選択する方法、残差を最小化する方法、及び遺伝的アルゴリズムを利用する方法のうち、いずれか一の方法を利用したルールを用いることを特徴とする請求項10記載のモデルの構築システム。
- 前記帰属変更手段は、前記変更対象選定ルールとして、前記クラスタについて帰属する各対象の前記状態値データセットを除外した場合のクラスタの代表パラメータもしくは評価値を算出し、除外した場合の代表パラメータと除外しない場合の代表パラメータとの差が最大となる対象、又は前記評価値の上昇が最大となる対象、又は前記評価値が最大となる対象を、入れ替える対象として選択するルールを用いることを特徴とする請求項11記載のモデルの構築システム。
- 前記帰属変更手段は、前記移行クラスタ選定ルールとして、前記クラスタについて帰属する各対象の前記状態値データセットを除外した場合の代表パラメータと除外しない場合の代表パラメータの変化をベクトルと捉え、除外しない場合の代表パラメータに逆方向のベクトルを加えた仮想的パラメータと最も近い他のクラスタに移すルールを用いることを特徴とする請求項11記載のモデルの構築システム。
- 前記帰属変更手段は、前記移行クラスタ選定ルールとして、前記クラスタについて前記変更対象選定ルールによって他のクラスタから除外された対象の状態値データセットを加えた場合のクラスタの代表パラメータ、若しくは前記他のクラスタから除外された対象の状態値データセットを加えた場合のクラスタの評価値を算出し、前記クラスタ内の被験者を除外した場合の代表パラメータと前記クラスタ内の被験者を除外しない場合の代表パラメータとの差が最大となるクラスタ、前記評価値の上昇が最大となるクラスタ、又は前記評価値が最大となるクラスタを、再帰属先のクラスタとして選択するルールを用いることを特徴とする請求項11記載のモデルの構築システム。
- 前記モデルは、線形モデルであることを特徴とする請求項10乃至16のうちいずれか一項記載のモデルの構築システム。
- 前記線形モデルは、重回帰分析の回帰式又は数量化I類の推算式であることを特徴とする請求項17記載のモデルの構築システム。
- 複数の対象について、目的事象に関する第1の状態値と前記目的事象と関係を持つ説明事象に関する第2の状態値とからなる状態値データセットを収集する状態値データセット準備ステップと、
前記状態値データセットを収集した前記複数の対象のそれぞれについて、初期帰属設定ルールによって任意に設定した数のクラスタへ各対象を帰属させ、前記クラスタ毎の対象の帰属を示す帰属情報を作成して、その帰属情報を前記状態値データセット準備ステップで収集された前記状態値データセットと共に初期値としてクラスタデータベースに蓄積する初期帰属決定ステップと、
前記クラスタデータベースの前記帰属情報と前記状態値データセットとが更新された際に、更新後の前記帰属情報及び前記状態値データセットを参照して、前記クラスタ毎に前記第1の状態値を前記第2の状態値で表現するモデルの代表パラメータ及び評価値を算出するパラメータ算出ステップと、
前記代表パラメータ及び前記評価値が算出された際に、前記評価値の変化率を算出し、前記評価値の収束条件と照らし合わせて収束を判定する収束判定ステップと、
前記収束判定ステップで未収束と判定された場合に、帰属変更ルールによって前記各クラスタに帰属する対象を入れ替え、新たなクラスタ毎の対象の帰属を示す帰属情報を作成すると共に、前記データベースの帰属情報を、その作成した帰属情報に更新する帰属変更ステップと、
前記収束判定ステップで収束完了と判定された場合、前記各クラスタへの対象の前記帰属情報及び前記各クラスタの前記代表パラメータを出力する出力ステップと、
をコンピュータにより実行させることを特徴とするモデルの構築用プログラム。 - 複数の対象について、目的事象に関する第1の状態値と前記目的事象と関係を持つ説明事象に関する第2の状態値とからなる状態値データセットを収集する状態値データセット準備ステップと、
前記状態値データセットを収集した前記複数の対象のそれぞれについて、初期帰属設定ルールによって任意に設定した数のクラスタへ各対象を帰属させ、前記クラスタ毎の対象の帰属を示す帰属情報を作成して、その帰属情報を前記状態値データセット準備ステップで収集された前記状態値データセットと共に初期値としてクラスタデータベースに蓄積する初期帰属決定ステップと、
前記クラスタデータベースの前記帰属情報又は前記状態値データセットが更新された際に、更新後の前記帰属情報及び前記状態値データセットを参照して、前記クラスタ毎に前記第1の状態値を前記第2の状態値で表現するモデルの代表パラメータ及び評価値を算出するパラメータ算出ステップと、
前記代表パラメータ及び前記評価値が算出された際に、前記評価値の変化率を算出し、前記評価値の収束条件と照らし合わせて収束を判定する収束判定ステップと、
前記収束判定ステップで未収束と判定された場合に、変更対象選定ルールに最も適合する対象を、帰属を入れ替える対象として選択し、かつ、移行クラスタ選定ルールに最も適合するクラスタに対象の帰属を変更し、新たなクラスタ毎の対象の帰属を示す帰属情報を作成すると共に、前記データベースの帰属情報を、その作成した帰属情報に更新する帰属変更ステップと、
前記収束判定ステップで収束完了と判定された場合、前記各クラスタへの対象の前記帰属情報及び前記各クラスタの前記代表パラメータを出力する出力ステップと、
をコンピュータにより実行させることを特徴とするモデルの構築用プログラム。 - 前記収束判定ステップは、前記クラスタのすべての前記評価値の平均値と閾値とを比較し、前記平均値が前記閾値以上のときに収束と判定し、前記平均値が前記閾値未満のときに未収束と判定することを特徴とする請求項19又は20記載のモデルの構築用プログラム。
- 前記帰属変更ルールは、帰属を変更する前記対象をランダムに選択する方法、残差を最小化する方法、及び遺伝的アルゴリズムを利用する方法のうち、いずれか一の方法を利用したルールであることを特徴とする請求項19記載のモデルの構築用プログラム。
- 前記変更対象選定ルールは、前記クラスタについて帰属する各対象の前記状態値データセットを除外した場合のクラスタの代表パラメータもしくは評価値を算出し、除外した場合の代表パラメータと除外しない場合の代表パラメータとの差が最大となる対象、又は前記評価値の上昇が最大となる対象、又は前記評価値が最大となる対象を、入れ替える対象として選択するルールであることを特徴とする請求項20記載のモデルの構築用プログラム。
- 前記移行クラスタ選定ルールは、前記クラスタについて帰属する各対象の前記状態値データセットを除外した場合の代表パラメータと除外しない場合の代表パラメータの変化をベクトルと捉え、除外しない場合の代表パラメータに逆方向のベクトルを加えた仮想的パラメータと最も近い他のクラスタに移すルールであることを特徴とする請求項20記載のモデルの構築用プログラム。
- 前記移行クラスタ選定ルールは、前記クラスタについて前記変更対象選定ルールによって他のクラスタから除外された対象の状態値データセットを加えた場合のクラスタの代表パラメータ、若しくは前記他のクラスタから除外された対象の状態値データセットを加えた場合のクラスタの評価値を算出し、前記クラスタ内の被験者を除外した場合の代表パラメータと前記クラスタ内の被験者を除外しない場合の代表パラメータとの差が最大となるクラスタ、前記評価値の上昇が最大となるクラスタ、又は前記評価値が最大となるクラスタを、再帰属先のクラスタとして選択するルールであることを特徴とする請求項20記載のモデルの構築用プログラム。
- 前記モデルは、線形モデルであることを特徴とする請求項19乃至25のうちいずれか一項記載のモデルの構築用プログラム。
- 前記線形モデルは、重回帰分析の回帰式又は数量化I類の推算式であることを特徴とする請求項26記載のモデルの構築用プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008243483A JP5401885B2 (ja) | 2008-09-24 | 2008-09-24 | モデルの構築方法、構築システム及び構築用プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008243483A JP5401885B2 (ja) | 2008-09-24 | 2008-09-24 | モデルの構築方法、構築システム及び構築用プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010079325A JP2010079325A (ja) | 2010-04-08 |
JP5401885B2 true JP5401885B2 (ja) | 2014-01-29 |
Family
ID=42209740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008243483A Expired - Fee Related JP5401885B2 (ja) | 2008-09-24 | 2008-09-24 | モデルの構築方法、構築システム及び構築用プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5401885B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6082564B2 (ja) * | 2012-10-16 | 2017-02-15 | 株式会社日立製作所 | データ統合分析システム |
JP6651154B1 (ja) * | 2019-02-04 | 2020-02-19 | 株式会社エクサウィザーズ | 情報表示装置、情報表示方法およびプログラム |
JP6886539B1 (ja) * | 2020-03-12 | 2021-06-16 | 株式会社エイムソウル | 異文化適応力評価システムおよび異文化適応力評価方法 |
CN112508050A (zh) * | 2020-11-06 | 2021-03-16 | 重庆恢恢信息技术有限公司 | 基于海量数据的建筑工程建设规划工作方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006215737A (ja) * | 2005-02-02 | 2006-08-17 | Osaka Prefecture | 新規クラスター分析方法 |
JP4979000B2 (ja) * | 2007-01-05 | 2012-07-18 | Kddi株式会社 | 情報検索方法、装置およびプログラム |
-
2008
- 2008-09-24 JP JP2008243483A patent/JP5401885B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010079325A (ja) | 2010-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220391767A1 (en) | System and method for relational time series learning with the aid of a digital computer | |
CN110503531B (zh) | 时序感知的动态社交场景推荐方法 | |
CN110196814B (zh) | 一种软件质量评价方法 | |
Wu et al. | Modeling users’ preferences and social links in social networking services: a joint-evolving perspective | |
Hoe et al. | Analyzing students records to identify patterns of students' performance | |
JP6488753B2 (ja) | 情報処理方法 | |
JP5401885B2 (ja) | モデルの構築方法、構築システム及び構築用プログラム | |
CN114219562A (zh) | 模型的训练方法、企业信用评估方法和装置、设备、介质 | |
CN108459997A (zh) | 基于深度学习和神经网络的高偏态数据价值概率预测方法 | |
CN114238764A (zh) | 基于循环神经网络的课程推荐方法、装置及设备 | |
Ma et al. | Missing value imputation method for disaster decision-making using K nearest neighbor | |
Çakıt et al. | Comparative analysis of machine learning algorithms for predicting standard time in a manufacturing environment | |
Ashcroft | Bayesian networks in business analytics | |
Ickin et al. | On network performance indicators for network promoter score estimation | |
Sabit et al. | Multivariate spatial condition mapping using subtractive fuzzy cluster means | |
CN116304518A (zh) | 用于信息推荐的异质图卷积神经网络模型构建方法及系统 | |
Attwal et al. | Investigation and comparative analysis of data mining techniques for the prediction of crop yield | |
Arsirii et al. | Models and methods of intellectual analysis for medical-sociological monitoring’s data based on the neural network with a competitive layer | |
Sunday Samuel | Early Cocoa Blackpod Pathogen Prediction with Machine Learning Ensemble Algorithm based on Climatic Parameters | |
Bhawsar et al. | Performance evaluation of link prediction techniques based on fuzzy soft set and markov model | |
Seelam et al. | Comparative study of predictive models to estimate employee attrition | |
Goncalves et al. | Predicting project sales prices using machine learning techniques: a case study in a project consultancy | |
AU2020201689A1 (en) | Cognitive forecasting | |
Manike et al. | Student Placement Chance Prediction Model using Machine Learning Techniques | |
JP2020035022A (ja) | 評価更新装置、方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110804 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130611 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130625 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131001 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131014 |
|
LAPS | Cancellation because of no payment of annual fees |