JP6431945B2 - 視覚ベイジアンデータフュージョンのシステムおよび方法 - Google Patents
視覚ベイジアンデータフュージョンのシステムおよび方法 Download PDFInfo
- Publication number
- JP6431945B2 JP6431945B2 JP2017046609A JP2017046609A JP6431945B2 JP 6431945 B2 JP6431945 B2 JP 6431945B2 JP 2017046609 A JP2017046609 A JP 2017046609A JP 2017046609 A JP2017046609 A JP 2017046609A JP 6431945 B2 JP6431945 B2 JP 6431945B2
- Authority
- JP
- Japan
- Prior art keywords
- attributes
- data
- spanning tree
- target attribute
- bayesian
- 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
- 230000004927 fusion Effects 0.000 title claims description 73
- 238000000034 method Methods 0.000 title claims description 36
- 230000000007 visual effect Effects 0.000 title claims description 22
- 238000009826 distribution Methods 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 30
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000012800 visualization Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000000047 product Substances 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000011985 exploratory data analysis Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 102100039939 Growth/differentiation factor 8 Human genes 0.000 description 1
- 108050006583 Growth/differentiation factor 8 Proteins 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 235000014171 carbonated beverage Nutrition 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 235000021443 coca cola Nutrition 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24558—Binary matching operations
- G06F16/2456—Join operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- 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
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Description
本発明は、インドにおいて2016年3月10日出願の、インド仮特許明細書(題名:System and method for visual Bayesian data fusion)第201621008419号の優先権を主張するものである。
・モーションチャート:円の位置、大きさ、および色を使用する、4つまでの経時的データ属性を視覚的に表わすことのできる、多次元ビジュアライゼーション。円のモーションアニメーションを使用して、時間経過に対するデータの変化を描写する。
・平行座標:多数のデータ属性を一緒に可視化することのできる、多次元データビジュアライゼーション。属性は、複数の平行な垂直軸または水平軸として表わされ、データポイントは、各属性軸(最後の2つの軸は、実際の給与(salary)と予測された給与の間の誤差を可視化する)上の点を接続する折れ線として表わされる。軸の順序は、ドラッギングによって変更してもよく、属性は、消去するか、またはプロットに追加することができる。
・バブルマップチャート:データ属性を、大きさおよび色などのバブルの特性にマッピングして、マップ上の地理的場所にバブルまたは円をプロットする。
1)ローカルデータセット:アイテムの集合I={Ir:r=1,2,...,m}を含む。各アイテムIr∈Iに対して、ローカル属性、小売商記述、ならびに販売数値などの尺度が利用可能である。
2)グローバルデータセット:各アイテムのグローバルマーケットシェアを含み、ここでアイテムは、グローバル属性によって記述されている。
この例において、ローカル属性は、グローバルデータセットにおいて使用されるものと異なることがある(すなわち、これらはグローバルレベルにおいて使用されない属性を含むことがある)。類似の属性に対しても、ローカル属性は、グローバル命名慣行(global naming conventions)とは異なる、地理特異命名法を使用する。例えば、炭酸飲料の場合には、グローバルおよびローカルのデータセットの両方が、飲料のブランド、風味(flavour)などを含むことがあるが、使用される実際の値は、異なることがある:例えば、「コーク」対「コカ・コーラ」、または「加糖」対「砂糖含有」である。さらに、ローカル属性は、製品を記述する自由形式テキストを含むフィールドである、「小売商記述」を含む。そのようなテキストは、アイテムに対するグローバル属性への手がかり(clue)を指摘することが多い。
Claims (13)
- データレイクからトピックに関連する複数のデータセットを取得するステップであって、前記複数のデータセットのそれぞれは、前記トピックの様々な属性に対応する情報を含むステップと;
前記複数のデータセットを結合して、結合データセットを取得するステップと;
ベイジアンモデリングを使用してターゲット属性に関連する分布を予測するステップであって;
前記結合データセットにおけるターゲット属性との相互情報量に基づいて複数の属性(k)を選択し、
前記選択された属性および前記ターゲット属性を使用して、最小全域木ベースのベイジアン構造を学習し、
前記最小全域木ベースのベイジアン構造の各ノードにおいて、条件付き確率表を学習し、
前記条件付き確率表を照会することによって、前記ターゲット属性に関連する分布を予測する、それによって視覚ベイジアンデータフュージョンを促進する、前記ステップと
を含む、プロセッサ実装方法。 - 複数のデータセットが、結合のタイプに基づいて結合されるとともに、前記結合のタイプが、内部結合、外部結合、左結合、および右結合を含む、請求項1に記載の方法。
- 選択された属性およびターゲット属性を使用して、最小全域木ベースのベイジアン構造を学習することが、
ペア単位相互情報量を閾値として使用して、複数の属性および前記ターゲット属性について、最小全域木を学習すること;
前記最小全域木における各エッジを無作為な方向に初期化すること;
各エッジ方向を反転させて、2^(k)有向グラフを演算すること;
各グラフのクロスエントロピーを計算すること;および
最小クロスエントロピーを有するグラフを、前記最小全域木ベースのベイジアン構造として選択すること
を含む、請求項1に記載の方法。 - 複数の属性およびターゲット属性が、離散変数および連続変数を含む、請求項1に記載の方法。
- 最小全域木ベースのベイジアン構造の各ノードにおいて、条件付き確率表を学習することが、
固定サイズビニングによって連続変数を離散化すること;および
前記連続変数を離散化すると、前記最小全域木ベースのベイジアン構造の各ノードにおいて、前記条件付き確率表を学習すること
を含む、請求項4に記載の方法。 - 理想分布および確率分布を使用する条件付き確率表を照会することによって予測されたターゲット属性に関連する分布に対する信頼度スコアを演算するステップ;
テキスト類似度を使用して前記ターゲット属性に関連する分布を予測するステップ;および
a)前記テキスト類似度を使用して予測された前記ターゲット属性と関連する分布、およびb)前記演算された信頼度スコアに基づいて前記条件付き確率表を照会することによって予測された前記ターゲット属性と関連する分布の内の1つを選択するステップ
をさらに含む、請求項1に記載の方法。 - 1つまたは2つ以上のメモリ;および
1つまたは2つ以上のハードウェアプロセッサを含む、システムであって、前記1つまたは2つ以上のメモリは前記1つまたは2つ以上のハードウェアプロセッサに連結されており、前記1つまたは2つ以上のハードウェアプロセッサは、前記1つまたは2つ以上のメモリに記憶されている以下のプログラム化された命令:
データレイクから、トピックに関連する複数のデータセットであって、それぞれがトピックの様々な属性に対応する情報を含む前記複数のデータセットを取得するステップ;
前記複数のデータセットを結合して、結合データセットを取得するステップ;
ベイジアンモデリングを使用してターゲット属性に関連する分布を予測するステップであって;
前記結合データセットにおいてターゲット属性との相互情報量に基づいて、複数の属性(k)を選択し、
前記選択された属性および前記ターゲット属性を使用して、最小全域木ベースのベイジアン構造を学習し、
前記最小全域木ベースのベイジアン構造の各ノードにおいて条件付き確率表を学習し、
前記条件付き確率表を照会することによって、前記ターゲット属性と関連する分布を予測する、それによって視覚ベイジアンデータフュージョンを促進する、前記ステップ
を実行することができる、前記システム。 - 複数のデータセットが、結合のタイプに基づいて結合され、前記結合のタイプには、内部結合、外部結合、左結合、および右結合が含まれる、請求項7に記載のシステム。
- 1つまたは2つ以上のハードウェアプロセッサが、
ペア単位相互情報量を閾値として使用して、複数の属性およびターゲット属性について、最小全域木を学習し、
前記最小全域木における各エッジを無作為な方向に初期化し;
各エッジ方向を反転させて、2^(k)有向グラフを演算し;
各グラフのクロスエントロピーを計算し、
最小クロスエントロピーを有するグラフを、最小全域木ベースのベイジアン構造として選択する、
プログラム化された命令を実行することができる、請求項7に記載のシステム。 - 複数の属性およびターゲット属性が、離散変数および連続変数を含む、請求項7に記載のシステム。
- 1つまたは2つ以上のハードウェアプロセッサが、
固定サイズビニングによって、連続変数を離散化し、
前記連続変数を離散化すると、最小全域木ベースのベイジアン構造の各ノードにおいて、条件付き確率表学習する、
プログラム化された命令を実行することができる、請求項10に記載のシステム。 - 1つまたは2つ以上のハードウェアプロセッサが、
理想分布および確率分布を使用する条件付き確率表を照会することによって予測された、ターゲット属性に関連する分布に対する信頼度スコアを演算し、
テキスト類似度を使用して前記ターゲット属性に関連する分布を予測し、
a)前記テキスト類似度を使用して予測された前記ターゲット属性と関連する分布、およびb)前記演算された信頼度スコアに基づいて前記条件付き確率表を照会することによって予測された前記ターゲット属性と関連する分布の内の1つを選択する
プログラム化された命令を実行することがさらに可能である、請求項7に記載のシステム。 - コンピューティングデバイスにおいて実行可能なプログラムを具現化する非一時的コンピュータ可読媒体であって、前記プログラムが:
データレイクからトピックに関連する複数のデータセットを取得するためのプログラムコードであって、前記複数のデータセットのそれぞれは、前記トピックの様々な属性に対応する情報を含むプログラムコードと;
前記複数のデータセットを結合して、結合データセットを取得するプログラムコードと;
ベイジアンモデリングを使用してターゲット属性に関連する分布を予測するプログラムコードであって;
前記結合データセットにおけるターゲット属性との相互情報量に基づいて複数の属性(k)を選択し、
前記選択された属性および前記ターゲット属性を使用して、最小全域木ベースのベイジアン構造を学習し、
前記最小全域木ベースのベイジアン構造の各ノードにおいて、条件付き確率表学習し、
前記条件付き確率表を照会することによって、前記ターゲット属性に関連する分布を予測する、それによって視覚ベイジアンデータフュージョンを促進する、前記プログラムコードと
を含む、非一時的コンピュータ可読媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201621008419 | 2016-03-10 | ||
IN201621008419 | 2016-03-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017199358A JP2017199358A (ja) | 2017-11-02 |
JP6431945B2 true JP6431945B2 (ja) | 2018-11-28 |
Family
ID=58277171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017046609A Active JP6431945B2 (ja) | 2016-03-10 | 2017-03-10 | 視覚ベイジアンデータフュージョンのシステムおよび方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10430417B2 (ja) |
EP (1) | EP3217334B1 (ja) |
JP (1) | JP6431945B2 (ja) |
AU (1) | AU2017201653B2 (ja) |
BR (1) | BR102017004835A2 (ja) |
CA (1) | CA2960505C (ja) |
MX (1) | MX2017003188A (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6532762B2 (ja) * | 2015-06-02 | 2019-06-19 | 株式会社東芝 | 情報生成システム、装置、方法、及びプログラム |
CA2960505C (en) * | 2016-03-10 | 2018-12-11 | Tata Consultancy Services Limited | System and method for visual bayesian data fusion |
CN110347688B (zh) * | 2019-07-10 | 2020-09-11 | 星环信息科技(上海)有限公司 | 多元信息的特征融合方法、装置、设备及存储介质 |
US11250014B2 (en) | 2019-08-18 | 2022-02-15 | International Business Machines Corporation | Generating previews of possible join relationships |
JP2021033895A (ja) * | 2019-08-29 | 2021-03-01 | 株式会社豊田中央研究所 | 変数選定方法、変数選定プログラムおよび変数選定システム |
CN110705132B (zh) * | 2019-10-31 | 2023-04-28 | 哈尔滨工业大学 | 一种基于多源异质数据的制导控制系统性能融合评估方法 |
CN110837868A (zh) * | 2019-11-08 | 2020-02-25 | 奇瑞汽车股份有限公司 | 贝叶斯图的获取方法及装置、存储介质 |
CN111221794A (zh) * | 2020-02-17 | 2020-06-02 | 湖南工学院 | 配电网广域量测控制系统多源数据融合方法 |
CN112231313A (zh) * | 2020-11-05 | 2021-01-15 | 河钢数字技术股份有限公司 | 一种钢厂多源环境数据融合的方法 |
CN113626482A (zh) * | 2021-08-17 | 2021-11-09 | 北京深演智能科技股份有限公司 | 基于系统融合id表的查询方法和装置 |
CN113807453B (zh) * | 2021-09-24 | 2024-01-30 | 沈阳理工大学 | 基于加权概率融合并行贝叶斯网络的异常行为检测方法 |
CN114896426B (zh) * | 2022-07-14 | 2023-10-13 | 中国人民解放军国防科技大学 | 一种电子目标认知图谱的构建方法 |
JP7260704B1 (ja) * | 2022-08-29 | 2023-04-18 | 株式会社博報堂Dyホールディングス | 情報処理システム、コンピュータプログラム、及び情報処理方法 |
CN116153450B (zh) * | 2023-04-13 | 2023-06-27 | 合肥科颖医药科技有限公司 | 基于智能分析的访视内容数据比对方法及系统 |
CN117009921B (zh) * | 2023-08-04 | 2024-02-23 | 振宁(无锡)智能科技有限公司 | 一种数据融合引擎的优化数据处理方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060216496A2 (en) | 2003-11-13 | 2006-09-28 | Bernard Technologies, Inc. | Gas Generating Polymers |
US7320002B2 (en) * | 2004-03-25 | 2008-01-15 | Microsoft Corporation | Using tables to learn trees |
US8160975B2 (en) * | 2008-01-25 | 2012-04-17 | Mcafee, Inc. | Granular support vector machine with random granularity |
US8938406B2 (en) | 2009-07-30 | 2015-01-20 | Hewlett-Packard Development Company, L.P. | Constructing a bayesian network based on received events associated with network entities |
JP2011048435A (ja) * | 2009-08-25 | 2011-03-10 | Nippon Telegr & Teleph Corp <Ntt> | 推定論理構築支援システム、ユーザ行動推定装置、ユーザ行動推定方法およびユーザ行動推定プログラム |
US8447710B1 (en) | 2010-08-02 | 2013-05-21 | Lockheed Martin Corporation | Method and system for reducing links in a Bayesian network |
US8478711B2 (en) * | 2011-02-18 | 2013-07-02 | Larus Technologies Corporation | System and method for data fusion with adaptive learning |
US20140153443A1 (en) * | 2012-11-30 | 2014-06-05 | International Business Machines Corporation | Per-Address Spanning Tree Networks |
US8949218B2 (en) * | 2012-12-26 | 2015-02-03 | Teradata Us, Inc. | Techniques for join processing on column partitioned tables |
SG10201403293TA (en) * | 2014-06-16 | 2016-01-28 | Ats Group Ip Holdings Ltd | Fusion-based object-recognition |
US20170004411A1 (en) * | 2015-07-04 | 2017-01-05 | Tata Consultancy Services Limited | Method and system for fusing business data for distributional queries |
CA2960505C (en) * | 2016-03-10 | 2018-12-11 | Tata Consultancy Services Limited | System and method for visual bayesian data fusion |
-
2017
- 2017-03-09 CA CA2960505A patent/CA2960505C/en active Active
- 2017-03-09 US US15/454,830 patent/US10430417B2/en active Active
- 2017-03-09 EP EP17160100.8A patent/EP3217334B1/en active Active
- 2017-03-10 JP JP2017046609A patent/JP6431945B2/ja active Active
- 2017-03-10 BR BR102017004835-7A patent/BR102017004835A2/pt active Search and Examination
- 2017-03-10 AU AU2017201653A patent/AU2017201653B2/en active Active
- 2017-03-10 MX MX2017003188A patent/MX2017003188A/es unknown
Also Published As
Publication number | Publication date |
---|---|
US10430417B2 (en) | 2019-10-01 |
BR102017004835A2 (pt) | 2018-03-20 |
US20170262506A1 (en) | 2017-09-14 |
CA2960505A1 (en) | 2017-09-10 |
MX2017003188A (es) | 2018-08-15 |
JP2017199358A (ja) | 2017-11-02 |
EP3217334A1 (en) | 2017-09-13 |
EP3217334B1 (en) | 2021-09-29 |
AU2017201653A1 (en) | 2017-09-28 |
AU2017201653B2 (en) | 2018-11-08 |
CA2960505C (en) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6431945B2 (ja) | 視覚ベイジアンデータフュージョンのシステムおよび方法 | |
US11238065B1 (en) | Systems and methods for generating and implementing knowledge graphs for knowledge representation and analysis | |
Tong et al. | A linear road object matching method for conflation based on optimization and logistic regression | |
Chi et al. | k-pod: A method for k-means clustering of missing data | |
CN103268317B (zh) | 对图像进行语义注释的系统和方法 | |
Zhang et al. | Using OpenStreetMap point-of-interest data to model urban change—A feasibility study | |
US9123259B2 (en) | Discovering functional groups of an area | |
Li et al. | An optimisation model for linear feature matching in geographical data conflation | |
US11734337B2 (en) | Identifying digital attributes from multiple attribute groups utilizing a deep cognitive attribution neural network | |
US20190197176A1 (en) | Identifying relationships between entities using machine learning | |
US20230089148A1 (en) | Systems and methods for interactive image scene graph pattern search and analysis | |
US20210390392A1 (en) | System and method for processing point-of-interest data | |
Ye et al. | Crowdsourcing-enhanced missing values imputation based on Bayesian network | |
US11023465B2 (en) | Cross-asset data modeling in multi-asset databases | |
Singh et al. | Visual bayesian fusion to navigate a data lake | |
Murakami et al. | Improved log-Gaussian approximation for over-dispersed Poisson regression: application to spatial analysis of COVID-19 | |
CN114821140A (zh) | 基于曼哈顿距离的图像聚类方法、终端设备及存储介质 | |
Li et al. | Indoor mobility semantics annotation using coupled conditional Markov networks | |
Lagos et al. | Point-of-interest semantic tag completion in a global crowdsourced search-and-discovery database | |
US20230297625A1 (en) | Utilizing a graph neural network to generate visualization and attribute recommendations | |
Ong et al. | Data-dependent probability matching priors of the second order | |
US20220230053A1 (en) | Graph neural network for signal processing | |
Wang et al. | Sequential designs for filling output spaces | |
Yu et al. | An iterative framework with active learning to match segments in road networks | |
Kumar | A short note on the theory of perspective topology in GIS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180625 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180703 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181002 |
|
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: 20181016 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6431945 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |